1
00:00:01,373 --> 00:00:04,722
Többségünk úgy gondol a mozgásra, 
mint egy nagyon vizuális dologra.

2
00:00:05,889 --> 00:00:10,977
Ha keresztülsétálok ezen a színpadon,
vagy beszéd közben gesztikulálok,

3
00:00:10,977 --> 00:00:13,238
az egy olyan mozgás, amit látnak.

4
00:00:14,255 --> 00:00:19,737
De van egy világ, tele olyan mozgásokkal,
amelyek túl finomak az emberi szemnek,

5
00:00:19,737 --> 00:00:21,778
és az elmúlt pár év során

6
00:00:21,778 --> 00:00:23,775
kezdtünk rájönni, hogy a kamerák

7
00:00:23,775 --> 00:00:27,185
gyakran látják ezt a mozgást,
még ha az emberek nem is.

8
00:00:28,305 --> 00:00:29,856
Hadd mutassam be, mire gondolok!

9
00:00:30,507 --> 00:00:34,339
Bal oldalt láthatnak egy videót
egy ember csuklójáról

10
00:00:34,339 --> 00:00:37,486
és jobb oldalt egy videót
egy alvó csecsemőről,

11
00:00:37,486 --> 00:00:40,422
de ha nem mondanám el önöknek,
hogy ezek videók,

12
00:00:40,422 --> 00:00:44,133
azt feltételezhetnék, 
hogy két hagyományos képet látnak,

13
00:00:44,133 --> 00:00:45,765
mert mindkét esetben

14
00:00:45,765 --> 00:00:49,112
a videók teljes mértékben
mozdulatlannak tűnnek.

15
00:00:50,175 --> 00:00:54,060
De valójában rengeteg finom mozgás
van folyamatban itt,

16
00:00:54,060 --> 00:00:56,452
és ha megérinthetnék 
a csuklót bal oldalt,

17
00:00:56,452 --> 00:00:58,448
éreznék a pulzust,

18
00:00:58,448 --> 00:01:00,933
vagy ha karjukban tartanák
a jobb oldali csecsemőt,

19
00:01:00,933 --> 00:01:03,324
éreznék, ahogy a mellkasa
emelkedik és süllyed

20
00:01:03,324 --> 00:01:04,714
minden lélegzetvételénél.

21
00:01:05,762 --> 00:01:09,338
És ezek a mozgások 
hatalmas jelentőséggel bírnak,

22
00:01:09,338 --> 00:01:12,681
de általában túl finomak ahhoz,
hogy észrevegyük őket,

23
00:01:12,681 --> 00:01:14,957
ezért inkább közvetlen kapcsolattal,

24
00:01:14,957 --> 00:01:17,857
azaz érintéssel tudjuk megfigyelni őket.

25
00:01:18,997 --> 00:01:20,262
De néhány éve

26
00:01:20,262 --> 00:01:24,667
MIT-s kollégáim kifejlesztettek
egy úgy nevezett mozgásmikroszkópot,

27
00:01:24,667 --> 00:01:29,051
egy olyan szoftvert, ami képes megtalálni 
ezeket a finom mozgásokat egy videóban

28
00:01:29,051 --> 00:01:32,613
és felerősíteni őket annyira,
hogy mi is láthassuk.

29
00:01:33,416 --> 00:01:36,899
Így tehát ha használjuk a szoftvert
a bal oldali videón,

30
00:01:36,899 --> 00:01:40,149
láthatóvá teszi számunkra a pulzust

31
00:01:40,149 --> 00:01:41,844
és ha megszámolnánk a lüktetéseket,

32
00:01:41,844 --> 00:01:44,199
még ki is számolhatnánk
az illető szívverését.

33
00:01:45,095 --> 00:01:48,160
És ha ugyanezt a szoftvert alkalmazzuk
a jobb oldali videón,

34
00:01:48,160 --> 00:01:51,387
láthatóvá válik minden lélegzet,
amit a csecsemő vesz

35
00:01:51,387 --> 00:01:55,524
és ezt használhatjuk légzésének 
kontaktusmentes monitorozásra.

36
00:01:56,884 --> 00:02:01,482
Tehát ez a technológia nagyon erőteljes,
mert lehetővé teszi,

37
00:02:01,482 --> 00:02:04,599
hogy ezeket az általában érintéssel 
megtapasztalt jelenségeket

38
00:02:04,599 --> 00:02:07,556
vizuálisan, nem-invazív módon 
ragadjuk meg.

39
00:02:09,104 --> 00:02:13,515
Szóval, pár éve elkezdtem dolgozni 
a szoftver készítőivel,

40
00:02:13,515 --> 00:02:16,882
és egy őrült ötlet 
megvalósítására adtuk a fejünket.

41
00:02:16,882 --> 00:02:19,575
Arra gondoltunk, menő,
hogy a szoftver használatával

42
00:02:19,575 --> 00:02:22,710
vizualizálhatunk ilyen apró mozgásokat,

43
00:02:22,710 --> 00:02:27,168
és szinte felfoghatjuk ezt
a tapintás érzékünk kiterjesztéseként.

44
00:02:27,168 --> 00:02:31,227
De mi lenne, ha meg tudnánk tenni
ugyanezt a hallásunkkal is?

45
00:02:32,508 --> 00:02:37,173
Mi lenne, ha a videó segítségével
megragadhatnánk a hang rezgéseit,

46
00:02:37,173 --> 00:02:40,000
ami csupán egy másik fajta mozgás,

47
00:02:40,000 --> 00:02:43,346
és így mindent, amit látunk
mikrofonná változtathatnánk?

48
00:02:44,236 --> 00:02:46,207
Nos, ez egy kicsit furcsa ötlet,

49
00:02:46,207 --> 00:02:48,793
hadd próbáljam meg hát
perspektívába helyezni.

50
00:02:49,523 --> 00:02:53,011
A hagyományos mikrofonok 
azon az elven működnek,

51
00:02:53,011 --> 00:02:56,610
hogy egy belső membrán mozgását
elektromos jellé konvertálják,

52
00:02:56,610 --> 00:03:00,928
és ez a membrán úgy van tervezve,
hogy a hangra könnyen rezdüljön,

53
00:03:00,928 --> 00:03:05,735
így a mozgása felvehető
és hangként lefordítható lesz.

54
00:03:05,735 --> 00:03:09,403
De a hang minden tárgyat
rezgésbe hoz.

55
00:03:09,403 --> 00:03:14,883
Ezek a rezgések általában túl finomak
és túl gyorsak, hogy láthassuk őket.

56
00:03:14,883 --> 00:03:18,621
Szóval, mi lenne, ha felvennénk őket
egy nagysebességű kamerával

57
00:03:18,621 --> 00:03:22,197
és aztán a szoftvert használnánk,
hogy kivonjuk az apró mozgásokat

58
00:03:22,197 --> 00:03:24,287
a nagysebességű videónkból,

59
00:03:24,287 --> 00:03:28,561
és elemezzük azokat a mozgásokat, 
hogy kiderüljön, milyen hang okozta őket?

60
00:03:29,859 --> 00:03:35,308
Így a látható tárgyakat távoli
vizuális mikrofonokká változtathatnánk.

61
00:03:37,080 --> 00:03:39,183
Szóval kipróbáltuk ezt a dolgot,

62
00:03:39,183 --> 00:03:40,970
és íme az egyik kísérletünk,

63
00:03:40,970 --> 00:03:44,139
ahol fogtuk ezt a cserepes növényt,
amit a jobb oldalon látnak

64
00:03:44,139 --> 00:03:46,577
és egy nagysebességű kamerával filmeztük,

65
00:03:46,577 --> 00:03:50,106
miközben egy közeli hangszóró
ezt a hangot játszotta.

66
00:03:50,275 --> 00:03:58,465
[A szobában hangszórón játszott hang]
(Zene: "Mary Had a Little Lamb")

67
00:03:59,820 --> 00:04:02,644
És íme a videó, amit felvettünk,

68
00:04:02,644 --> 00:04:06,568
és ugyan másodpercenként 
több ezer képkockát rögzítettünk,

69
00:04:06,568 --> 00:04:08,810
még ha nagyon közelről vizsgálják,

70
00:04:08,810 --> 00:04:10,771
akkor is csupán néhány levél látható,

71
00:04:10,771 --> 00:04:13,906
amik lényegében csak úgy vannak,
és nem csinálnak semmit,

72
00:04:13,906 --> 00:04:18,712
mert a hang ezeket a leveleket
alig pár mikrométernyit mozdította meg.

73
00:04:19,103 --> 00:04:23,379
Ez egy centiméter egy-tízezrede,

74
00:04:23,379 --> 00:04:27,535
ami nagyjából akkora kiterjedésű, 
mint egy pixel százada vagy ezrede

75
00:04:27,535 --> 00:04:29,834
ezen a képen.

76
00:04:29,881 --> 00:04:32,768
Szóval hunyoroghatnak, amennyit akarnak,

77
00:04:32,768 --> 00:04:36,103
de egy ilyen kis mértékű mozgás
lényegében érzékszervileg láthatatlan.

78
00:04:37,667 --> 00:04:41,824
De kiderült, hogy valami lehet 
érzékszervileg láthatatlan

79
00:04:41,824 --> 00:04:44,633
és mégis jelentős számtanilag,

80
00:04:44,633 --> 00:04:46,635
mert a megfelelő algoritmusokat használva

81
00:04:46,635 --> 00:04:50,322
foghatjuk és ebből a néma,
mozdulatlannak tűnő videóból

82
00:04:50,322 --> 00:04:51,849
visszanyerhetjük ezt a hangot.

83
00:04:52,690 --> 00:05:00,074
(Zene: "Mary Had a Little Lamb")

84
00:05:00,074 --> 00:05:05,902
(Taps)

85
00:05:10,058 --> 00:05:11,997
Szóval hogyan is lehetséges ez?

86
00:05:11,997 --> 00:05:16,341
Hogyan szerezhetünk ilyen sok információt,
ilyen kicsi mozgásból?

87
00:05:16,341 --> 00:05:21,702
Nos, mondjuk, hogy azok a levelek
csupán egyetlen mikrométernyit mozdulnak,

88
00:05:21,702 --> 00:05:26,010
és mondjuk, hogy ez a képünket
csak egy pixel ezredével mozdítja el.

89
00:05:27,269 --> 00:05:29,841
Ez talán nem tűnik soknak,

90
00:05:29,841 --> 00:05:31,837
de egyetlen képkocka

91
00:05:31,837 --> 00:05:35,094
több százezer pixelt foglalhat magába

92
00:05:35,094 --> 00:05:38,548
és ha össze tudjuk rakni 
az összes ilyen kis mozgást, amit látunk

93
00:05:38,548 --> 00:05:40,846
az egész kép területéről,

94
00:05:40,846 --> 00:05:43,469
akkor hirtelen egy pixel ezrede

95
00:05:43,469 --> 00:05:46,244
elkezdhet összeadódni
valami egészen jelentőssé.

96
00:05:46,870 --> 00:05:50,505
Hadd áruljam el, hogy eléggé bezsongtunk,
amikor rájöttünk minderre.

97
00:05:50,505 --> 00:05:52,825
(Nevetés)

98
00:05:52,825 --> 00:05:56,078
De még a megfelelő algoritmussal is

99
00:05:56,078 --> 00:05:59,695
hiányzott egy elég fontos darabja 
a kirakósnak.

100
00:05:59,695 --> 00:06:03,299
Ugyanis rengeteg tényező befolyásolja,
mikor és mennyire jól fog

101
00:06:03,299 --> 00:06:05,296
ez a technika működni.

102
00:06:05,296 --> 00:06:08,500
Ott van a tárgy és hogy milyen messze van;

103
00:06:08,500 --> 00:06:10,894
ott a kamera és a lencsék,
amiket használunk;

104
00:06:10,894 --> 00:06:14,985
mennyi fény éri a tárgyat
és milyen hangos a hang.

105
00:06:15,945 --> 00:06:19,320
És még a megfelelő algoritmussal is

106
00:06:19,320 --> 00:06:22,710
nagyon óvatosnak kellett lennünk
a korai kísérleteinkben,

107
00:06:22,710 --> 00:06:25,102
mert ha ezen tényezők
akármelyikét elhibáztuk,

108
00:06:25,102 --> 00:06:27,470
esélytelen volt megmondani,
hogy mi is a probléma.

109
00:06:27,470 --> 00:06:30,117
Csak zajt nyertünk vissza.

110
00:06:30,117 --> 00:06:33,437
Ezért aztán rengeteg korai kísérletünk
festett valahogy így.

111
00:06:33,437 --> 00:06:35,643
Íme, itt vagyok én,

112
00:06:35,643 --> 00:06:39,683
és valamelyest látni a bal alsó sarokban
a nagysebességű kameránkat,

113
00:06:39,683 --> 00:06:41,866
ami egy zacskó chipsre szegeződik,

114
00:06:41,866 --> 00:06:44,815
és mindez ezekkel a ragyogó lámpákkal
van bevilágítva.

115
00:06:44,815 --> 00:06:49,180
Mint mondtam, az ilyen korai kísérleteknél
nagyon óvatosnak kellett lennünk,

116
00:06:49,180 --> 00:06:51,688
ezért így festett a dolog.

117
00:06:51,688 --> 00:06:55,449
(Videó) Abe Davis: Három, kettő, egy, és!

118
00:06:55,449 --> 00:07:00,836
Mary had a little lamb!
Little lamb! Little lamb!

119
00:07:00,836 --> 00:07:05,336
(Nevetés)

120
00:07:05,336 --> 00:07:08,150
AD: Szóval ez a kísérlet
teljes mértékben röhejesen fest.

121
00:07:08,150 --> 00:07:09,938
(Nevetés)

122
00:07:09,938 --> 00:07:12,283
Úgy értem, egy zacskó chipsnek kiabálok...

123
00:07:12,283 --> 00:07:13,834
(Nevetés)

124
00:07:13,834 --> 00:07:15,951
...amire annyi fényt nyomtunk,

125
00:07:15,951 --> 00:07:20,430
hogy az első zacskót, amin kipróbáltuk,
szó szerint megolvasztottuk. (Nevetés)

126
00:07:20,525 --> 00:07:23,799
De bármilyen röhejesnek
tűnik is ez a kísérlet,

127
00:07:23,799 --> 00:07:25,587
valójában nagyon fontos volt,

128
00:07:25,587 --> 00:07:28,513
mert sikerült visszanyernünk
ezt a hangot.

129
00:07:28,513 --> 00:07:33,225
(Hang) Mary had a little lamb!
Little lamb! Little lamb!

130
00:07:33,225 --> 00:07:37,313
(Taps)

131
00:07:37,313 --> 00:07:39,194
AD: És ennek nagy jelentősége volt,

132
00:07:39,194 --> 00:07:43,313
mert ez volt az első, hogy 
kivehető emberi hangot nyertünk vissza

133
00:07:43,424 --> 00:07:45,765
egy tárgyról készült néma videóból.

134
00:07:45,765 --> 00:07:48,156
Ez adott nekünk egy viszonyítási pontot,

135
00:07:48,156 --> 00:07:52,027
és fokozatosan elkezdhettük
módosítani a kísérletet

136
00:07:52,106 --> 00:07:55,911
különböző tárgyakat használtunk,
vagy messzebbre helyeztük őket,

137
00:07:55,911 --> 00:07:58,681
kevesebbet fényt vagy 
halkabb hangot használtunk.

138
00:07:59,887 --> 00:08:02,761
És elemeztük az összes ilyen kísérletet,

139
00:08:02,761 --> 00:08:06,203
amíg valóban megértettük
a technikánk korlátait;

140
00:08:06,203 --> 00:08:08,333
mert amint megismertük 
ezeket a korlátokat,

141
00:08:08,333 --> 00:08:10,679
kitalálhattuk, hogyan lehetne
feszegetni őket.

142
00:08:10,679 --> 00:08:13,860
És ez vezetett az olyan kísérletekhez,
mint ez is,

143
00:08:13,860 --> 00:08:16,599
ahol ismét beszélni fogok
egy zacskó chipshez,

144
00:08:16,599 --> 00:08:21,429
de ezúttal a kamerát úgy 
öt méterrel távolabb helyeztük el,

145
00:08:21,429 --> 00:08:24,262
kívül, egy hangszigetelt üvegen túl,

146
00:08:24,262 --> 00:08:27,065
és az egész csak természetes napfénnyel
volt megvilágítva.

147
00:08:28,529 --> 00:08:30,684
Íme a videó, amit felvettünk.

148
00:08:32,450 --> 00:08:37,009
És így hangzott a dolog belül,
a zacskó chips mellett.

149
00:08:37,009 --> 00:08:42,047
(Hang) Mary had a little lamb
whose fleece was white as snow,

150
00:08:42,047 --> 00:08:47,666
and everywhere that Mary went,
that lamb was sure to go.

151
00:08:47,666 --> 00:08:51,683
AD: És ezt sikerült visszanyernünk
a néma videóból,

152
00:08:51,683 --> 00:08:54,028
amit kintről, 
az üvegen túlról vettünk fel.

153
00:08:54,028 --> 00:08:58,463
(Hang) Mary had a little lamb
whose fleece was white as snow,

154
00:08:58,463 --> 00:09:03,920
and everywhere that Mary went,
that lamb was sure to go.

155
00:09:03,920 --> 00:09:10,421
(Taps)

156
00:09:10,421 --> 00:09:13,963
AD: Vannak más módjai is annak,
hogy ezeket a határokat feszegessük.

157
00:09:13,963 --> 00:09:15,761
Itt van ez a csendesebb kísérlet,

158
00:09:15,761 --> 00:09:19,871
ahol egy laptophoz csatlakoztatott
füldugót filmeztünk le,

159
00:09:19,871 --> 00:09:23,981
és ebben az esetben, a laptopon játszott
zenét akartuk visszanyerni

160
00:09:23,981 --> 00:09:26,280
csupán egy néma videóból

161
00:09:26,280 --> 00:09:28,787
erről a két kis műanyag fülhallgatóról,

162
00:09:28,787 --> 00:09:30,820
és ez annyira jól sikerült,

163
00:09:30,820 --> 00:09:33,431
hogy az eredményre még
a Shazamon is rá tudtam keresni.

164
00:09:33,431 --> 00:09:35,842
(Nevetés)

165
00:09:37,191 --> 00:09:47,225
[Videóból visszanyert hang]
(Zene: "Under Pressure" a Queentől)

166
00:09:49,615 --> 00:09:54,584
(Taps)

167
00:09:54,584 --> 00:09:59,135
Próbálkozhatunk azzal is, hogy 
más eszközöket használunk a felvételhez.

168
00:09:59,135 --> 00:10:01,596
Mert azok a kísérletek,
amiket eddig mutattam,

169
00:10:01,596 --> 00:10:03,918
mind nagy sebességű kamerával készültek

170
00:10:03,918 --> 00:10:06,797
ami nagyjából százszor 
gyorsabban tud felvenni,

171
00:10:06,797 --> 00:10:08,724
mint a legtöbb mobiltelefon,

172
00:10:08,724 --> 00:10:11,533
de arra is találtunk módot,
hogy ezt a technikát

173
00:10:11,533 --> 00:10:13,763
közönségesebb kamerákkal használjuk.

174
00:10:13,763 --> 00:10:17,832
Tettük ezt úgy, hogy kihasználtuk
az úgy nevezett gördülő zárat.

175
00:10:17,832 --> 00:10:22,630
Ugyanis a legtöbb kamera 
soronként rögzíti a képeket,

176
00:10:22,630 --> 00:10:28,332
így, ha egy tárgy elmozdul
egyetlen kép rögzítése közben,

177
00:10:28,344 --> 00:10:31,061
van egy kis időeltolódás 
minden sor között,

178
00:10:31,061 --> 00:10:34,218
ez apró kis torzulásokat okoz,

179
00:10:34,218 --> 00:10:37,701
amik a videó minden képkockáján
kódolásra kerülnek.

180
00:10:37,701 --> 00:10:41,507
Arra jöttünk rá, hogy ezeket 
a torzulásokat elemezve

181
00:10:41,507 --> 00:10:46,122
képesek vagyunk visszanyerni a hangot,
az algoritmusunk módosított verziójával.

182
00:10:46,122 --> 00:10:48,034
Tehát, itt az egyik kísérletünk,

183
00:10:48,034 --> 00:10:49,729
ahol egy zacskó cukrot filmeztünk,

184
00:10:49,729 --> 00:10:51,470
miközben egy közeli hangszóró

185
00:10:51,470 --> 00:10:54,442
ugyanazt a "Mary Had a Little Lamb" 
zenét játszotta korábbról,

186
00:10:54,442 --> 00:10:58,645
de ezúttal, csak egy általános,
boltban kapható kamerát használtunk,

187
00:10:58,645 --> 00:11:01,819
és máris lejátszom önöknek
a hangot, amit visszanyertünk,

188
00:11:01,819 --> 00:11:03,869
ezúttal egy kicsit
torzítottan fog hangzani,

189
00:11:03,869 --> 00:11:06,705
de hallgassák, hogy még
fel tudják-e ismerni a zenét.

190
00:11:07,723 --> 00:11:25,516
(Hang: "Mary Had a Little Lamb")
[A zacskó cukorkából visszanyert hang]

191
00:11:25,527 --> 00:11:28,992
És igen, ez a hang ugyan torzított,

192
00:11:28,992 --> 00:11:33,378
de ami igazán lenyűgöző,
hogy képesek voltunk ezt elérni,

193
00:11:33,378 --> 00:11:36,004
egy olyan eszközzel, 
amit könnyen beszerezhetnek,

194
00:11:36,004 --> 00:11:37,448
ha átugranak a Best Buy-ba.

195
00:11:39,122 --> 00:11:40,485
Szóval ezen a ponton,

196
00:11:40,485 --> 00:11:42,459
rengeteg ember, aki látja ezt a munkát

197
00:11:42,459 --> 00:11:45,692
rögtön a megfigyelésre gondol.

198
00:11:45,692 --> 00:11:48,287
Hogy őszinte legyek,

199
00:11:48,287 --> 00:11:52,420
nem nehéz elképzelni, hogy lehetne 
ezt a technológiát kémkedésre használni.

200
00:11:52,420 --> 00:11:56,367
De tartsuk észben, hogy rengeteg
kiforrott technológia létezik már

201
00:11:56,367 --> 00:11:57,946
a megfigyelésre.

202
00:11:57,946 --> 00:12:00,036
Valójában az emberek évtizedek óta

203
00:12:00,036 --> 00:12:02,835
lézerek használatával hallgatnak le 
tárgyakat a távolban.

204
00:12:03,978 --> 00:12:06,003
De ami igazán új itt,

205
00:12:06,003 --> 00:12:07,443
ami igazán különböző,

206
00:12:07,443 --> 00:12:11,738
hogy most már van egy módszerünk,
hogy elképzeljük egy tárgy rezgéseit,

207
00:12:11,738 --> 00:12:15,151
ami egy új szempontot kínál,
ahonnan a világot szemlélhetjük,

208
00:12:15,151 --> 00:12:16,661
és ez nem csak arra jó,

209
00:12:16,661 --> 00:12:21,560
hogy megismerjük a hanghoz hasonló erőket,
ami egy tárgy rezgését okozza,

210
00:12:21,560 --> 00:12:23,848
de magát a tárgyat is jobban megismerjük.

211
00:12:24,975 --> 00:12:26,668
Ezért tennék most egy lépést hátra

212
00:12:26,668 --> 00:12:30,917
és szeretnék elgondolkozni, 
hogy változtat ez a videózás használatán,

213
00:12:30,917 --> 00:12:34,470
mert a videót általában arra használjuk,
hogy nézzük a dolgokat,

214
00:12:34,470 --> 00:12:36,792
ám épp most mutattam meg, 
hogy használható arra,

215
00:12:36,792 --> 00:12:38,649
hogy hallgassuk a dolgokat.

216
00:12:38,649 --> 00:12:42,480
De van még egy fontos módszer,
ami által a világról tanulunk:

217
00:12:42,480 --> 00:12:44,895
ha interakcióba lépünk vele.

218
00:12:44,895 --> 00:12:48,006
Húzzuk és vonjuk a dolgokat, 
böködjük és szurkáljuk.

219
00:12:48,006 --> 00:12:51,187
Megrázzuk őket és figyeljük, 
hogy mi történik.

220
00:12:51,187 --> 00:12:55,460
És ez olyasmi, amit a videó
még nem enged nekünk megtenni,

221
00:12:55,460 --> 00:12:57,596
legalábbis hagyományosan nem.

222
00:12:57,596 --> 00:12:59,546
Ezért mutatnék egy új munkát önöknek,

223
00:12:59,546 --> 00:13:02,213
ami egy pár hónappal ezelőtti
ötletemen alapul,

224
00:13:02,213 --> 00:13:05,514
szóval igazából ez az első alkalom,
hogy megmutatom a nagyközönségnek.

225
00:13:05,514 --> 00:13:10,877
Az alapvető ötlet, hogy felhasználjuk
a videón rögzített rezgéseket arra,

226
00:13:10,877 --> 00:13:15,358
hogy a tárgyakat oly módon örökítsük meg,
ami lehetővé teszi velük az interkaciót

227
00:13:15,358 --> 00:13:17,332
és megmutatja, hogyan reagálnak ránk.

228
00:13:19,120 --> 00:13:20,884
Szóval itt van egy tárgy,

229
00:13:20,884 --> 00:13:24,716
ez éppen egy ember alakú drótfigura,

230
00:13:24,716 --> 00:13:27,804
és fel fogjuk venni ezt a tárgyat
egy átlagos kamerával.

231
00:13:27,804 --> 00:13:29,928
Tehát a kamerában 
nincsen semmi különleges.

232
00:13:29,928 --> 00:13:32,889
Sőt, én már csináltam ilyet
a mobilommal is korábban.

233
00:13:32,889 --> 00:13:35,141
De szeretnénk látni,
ahogy a tárgy rezeg,

234
00:13:35,141 --> 00:13:36,274
és hogy ezt elérjük,

235
00:13:36,274 --> 00:13:39,620
egy kicsit megütögetjük a felületet, 
amin helyet foglal,

236
00:13:39,620 --> 00:13:41,758
miközben felvesszük ezt a videót.

237
00:13:47,398 --> 00:13:51,069
Szóval ennyi: csak öt másodperc
átlagos videó,

238
00:13:51,069 --> 00:13:53,205
miközben ütögetjük a felületet,

239
00:13:53,205 --> 00:13:56,718
a videóban lévő rezgéseket
arra fogjuk használni,

240
00:13:56,718 --> 00:14:01,262
hogy többet tudjunk meg a tárgyunk
szerkezeti és anyagi tulajdonságairól,

241
00:14:01,262 --> 00:14:06,096
ennek az információnak a segítségével majd
valami újat és interaktívat hozunk létre.

242
00:14:12,866 --> 00:14:15,519
Íme, amit létrehoztunk.

243
00:14:15,519 --> 00:14:17,748
Úgy néz ki, mint egy közönséges kép,

244
00:14:17,748 --> 00:14:20,859
de ez nem egy kép,
és nem is egy videó,

245
00:14:20,859 --> 00:14:23,227
mert most foghatom az egeremet

246
00:14:23,227 --> 00:14:26,086
és elkezdhetek kapcsolatot teremteni
a tárggyal.

247
00:14:32,936 --> 00:14:35,293
És amit most itt látnak,

248
00:14:35,389 --> 00:14:37,615
az egy szimulációja annak,

249
00:14:37,615 --> 00:14:42,073
ahogy a tárgy reagálna új erőkre,
amiket még sosem láttunk,

250
00:14:42,073 --> 00:14:45,706
és ezt csak egy öt másodperces 
egyszerű videóból készítettük.

251
00:14:47,249 --> 00:14:57,404
(Taps)

252
00:14:57,421 --> 00:15:00,648
Ez egy nagyon hatásos módja annak,
ahogy a világot szemléljük,

253
00:15:00,648 --> 00:15:03,620
mert általa megjósolhatjuk,
hogyan fognak a tárgyak reagálni

254
00:15:03,620 --> 00:15:05,443
egy új helyzetre,

255
00:15:05,443 --> 00:15:08,916
és elképzelhetjük például, 
ahogy nézünk egy régi hídra,

256
00:15:08,916 --> 00:15:12,443
és azon gondolkozunk, mi történne,
hogyan tartana ki a híd,

257
00:15:12,443 --> 00:15:15,276
ha áthajtanánk rajta az autónkkal.

258
00:15:15,276 --> 00:15:18,050
Ez egy olyan kérdés,
amire jó lenne tudni a választ,

259
00:15:18,050 --> 00:15:20,610
mielőtt elkezdünk áthajtani
azon a hídon.

260
00:15:21,988 --> 00:15:25,260
És természetesen lesznek korlátai
ennek a technikának,

261
00:15:25,260 --> 00:15:27,722
mint ahogy voltak
a vizuális mikrofonnak is,

262
00:15:27,722 --> 00:15:30,903
de azt vettük észre, 
hogy sok helyzetben működik,

263
00:15:30,903 --> 00:15:32,778
amiben talán nem is várnák,

264
00:15:32,778 --> 00:15:35,546
különösen, 
ha hosszabb videókkal dolgozunk.

265
00:15:35,546 --> 00:15:38,054
Szóval például itt egy videó,
amit felvettem,

266
00:15:38,054 --> 00:15:40,353
egy bokorról a lakásom előtt.

267
00:15:40,353 --> 00:15:43,441
Nem csináltam semmit a bokorral,

268
00:15:43,441 --> 00:15:46,146
de míg felvettem egy egyperces videót,

269
00:15:46,146 --> 00:15:49,524
egy kis szellő elég rezgést okozott,

270
00:15:49,524 --> 00:15:53,111
hogy eleget megtudjunk a bokorról,
és így létrehozhassuk ezt a szimulációt.

271
00:15:55,270 --> 00:16:01,412
(Taps)

272
00:16:01,412 --> 00:16:04,384
El tudják képzelni, 
ahogy egy fimrendező kezébe adjuk ezt,

273
00:16:04,384 --> 00:16:06,103
hogy így kontrollálhassa, mondjuk

274
00:16:06,103 --> 00:16:11,025
a szél erejét és irányát 
egy jelenetben, miután felvették azt.

275
00:16:12,810 --> 00:16:17,345
Vagy, ebben az esetben, a kameránkat
egy felakasztott függönyre szegeztük.

276
00:16:17,345 --> 00:16:21,474
Nem látnak semmi mozgást 
ezen a videón,

277
00:16:21,474 --> 00:16:24,399
de egy kétperces videó felvételével,

278
00:16:24,399 --> 00:16:26,837
a szobában lévő 
természetes légmozgások

279
00:16:26,837 --> 00:16:31,249
elegendő finom, alig érzékelhető 
mozgást és rezgést okoztak,

280
00:16:31,249 --> 00:16:33,814
hogy eleget tudjunk
a szimuláció elkészítéséhez.

281
00:16:36,243 --> 00:16:38,609
Ironikus módon,

282
00:16:38,609 --> 00:16:41,697
eléggé hozzá vagyunk szokva
az ilyen fajta interaktivitáshoz,

283
00:16:41,697 --> 00:16:44,344
ha virtuális tárgyakról van szó,

284
00:16:44,344 --> 00:16:47,641
videó játékokról és 3D modellekről,

285
00:16:47,641 --> 00:16:52,045
de a képesség, hogy ezt az információt
a valóság valós tárgyairól is megszerezzük

286
00:16:52,045 --> 00:16:54,862
csupán egyszerű, 
hagyományos videót használva,

287
00:16:54,862 --> 00:16:57,045
ez valami új,
ami nagyon sok lehetőséget rejt.

288
00:16:58,410 --> 00:17:03,314
Szóval íme a lenyűgöző emberek,
akikkel ezeken a projekteken dolgoztam.

289
00:17:04,057 --> 00:17:12,743
(Taps)

290
00:17:12,819 --> 00:17:15,876
És amit ma megmutattam önöknek,
az csak a kezdet.

291
00:17:15,876 --> 00:17:17,989
Épp csak karcolgatjuk a felszínét annak,

292
00:17:17,989 --> 00:17:20,961
amit ezzel a képalkotással
megtehetünk,


293
00:17:20,961 --> 00:17:23,247
mert egy új módszert biztosít arra,

294
00:17:23,342 --> 00:17:28,066
hogy megörökítsük a környezetünket,
mindennapi, hozzáférhető technológiával.

295
00:17:28,066 --> 00:17:29,995
Szóval a jövőbe nézve,

296
00:17:29,995 --> 00:17:32,032
nagyon izgalmas lesz felfedezni,

297
00:17:32,032 --> 00:17:33,888
mit árulhat el ez nekünk a világról.

298
00:17:34,381 --> 00:17:35,585
Köszönöm!

299
00:17:36,025 --> 00:17:40,475
(Taps)