0:00:01.373,0:00:04.722
Többségünk úgy gondol a mozgásra, [br]mint egy nagyon vizuális dologra.

0:00:05.889,0:00:10.977
Ha keresztülsétálok ezen a színpadon,[br]vagy beszéd közben gesztikulálok,

0:00:10.977,0:00:13.238
az egy olyan mozgás, amit látnak.

0:00:14.255,0:00:19.737
De van egy világ, tele olyan mozgásokkal,[br]amelyek túl finomak az emberi szemnek,

0:00:19.737,0:00:21.778
és az elmúlt pár év során

0:00:21.778,0:00:23.775
kezdtünk rájönni, hogy a kamerák

0:00:23.775,0:00:27.185
gyakran látják ezt a mozgást,[br]még ha az emberek nem is.

0:00:28.305,0:00:29.856
Hadd mutassam be, mire gondolok!

0:00:30.507,0:00:34.339
Bal oldalt láthatnak egy videót[br]egy ember csuklójáról

0:00:34.339,0:00:37.486
és jobb oldalt egy videót[br]egy alvó csecsemőről,

0:00:37.486,0:00:40.422
de ha nem mondanám el önöknek,[br]hogy ezek videók,

0:00:40.422,0:00:44.133
azt feltételezhetnék, [br]hogy két hagyományos képet látnak,

0:00:44.133,0:00:45.765
mert mindkét esetben

0:00:45.765,0:00:49.112
a videók teljes mértékben[br]mozdulatlannak tűnnek.

0:00:50.175,0:00:54.060
De valójában rengeteg finom mozgás[br]van folyamatban itt,

0:00:54.060,0:00:56.452
és ha megérinthetnék [br]a csuklót bal oldalt,

0:00:56.452,0:00:58.448
éreznék a pulzust,

0:00:58.448,0:01:00.933
vagy ha karjukban tartanák[br]a jobb oldali csecsemőt,

0:01:00.933,0:01:03.324
éreznék, ahogy a mellkasa[br]emelkedik és süllyed

0:01:03.324,0:01:04.714
minden lélegzetvételénél.

0:01:05.762,0:01:09.338
És ezek a mozgások [br]hatalmas jelentőséggel bírnak,

0:01:09.338,0:01:12.681
de általában túl finomak ahhoz,[br]hogy észrevegyük őket,

0:01:12.681,0:01:14.957
ezért inkább közvetlen kapcsolattal,

0:01:14.957,0:01:17.857
azaz érintéssel tudjuk megfigyelni őket.

0:01:18.997,0:01:20.262
De néhány éve

0:01:20.262,0:01:24.667
MIT-s kollégáim kifejlesztettek[br]egy úgy nevezett mozgásmikroszkópot,

0:01:24.667,0:01:29.051
egy olyan szoftvert, ami képes megtalálni [br]ezeket a finom mozgásokat egy videóban

0:01:29.051,0:01:32.613
és felerősíteni őket annyira,[br]hogy mi is láthassuk.

0:01:33.416,0:01:36.899
Így tehát ha használjuk a szoftvert[br]a bal oldali videón,

0:01:36.899,0:01:40.149
láthatóvá teszi számunkra a pulzust

0:01:40.149,0:01:41.844
és ha megszámolnánk a lüktetéseket,

0:01:41.844,0:01:44.199
még ki is számolhatnánk[br]az illető szívverését.

0:01:45.095,0:01:48.160
És ha ugyanezt a szoftvert alkalmazzuk[br]a jobb oldali videón,

0:01:48.160,0:01:51.387
láthatóvá válik minden lélegzet,[br]amit a csecsemő vesz

0:01:51.387,0:01:55.524
és ezt használhatjuk légzésének [br]kontaktusmentes monitorozásra.

0:01:56.884,0:02:01.482
Tehát ez a technológia nagyon erőteljes,[br]mert lehetővé teszi,

0:02:01.482,0:02:04.599
hogy ezeket az általában érintéssel [br]megtapasztalt jelenségeket

0:02:04.599,0:02:07.556
vizuálisan, nem-invazív módon [br]ragadjuk meg.

0:02:09.104,0:02:13.515
Szóval, pár éve elkezdtem dolgozni [br]a szoftver készítőivel,

0:02:13.515,0:02:16.882
és egy őrült ötlet [br]megvalósítására adtuk a fejünket.

0:02:16.882,0:02:19.575
Arra gondoltunk, menő,[br]hogy a szoftver használatával

0:02:19.575,0:02:22.710
vizualizálhatunk ilyen apró mozgásokat,

0:02:22.710,0:02:27.168
és szinte felfoghatjuk ezt[br]a tapintás érzékünk kiterjesztéseként.

0:02:27.168,0:02:31.227
De mi lenne, ha meg tudnánk tenni[br]ugyanezt a hallásunkkal is?

0:02:32.508,0:02:37.173
Mi lenne, ha a videó segítségével[br]megragadhatnánk a hang rezgéseit,

0:02:37.173,0:02:40.000
ami csupán egy másik fajta mozgás,

0:02:40.000,0:02:43.346
és így mindent, amit látunk[br]mikrofonná változtathatnánk?

0:02:44.236,0:02:46.207
Nos, ez egy kicsit furcsa ötlet,

0:02:46.207,0:02:48.793
hadd próbáljam meg hát[br]perspektívába helyezni.

0:02:49.523,0:02:53.011
A hagyományos mikrofonok [br]azon az elven működnek,

0:02:53.011,0:02:56.610
hogy egy belső membrán mozgását[br]elektromos jellé konvertálják,

0:02:56.610,0:03:00.928
és ez a membrán úgy van tervezve,[br]hogy a hangra könnyen rezdüljön,

0:03:00.928,0:03:05.735
így a mozgása felvehető[br]és hangként lefordítható lesz.

0:03:05.735,0:03:09.403
De a hang minden tárgyat[br]rezgésbe hoz.

0:03:09.403,0:03:14.883
Ezek a rezgések általában túl finomak[br]és túl gyorsak, hogy láthassuk őket.

0:03:14.883,0:03:18.621
Szóval, mi lenne, ha felvennénk őket[br]egy nagysebességű kamerával

0:03:18.621,0:03:22.197
és aztán a szoftvert használnánk,[br]hogy kivonjuk az apró mozgásokat

0:03:22.197,0:03:24.287
a nagysebességű videónkból,

0:03:24.287,0:03:28.561
és elemezzük azokat a mozgásokat, [br]hogy kiderüljön, milyen hang okozta őket?

0:03:29.859,0:03:35.308
Így a látható tárgyakat távoli[br]vizuális mikrofonokká változtathatnánk.

0:03:37.080,0:03:39.183
Szóval kipróbáltuk ezt a dolgot,

0:03:39.183,0:03:40.970
és íme az egyik kísérletünk,

0:03:40.970,0:03:44.139
ahol fogtuk ezt a cserepes növényt,[br]amit a jobb oldalon látnak

0:03:44.139,0:03:46.577
és egy nagysebességű kamerával filmeztük,

0:03:46.577,0:03:50.106
miközben egy közeli hangszóró[br]ezt a hangot játszotta.

0:03:50.275,0:03:58.465
[A szobában hangszórón játszott hang][br](Zene: "Mary Had a Little Lamb")

0:03:59.820,0:04:02.644
És íme a videó, amit felvettünk,

0:04:02.644,0:04:06.568
és ugyan másodpercenként [br]több ezer képkockát rögzítettünk,

0:04:06.568,0:04:08.810
még ha nagyon közelről vizsgálják,

0:04:08.810,0:04:10.771
akkor is csupán néhány levél látható,

0:04:10.771,0:04:13.906
amik lényegében csak úgy vannak,[br]és nem csinálnak semmit,

0:04:13.906,0:04:18.712
mert a hang ezeket a leveleket[br]alig pár mikrométernyit mozdította meg.

0:04:19.103,0:04:23.379
Ez egy centiméter egy-tízezrede,

0:04:23.379,0:04:27.535
ami nagyjából akkora kiterjedésű, [br]mint egy pixel százada vagy ezrede

0:04:27.535,0:04:29.834
ezen a képen.

0:04:29.881,0:04:32.768
Szóval hunyoroghatnak, amennyit akarnak,

0:04:32.768,0:04:36.103
de egy ilyen kis mértékű mozgás[br]lényegében érzékszervileg láthatatlan.

0:04:37.667,0:04:41.824
De kiderült, hogy valami lehet [br]érzékszervileg láthatatlan

0:04:41.824,0:04:44.633
és mégis jelentős számtanilag,

0:04:44.633,0:04:46.635
mert a megfelelő algoritmusokat használva

0:04:46.635,0:04:50.322
foghatjuk és ebből a néma,[br]mozdulatlannak tűnő videóból

0:04:50.322,0:04:51.849
visszanyerhetjük ezt a hangot.

0:04:52.690,0:05:00.074
(Zene: "Mary Had a Little Lamb")

0:05:00.074,0:05:05.902
(Taps)

0:05:10.058,0:05:11.997
Szóval hogyan is lehetséges ez?

0:05:11.997,0:05:16.341
Hogyan szerezhetünk ilyen sok információt,[br]ilyen kicsi mozgásból?

0:05:16.341,0:05:21.702
Nos, mondjuk, hogy azok a levelek[br]csupán egyetlen mikrométernyit mozdulnak,

0:05:21.702,0:05:26.010
és mondjuk, hogy ez a képünket[br]csak egy pixel ezredével mozdítja el.

0:05:27.269,0:05:29.841
Ez talán nem tűnik soknak,

0:05:29.841,0:05:31.837
de egyetlen képkocka

0:05:31.837,0:05:35.094
több százezer pixelt foglalhat magába

0:05:35.094,0:05:38.548
és ha össze tudjuk rakni [br]az összes ilyen kis mozgást, amit látunk

0:05:38.548,0:05:40.846
az egész kép területéről,

0:05:40.846,0:05:43.469
akkor hirtelen egy pixel ezrede

0:05:43.469,0:05:46.244
elkezdhet összeadódni[br]valami egészen jelentőssé.

0:05:46.870,0:05:50.505
Hadd áruljam el, hogy eléggé bezsongtunk,[br]amikor rájöttünk minderre.

0:05:50.505,0:05:52.825
(Nevetés)

0:05:52.825,0:05:56.078
De még a megfelelő algoritmussal is

0:05:56.078,0:05:59.695
hiányzott egy elég fontos darabja [br]a kirakósnak.

0:05:59.695,0:06:03.299
Ugyanis rengeteg tényező befolyásolja,[br]mikor és mennyire jól fog

0:06:03.299,0:06:05.296
ez a technika működni.

0:06:05.296,0:06:08.500
Ott van a tárgy és hogy milyen messze van;

0:06:08.500,0:06:10.894
ott a kamera és a lencsék,[br]amiket használunk;

0:06:10.894,0:06:14.985
mennyi fény éri a tárgyat[br]és milyen hangos a hang.

0:06:15.945,0:06:19.320
És még a megfelelő algoritmussal is

0:06:19.320,0:06:22.710
nagyon óvatosnak kellett lennünk[br]a korai kísérleteinkben,

0:06:22.710,0:06:25.102
mert ha ezen tényezők[br]akármelyikét elhibáztuk,

0:06:25.102,0:06:27.470
esélytelen volt megmondani,[br]hogy mi is a probléma.

0:06:27.470,0:06:30.117
Csak zajt nyertünk vissza.

0:06:30.117,0:06:33.437
Ezért aztán rengeteg korai kísérletünk[br]festett valahogy így.

0:06:33.437,0:06:35.643
Íme, itt vagyok én,

0:06:35.643,0:06:39.683
és valamelyest látni a bal alsó sarokban[br]a nagysebességű kameránkat,

0:06:39.683,0:06:41.866
ami egy zacskó chipsre szegeződik,

0:06:41.866,0:06:44.815
és mindez ezekkel a ragyogó lámpákkal[br]van bevilágítva.

0:06:44.815,0:06:49.180
Mint mondtam, az ilyen korai kísérleteknél[br]nagyon óvatosnak kellett lennünk,

0:06:49.180,0:06:51.688
ezért így festett a dolog.

0:06:51.688,0:06:55.449
(Videó) Abe Davis: Három, kettő, egy, és!

0:06:55.449,0:07:00.836
Mary had a little lamb![br]Little lamb! Little lamb!

0:07:00.836,0:07:05.336
(Nevetés)

0:07:05.336,0:07:08.150
AD: Szóval ez a kísérlet[br]teljes mértékben röhejesen fest.

0:07:08.150,0:07:09.938
(Nevetés)

0:07:09.938,0:07:12.283
Úgy értem, egy zacskó chipsnek kiabálok...

0:07:12.283,0:07:13.834
(Nevetés)

0:07:13.834,0:07:15.951
...amire annyi fényt nyomtunk,

0:07:15.951,0:07:20.430
hogy az első zacskót, amin kipróbáltuk,[br]szó szerint megolvasztottuk. (Nevetés)

0:07:20.525,0:07:23.799
De bármilyen röhejesnek[br]tűnik is ez a kísérlet,

0:07:23.799,0:07:25.587
valójában nagyon fontos volt,

0:07:25.587,0:07:28.513
mert sikerült visszanyernünk[br]ezt a hangot.

0:07:28.513,0:07:33.225
(Hang) Mary had a little lamb![br]Little lamb! Little lamb!

0:07:33.225,0:07:37.313
(Taps)

0:07:37.313,0:07:39.194
AD: És ennek nagy jelentősége volt,

0:07:39.194,0:07:43.313
mert ez volt az első, hogy [br]kivehető emberi hangot nyertünk vissza

0:07:43.424,0:07:45.765
egy tárgyról készült néma videóból.

0:07:45.765,0:07:48.156
Ez adott nekünk egy viszonyítási pontot,

0:07:48.156,0:07:52.027
és fokozatosan elkezdhettük[br]módosítani a kísérletet

0:07:52.106,0:07:55.911
különböző tárgyakat használtunk,[br]vagy messzebbre helyeztük őket,

0:07:55.911,0:07:58.681
kevesebbet fényt vagy [br]halkabb hangot használtunk.

0:07:59.887,0:08:02.761
És elemeztük az összes ilyen kísérletet,

0:08:02.761,0:08:06.203
amíg valóban megértettük[br]a technikánk korlátait;

0:08:06.203,0:08:08.333
mert amint megismertük [br]ezeket a korlátokat,

0:08:08.333,0:08:10.679
kitalálhattuk, hogyan lehetne[br]feszegetni őket.

0:08:10.679,0:08:13.860
És ez vezetett az olyan kísérletekhez,[br]mint ez is,

0:08:13.860,0:08:16.599
ahol ismét beszélni fogok[br]egy zacskó chipshez,

0:08:16.599,0:08:21.429
de ezúttal a kamerát úgy [br]öt méterrel távolabb helyeztük el,

0:08:21.429,0:08:24.262
kívül, egy hangszigetelt üvegen túl,

0:08:24.262,0:08:27.065
és az egész csak természetes napfénnyel[br]volt megvilágítva.

0:08:28.529,0:08:30.684
Íme a videó, amit felvettünk.

0:08:32.450,0:08:37.009
És így hangzott a dolog belül,[br]a zacskó chips mellett.

0:08:37.009,0:08:42.047
(Hang) Mary had a little lamb[br]whose fleece was white as snow,

0:08:42.047,0:08:47.666
and everywhere that Mary went,[br]that lamb was sure to go.

0:08:47.666,0:08:51.683
AD: És ezt sikerült visszanyernünk[br]a néma videóból,

0:08:51.683,0:08:54.028
amit kintről, [br]az üvegen túlról vettünk fel.

0:08:54.028,0:08:58.463
(Hang) Mary had a little lamb[br]whose fleece was white as snow,

0:08:58.463,0:09:03.920
and everywhere that Mary went,[br]that lamb was sure to go.

0:09:03.920,0:09:10.421
(Taps)

0:09:10.421,0:09:13.963
AD: Vannak más módjai is annak,[br]hogy ezeket a határokat feszegessük.

0:09:13.963,0:09:15.761
Itt van ez a csendesebb kísérlet,

0:09:15.761,0:09:19.871
ahol egy laptophoz csatlakoztatott[br]füldugót filmeztünk le,

0:09:19.871,0:09:23.981
és ebben az esetben, a laptopon játszott[br]zenét akartuk visszanyerni

0:09:23.981,0:09:26.280
csupán egy néma videóból

0:09:26.280,0:09:28.787
erről a két kis műanyag fülhallgatóról,

0:09:28.787,0:09:30.820
és ez annyira jól sikerült,

0:09:30.820,0:09:33.431
hogy az eredményre még[br]a Shazamon is rá tudtam keresni.

0:09:33.431,0:09:35.842
(Nevetés)

0:09:37.191,0:09:47.225
[Videóból visszanyert hang][br](Zene: "Under Pressure" a Queentől)

0:09:49.615,0:09:54.584
(Taps)

0:09:54.584,0:09:59.135
Próbálkozhatunk azzal is, hogy [br]más eszközöket használunk a felvételhez.

0:09:59.135,0:10:01.596
Mert azok a kísérletek,[br]amiket eddig mutattam,

0:10:01.596,0:10:03.918
mind nagy sebességű kamerával készültek

0:10:03.918,0:10:06.797
ami nagyjából százszor [br]gyorsabban tud felvenni,

0:10:06.797,0:10:08.724
mint a legtöbb mobiltelefon,

0:10:08.724,0:10:11.533
de arra is találtunk módot,[br]hogy ezt a technikát

0:10:11.533,0:10:13.763
közönségesebb kamerákkal használjuk.

0:10:13.763,0:10:17.832
Tettük ezt úgy, hogy kihasználtuk[br]az úgy nevezett gördülő zárat.

0:10:17.832,0:10:22.630
Ugyanis a legtöbb kamera [br]soronként rögzíti a képeket,

0:10:22.630,0:10:28.332
így, ha egy tárgy elmozdul[br]egyetlen kép rögzítése közben,

0:10:28.344,0:10:31.061
van egy kis időeltolódás [br]minden sor között,

0:10:31.061,0:10:34.218
ez apró kis torzulásokat okoz,

0:10:34.218,0:10:37.701
amik a videó minden képkockáján[br]kódolásra kerülnek.

0:10:37.701,0:10:41.507
Arra jöttünk rá, hogy ezeket [br]a torzulásokat elemezve

0:10:41.507,0:10:46.122
képesek vagyunk visszanyerni a hangot,[br]az algoritmusunk módosított verziójával.

0:10:46.122,0:10:48.034
Tehát, itt az egyik kísérletünk,

0:10:48.034,0:10:49.729
ahol egy zacskó cukrot filmeztünk,

0:10:49.729,0:10:51.470
miközben egy közeli hangszóró

0:10:51.470,0:10:54.442
ugyanazt a "Mary Had a Little Lamb" [br]zenét játszotta korábbról,

0:10:54.442,0:10:58.645
de ezúttal, csak egy általános,[br]boltban kapható kamerát használtunk,

0:10:58.645,0:11:01.819
és máris lejátszom önöknek[br]a hangot, amit visszanyertünk,

0:11:01.819,0:11:03.869
ezúttal egy kicsit[br]torzítottan fog hangzani,

0:11:03.869,0:11:06.705
de hallgassák, hogy még[br]fel tudják-e ismerni a zenét.

0:11:07.723,0:11:25.516
(Hang: "Mary Had a Little Lamb")[br][A zacskó cukorkából visszanyert hang]

0:11:25.527,0:11:28.992
És igen, ez a hang ugyan torzított,

0:11:28.992,0:11:33.378
de ami igazán lenyűgöző,[br]hogy képesek voltunk ezt elérni,

0:11:33.378,0:11:36.004
egy olyan eszközzel, [br]amit könnyen beszerezhetnek,

0:11:36.004,0:11:37.448
ha átugranak a Best Buy-ba.

0:11:39.122,0:11:40.485
Szóval ezen a ponton,

0:11:40.485,0:11:42.459
rengeteg ember, aki látja ezt a munkát

0:11:42.459,0:11:45.692
rögtön a megfigyelésre gondol.

0:11:45.692,0:11:48.287
Hogy őszinte legyek,

0:11:48.287,0:11:52.420
nem nehéz elképzelni, hogy lehetne [br]ezt a technológiát kémkedésre használni.

0:11:52.420,0:11:56.367
De tartsuk észben, hogy rengeteg[br]kiforrott technológia létezik már

0:11:56.367,0:11:57.946
a megfigyelésre.

0:11:57.946,0:12:00.036
Valójában az emberek évtizedek óta

0:12:00.036,0:12:02.835
lézerek használatával hallgatnak le [br]tárgyakat a távolban.

0:12:03.978,0:12:06.003
De ami igazán új itt,

0:12:06.003,0:12:07.443
ami igazán különböző,

0:12:07.443,0:12:11.738
hogy most már van egy módszerünk,[br]hogy elképzeljük egy tárgy rezgéseit,

0:12:11.738,0:12:15.151
ami egy új szempontot kínál,[br]ahonnan a világot szemlélhetjük,

0:12:15.151,0:12:16.661
és ez nem csak arra jó,

0:12:16.661,0:12:21.560
hogy megismerjük a hanghoz hasonló erőket,[br]ami egy tárgy rezgését okozza,

0:12:21.560,0:12:23.848
de magát a tárgyat is jobban megismerjük.

0:12:24.975,0:12:26.668
Ezért tennék most egy lépést hátra

0:12:26.668,0:12:30.917
és szeretnék elgondolkozni, [br]hogy változtat ez a videózás használatán,

0:12:30.917,0:12:34.470
mert a videót általában arra használjuk,[br]hogy nézzük a dolgokat,

0:12:34.470,0:12:36.792
ám épp most mutattam meg, [br]hogy használható arra,

0:12:36.792,0:12:38.649
hogy hallgassuk a dolgokat.

0:12:38.649,0:12:42.480
De van még egy fontos módszer,[br]ami által a világról tanulunk:

0:12:42.480,0:12:44.895
ha interakcióba lépünk vele.

0:12:44.895,0:12:48.006
Húzzuk és vonjuk a dolgokat, [br]böködjük és szurkáljuk.

0:12:48.006,0:12:51.187
Megrázzuk őket és figyeljük, [br]hogy mi történik.

0:12:51.187,0:12:55.460
És ez olyasmi, amit a videó[br]még nem enged nekünk megtenni,

0:12:55.460,0:12:57.596
legalábbis hagyományosan nem.

0:12:57.596,0:12:59.546
Ezért mutatnék egy új munkát önöknek,

0:12:59.546,0:13:02.213
ami egy pár hónappal ezelőtti[br]ötletemen alapul,

0:13:02.213,0:13:05.514
szóval igazából ez az első alkalom,[br]hogy megmutatom a nagyközönségnek.

0:13:05.514,0:13:10.877
Az alapvető ötlet, hogy felhasználjuk[br]a videón rögzített rezgéseket arra,

0:13:10.877,0:13:15.358
hogy a tárgyakat oly módon örökítsük meg,[br]ami lehetővé teszi velük az interkaciót

0:13:15.358,0:13:17.332
és megmutatja, hogyan reagálnak ránk.

0:13:19.120,0:13:20.884
Szóval itt van egy tárgy,

0:13:20.884,0:13:24.716
ez éppen egy ember alakú drótfigura,

0:13:24.716,0:13:27.804
és fel fogjuk venni ezt a tárgyat[br]egy átlagos kamerával.

0:13:27.804,0:13:29.928
Tehát a kamerában [br]nincsen semmi különleges.

0:13:29.928,0:13:32.889
Sőt, én már csináltam ilyet[br]a mobilommal is korábban.

0:13:32.889,0:13:35.141
De szeretnénk látni,[br]ahogy a tárgy rezeg,

0:13:35.141,0:13:36.274
és hogy ezt elérjük,

0:13:36.274,0:13:39.620
egy kicsit megütögetjük a felületet, [br]amin helyet foglal,

0:13:39.620,0:13:41.758
miközben felvesszük ezt a videót.

0:13:47.398,0:13:51.069
Szóval ennyi: csak öt másodperc[br]átlagos videó,

0:13:51.069,0:13:53.205
miközben ütögetjük a felületet,

0:13:53.205,0:13:56.718
a videóban lévő rezgéseket[br]arra fogjuk használni,

0:13:56.718,0:14:01.262
hogy többet tudjunk meg a tárgyunk[br]szerkezeti és anyagi tulajdonságairól,

0:14:01.262,0:14:06.096
ennek az információnak a segítségével majd[br]valami újat és interaktívat hozunk létre.

0:14:12.866,0:14:15.519
Íme, amit létrehoztunk.

0:14:15.519,0:14:17.748
Úgy néz ki, mint egy közönséges kép,

0:14:17.748,0:14:20.859
de ez nem egy kép,[br]és nem is egy videó,

0:14:20.859,0:14:23.227
mert most foghatom az egeremet

0:14:23.227,0:14:26.086
és elkezdhetek kapcsolatot teremteni[br]a tárggyal.

0:14:32.936,0:14:35.293
És amit most itt látnak,

0:14:35.389,0:14:37.615
az egy szimulációja annak,

0:14:37.615,0:14:42.073
ahogy a tárgy reagálna új erőkre,[br]amiket még sosem láttunk,

0:14:42.073,0:14:45.706
és ezt csak egy öt másodperces [br]egyszerű videóból készítettük.

0:14:47.249,0:14:57.404
(Taps)

0:14:57.421,0:15:00.648
Ez egy nagyon hatásos módja annak,[br]ahogy a világot szemléljük,

0:15:00.648,0:15:03.620
mert általa megjósolhatjuk,[br]hogyan fognak a tárgyak reagálni

0:15:03.620,0:15:05.443
egy új helyzetre,

0:15:05.443,0:15:08.916
és elképzelhetjük például, [br]ahogy nézünk egy régi hídra,

0:15:08.916,0:15:12.443
és azon gondolkozunk, mi történne,[br]hogyan tartana ki a híd,

0:15:12.443,0:15:15.276
ha áthajtanánk rajta az autónkkal.

0:15:15.276,0:15:18.050
Ez egy olyan kérdés,[br]amire jó lenne tudni a választ,

0:15:18.050,0:15:20.610
mielőtt elkezdünk áthajtani[br]azon a hídon.

0:15:21.988,0:15:25.260
És természetesen lesznek korlátai[br]ennek a technikának,

0:15:25.260,0:15:27.722
mint ahogy voltak[br]a vizuális mikrofonnak is,

0:15:27.722,0:15:30.903
de azt vettük észre, [br]hogy sok helyzetben működik,

0:15:30.903,0:15:32.778
amiben talán nem is várnák,

0:15:32.778,0:15:35.546
különösen, [br]ha hosszabb videókkal dolgozunk.

0:15:35.546,0:15:38.054
Szóval például itt egy videó,[br]amit felvettem,

0:15:38.054,0:15:40.353
egy bokorról a lakásom előtt.

0:15:40.353,0:15:43.441
Nem csináltam semmit a bokorral,

0:15:43.441,0:15:46.146
de míg felvettem egy egyperces videót,

0:15:46.146,0:15:49.524
egy kis szellő elég rezgést okozott,

0:15:49.524,0:15:53.111
hogy eleget megtudjunk a bokorról,[br]és így létrehozhassuk ezt a szimulációt.

0:15:55.270,0:16:01.412
(Taps)

0:16:01.412,0:16:04.384
El tudják képzelni, [br]ahogy egy fimrendező kezébe adjuk ezt,

0:16:04.384,0:16:06.103
hogy így kontrollálhassa, mondjuk

0:16:06.103,0:16:11.025
a szél erejét és irányát [br]egy jelenetben, miután felvették azt.

0:16:12.810,0:16:17.345
Vagy, ebben az esetben, a kameránkat[br]egy felakasztott függönyre szegeztük.

0:16:17.345,0:16:21.474
Nem látnak semmi mozgást [br]ezen a videón,

0:16:21.474,0:16:24.399
de egy kétperces videó felvételével,

0:16:24.399,0:16:26.837
a szobában lévő [br]természetes légmozgások

0:16:26.837,0:16:31.249
elegendő finom, alig érzékelhető [br]mozgást és rezgést okoztak,

0:16:31.249,0:16:33.814
hogy eleget tudjunk[br]a szimuláció elkészítéséhez.

0:16:36.243,0:16:38.609
Ironikus módon,

0:16:38.609,0:16:41.697
eléggé hozzá vagyunk szokva[br]az ilyen fajta interaktivitáshoz,

0:16:41.697,0:16:44.344
ha virtuális tárgyakról van szó,

0:16:44.344,0:16:47.641
videó játékokról és 3D modellekről,

0:16:47.641,0:16:52.045
de a képesség, hogy ezt az információt[br]a valóság valós tárgyairól is megszerezzük

0:16:52.045,0:16:54.862
csupán egyszerű, [br]hagyományos videót használva,

0:16:54.862,0:16:57.045
ez valami új,[br]ami nagyon sok lehetőséget rejt.

0:16:58.410,0:17:03.314
Szóval íme a lenyűgöző emberek,[br]akikkel ezeken a projekteken dolgoztam.

0:17:04.057,0:17:12.743
(Taps)

0:17:12.819,0:17:15.876
És amit ma megmutattam önöknek,[br]az csak a kezdet.

0:17:15.876,0:17:17.989
Épp csak karcolgatjuk a felszínét annak,

0:17:17.989,0:17:20.961
amit ezzel a képalkotással[br]megtehetünk,[br]

0:17:20.961,0:17:23.247
mert egy új módszert biztosít arra,

0:17:23.342,0:17:28.066
hogy megörökítsük a környezetünket,[br]mindennapi, hozzáférhető technológiával.

0:17:28.066,0:17:29.995
Szóval a jövőbe nézve,

0:17:29.995,0:17:32.032
nagyon izgalmas lesz felfedezni,

0:17:32.032,0:17:33.888
mit árulhat el ez nekünk a világról.

0:17:34.381,0:17:35.585
Köszönöm!

0:17:36.025,0:17:40.475
(Taps)