Группа американских ученых из Бостонского университета во главе с Вивеком Говалем разработала компьютерный алгоритм, который позволяет превратить любую цифровую фотокамеру в устройство, способное относительно точно распознавать изображения и объекты, скрытые из области ее прямой видимости. Работа ученых опубликована в Nature.
Современные фотокамеры не способны видеть объекты, скрытые от них за какими-либо предметами. Тем не менее, существует несколько способов реконструировать часть информации о скрытом объекте по яркости и цветности отраженного от него света.
В своей работе ученые из Бостонского университета использовали некое подобие эффекта перископа. Между цифровой камерой и экраном, на который выводилось некоторое изображение, была размещена непрозрачная перегородка. Перед камерой и экраном ученые установили белую перегородку.
Сперва исследователи пытались реконструировать изображение, показываемое на экране (гриб из серии игр про Марио, улыбающаяся физиономия, буквы BU, цветные полосы и белые геометрические фигуры на черном фоне), по теням и пятнам на белой стене, которые снимала камера и передавала на компьютер. Четкого результата получить не удалось, однако алгоритм смог выделить основные цвета изображения.
Затем исследователи разместили вне зоны видимости камеры между стеной и экраном обтюратор, приспособление перекрывающее часть светового потока от объекта. В качестве обтюратора использовался прямоугольный лист фанеры на стойке.
С использованием обтюратора компьютерному алгоритму удалось частично реконструировать изображения, показывавшиеся на экране. Затем ученые провели серию экспериментов и выяснили, что наилучших результатов реконструкции удается добиться в двух случаях: если обтюратор во время съемки перемещается и если обтюратор неподвижен, но его позиция точно известна.
Исходный код своего алгоритма ученые опубликовали на GitHub.
В 2017 году исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института представили систему, которая позволяет по теням и цветовым пятнам на полу определять количество объектов за углом и траекторию их движения. При этом сами объекты в поле зрение камеры не попадают.
Представленный прототип системы работает с обычной зеркальной камерой. Алгоритм способен улавливать малейшие, незаметные человеческому глазу, изменения в освещенности и цветовом спектре по изображению пола рядом с углом стены.
Василий Сычёв
Языковые модели сгенерировали рабочий вирусный геном
Используя геномные языковые модели Evo 1 и Evo 2, американские исследователи под руководством Брайана Хая (Brian L. Hie) из Института Arc сгенерировали полные геномы бактериофагов, похожих на хорошо изученный вирус ΦX174. При этом смесь сгенерированных фагов приспособилась заражать три линии Escherichia coli, устойчивые к ΦX174. Этих результатов уже достаточно для эффектного заголовка о вирусах, созданных искусственным интеллектом. Но за кликбейтом скрывается более интересный вопрос: что именно в этом эксперименте сделала модель — и насколько далеко генерация последовательностей уже продвинулась в сторону проектирования сложных функциональных биологических систем с заданными свойствами?