1
00:00:01,373 --> 00:00:04,722
Kebanyakan kita menganggap
gerakan adalah hal yang bisa terlihat.

2
00:00:05,439 --> 00:00:10,527
Jika saya berjalan di atas panggung atau
menggerakkan tangan sambil berbicara,

3
00:00:10,977 --> 00:00:13,238
gerakan ini tentu bisa Anda lihat.

4
00:00:14,255 --> 00:00:19,737
Akan tetapi banyak sekali gerakan yang
terlalu halus untuk dilihat mata manusia,

5
00:00:19,737 --> 00:00:21,778
dan selama beberapa tahun terakhir,

6
00:00:21,778 --> 00:00:23,775
kami menemukan bahwa kamera

7
00:00:23,775 --> 00:00:27,739
seringkali dapat melihat gerakan, bahkan
yang tidak bisa dilihat mata manusia.

8
00:00:28,305 --> 00:00:29,856
Mari saya tunjukkan.

9
00:00:30,717 --> 00:00:34,339
Di kiri, Anda melihat video rekaman
pergelangan tangan seseorang,

10
00:00:34,339 --> 00:00:37,486
dan di kanan, Anda melihat video
seorang bayi yang sedang tidur,

11
00:00:37,486 --> 00:00:40,632
tapi kalau saya tidak menyampaikan
bahwa keduanya adalah video,

12
00:00:40,632 --> 00:00:44,393
Anda mungkin berpikir bahwa
yang Anda lihat hanyalah gambar,

13
00:00:44,393 --> 00:00:46,292
karena gambar pada kedua video ini

14
00:00:46,292 --> 00:00:49,112
terlihat hampir tak bergerak.

15
00:00:50,175 --> 00:00:53,800
Tapi sebenarnya ada banyak gerakan halus
yang sedang terjadi,

16
00:00:53,800 --> 00:00:56,642
dan jika Anda menyentuh pergelangan tangan
yang ada di kiri,

17
00:00:56,642 --> 00:00:58,448
Anda akan merasakan denyut nadi,

18
00:00:58,448 --> 00:01:00,933
dan jika Anda menyentuh bayi
di video sebelah kanan,

19
00:01:00,933 --> 00:01:03,324
Anda akan merasakan
gerakan naik turun dadanya

20
00:01:03,324 --> 00:01:04,714
ketika bayi ini bernafas.

21
00:01:05,762 --> 00:01:09,338
Dan gerakan ini memiliki makna
yang sangat banyak,

22
00:01:09,338 --> 00:01:12,681
tapi biasanya terlalu halus
untuk bisa kita lihat,

23
00:01:12,681 --> 00:01:14,957
sehingga kita bisa mengetahui
perbedaannya

24
00:01:14,957 --> 00:01:17,857
hanya melalui kontak langsung,
melalui sentuhan.

25
00:01:18,997 --> 00:01:20,262
Tapi beberapa tahun lalu,

26
00:01:20,262 --> 00:01:24,667
rekan-rekan saya di MIT mengembangkan 
alat yang mereka sebut mikroskop gerakan,

27
00:01:24,667 --> 00:01:29,051
yaitu sebuah piranti lunak untuk menemukan
gerakan halus seperti ini pada video

28
00:01:29,051 --> 00:01:32,613
dan memperbesarnya
sehingga dapat kita lihat.

29
00:01:33,416 --> 00:01:36,899
Jika piranti lunak ini kita gunakan
pada video yang kiri,

30
00:01:36,899 --> 00:01:40,149
kita akan bisa melihat gerakan nadi
di pergelangan tangan,

31
00:01:40,149 --> 00:01:41,844
dan jika kita menghitungnya,

32
00:01:41,844 --> 00:01:44,199
kita bisa menentukan detak jantungnya.

33
00:01:45,095 --> 00:01:48,160
Dan jika kita gunakan
pada video di sebelah kiri,

34
00:01:48,160 --> 00:01:51,387
kita bisa melihat
tiap tarikan nafas bayi ini,

35
00:01:51,387 --> 00:01:55,524
dan kita bisa menggunakannya untuk
memonitor nafas bayi dari jarak jauh.

36
00:01:56,884 --> 00:02:01,955
Jadi, teknologi ini sangat bermanfaat
karena bisa menangkap kejadian

37
00:02:01,955 --> 00:02:04,599
yang biasanya hanya dapat kita amati
lewat sentuhan

38
00:02:04,599 --> 00:02:07,846
tapi kini bisa kita pantau secara visual
dan tanpa sentuhan.

39
00:02:09,104 --> 00:02:11,569
Beberapa tahun lalu,
saya mulai bekerja sama

40
00:02:11,569 --> 00:02:13,515
dengan pencipta piranti lunak ini,

41
00:02:13,515 --> 00:02:16,882
dan kami memutuskan untuk mencapai
sesuatu yang lebih gila lagi.

42
00:02:16,882 --> 00:02:19,811
Kami pikir, keren juga kalau
kita bisa menggunakan piranti ini

43
00:02:19,811 --> 00:02:22,710
untuk memperlihatkan gerakan halus
seperti ini,

44
00:02:22,710 --> 00:02:27,168
alat ini seakan menjadi 
perpanjangan indra peraba kita.

45
00:02:27,168 --> 00:02:29,744
Tapi bagaimana jika kita bisa melakukan
hal yang sama

46
00:02:29,744 --> 00:02:32,508
untuk memperpanjang
indra pendengaran kita?

47
00:02:32,508 --> 00:02:37,173
Bagaimana jika kita menggunakan video
untuk menangkap getaran suara,

48
00:02:37,173 --> 00:02:40,000
yang mana juga merupakan
satu bentuk gerakan,

49
00:02:40,000 --> 00:02:43,346
dan mengubah apa pun yang bisa kita lihat
menjadi mikrofon?

50
00:02:44,236 --> 00:02:46,207
Ini ide yang agak aneh,

51
00:02:46,207 --> 00:02:48,793
izinkan saya menjelaskannya untuk Anda.

52
00:02:49,523 --> 00:02:53,011
Mikrofon tradisional bekerja dengan
mengubah gerakan

53
00:02:53,011 --> 00:02:56,610
dari diafragma yang ada di dalamnya
menjadi sinyal listrik,

54
00:02:56,610 --> 00:03:00,928
yang mana diafragma itu dirancang untuk
bergerak jika ada suara masuk

55
00:03:00,928 --> 00:03:05,735
sehingga gerakan tersebut dapat direkam
dan diterjemahkan menjadi suara.

56
00:03:05,735 --> 00:03:09,403
Tapi, gelombang suara membuat
semua benda bergetar.

57
00:03:09,403 --> 00:03:14,883
Getaran tersebut biasanya terlalu halus
dan terlalu cepat untuk bisa kita lihat.

58
00:03:14,883 --> 00:03:18,621
Bagaimana jika kita merekamnya dengan
kamera berkecepatan tinggi,

59
00:03:18,621 --> 00:03:22,197
lalu menggunakan piranti lunak ini
untuk memperbesar getaran halus

60
00:03:22,197 --> 00:03:24,287
dari video berkecepatan tinggi itu,

61
00:03:24,287 --> 00:03:28,561
kemudian menganalisanya untuk mencari tahu
suara apa yang menimbulkan getaran itu?

62
00:03:29,859 --> 00:03:35,308
Ini bisa mengubah semua objek yang
bisa dilihat menjadi mikrofon jarak jauh.

63
00:03:37,080 --> 00:03:39,117
Jadi kami mencobanya,

64
00:03:39,117 --> 00:03:41,190
dan ini adalah salah satu percobaan kami,

65
00:03:41,190 --> 00:03:44,139
Kami menggunakan tanaman
yang Anda lihat di sebelah kanan

66
00:03:44,139 --> 00:03:46,577
yang kami rekam dengan
kamera kecepatan tinggi

67
00:03:46,577 --> 00:03:50,106
ketika sebuah speaker didekatnya
memainkan nada ini.

68
00:03:50,275 --> 00:03:52,483
[Video berkecepatan tinggi]

69
00:03:52,483 --> 00:03:58,556
(Musik yang diputar dalam ruangan:
"Mary Had a Little Lamb")

70
00:03:59,820 --> 00:04:02,644
Dan inilah video yang kami rekam

71
00:04:02,644 --> 00:04:06,568
dengan kecepatan ribuan frame per detik,

72
00:04:06,568 --> 00:04:08,890
tapi seberapa pun dekatnya Anda
melihatnya,

73
00:04:08,890 --> 00:04:10,841
yang Anda lihat hanyalah dedaunan

74
00:04:10,841 --> 00:04:13,906
yang cuma diam saja,

75
00:04:13,906 --> 00:04:18,712
karena suara tadi hanya menggerakkan daun
sekitar satu mikrometer.

76
00:04:19,103 --> 00:04:23,379
Itu artinya satu per sepuluh ribu dari
satu sentimeter,

77
00:04:23,379 --> 00:04:27,535
atau hanya berkisar antara seperseratus
sampai seperseribu

78
00:04:27,535 --> 00:04:29,834
dari satu pixel dalam gambar ini.

79
00:04:29,881 --> 00:04:32,768
Anda boleh memicingkan mata semau anda,

80
00:04:32,768 --> 00:04:36,103
tapi gerakan sekecil itu memang
relatif tidak terlihat.

81
00:04:37,667 --> 00:04:41,824
Ternyata sesuatu yang
relatif tidak terlihat

82
00:04:41,824 --> 00:04:44,633
tetap signifikan secara matematis,

83
00:04:44,633 --> 00:04:46,635
karena dengan algoritma yang tepat,

84
00:04:46,635 --> 00:04:50,322
kita bisa menggunakan video
yang kelihatannya diam ini

85
00:04:50,322 --> 00:04:51,849
untuk mendapatkan suaranya lagi.

86
00:04:52,690 --> 00:05:00,074
(Musik yang didapat dari video:
"Mary Had a Little Lamb")

87
00:05:00,074 --> 00:05:05,902
(Tepuk tangan)

88
00:05:10,058 --> 00:05:11,997
Bagaimana mungkin?

89
00:05:11,997 --> 00:05:16,341
Bagaimana kita bisa mendapat begitu banyak
informasi dari gerakan yang begitu halus?

90
00:05:16,341 --> 00:05:21,702
Katakanlah bahwa daun itu bergerak
sejauh satu mikrometer,

91
00:05:21,702 --> 00:05:26,010
yang berarti gambar kita bergeser
seperseribu pixel.

92
00:05:27,269 --> 00:05:29,841
Kelihatannya memang tidak besar,

93
00:05:29,841 --> 00:05:31,837
tapi satu gambar dalam video

94
00:05:31,837 --> 00:05:35,094
bisa memiliki ratusan ribu pixel
di dalamnya,

95
00:05:35,094 --> 00:05:38,548
dan jika kita menggabungkan seluruh 
gerakan kecil yang kita lihat

96
00:05:38,548 --> 00:05:40,846
dari seluruh gambar,

97
00:05:40,846 --> 00:05:43,469
maka seperseribu dari satu pixel

98
00:05:43,469 --> 00:05:46,244
bisa jadi cukup penting
ketika semuanya dikumpulkan.

99
00:05:46,870 --> 00:05:50,505
Bagi saya pribadi, kami cukup tercengang
ketika kami berhasil melakukannya.

100
00:05:50,505 --> 00:05:52,825
(Tertawa)

101
00:05:52,825 --> 00:05:56,078
Tapi bahkan dengan
algoritma yang tepat pun,


102
00:05:56,078 --> 00:05:59,695
ada bagian penting dari teka-teki ini
yang masih hilang.

103
00:05:59,695 --> 00:06:03,299
Begini, ada banyak sekali faktor yang
mempengaruhi kapan dan bagaimana

104
00:06:03,299 --> 00:06:05,296
teknik ini bisa berhasil.

105
00:06:05,296 --> 00:06:08,500
Seperti objek itu sendiri serta jaraknya;

106
00:06:08,500 --> 00:06:10,894
jenis kamera dan lensa yang digunakan;

107
00:06:10,894 --> 00:06:14,985
tingkat pencahayaan dan
besar volume suaranya.

108
00:06:15,945 --> 00:06:19,320
Dan bahkan dengan algoritma
yang tepat pun,

109
00:06:19,320 --> 00:06:22,710
kami masih harus sangat berhati-hati
di awal percobaan kami,

110
00:06:22,710 --> 00:06:25,102
karena jika ada satu faktor saja
yang salah,

111
00:06:25,102 --> 00:06:27,470
akan sulit menentukan
letak permasalahannya.

112
00:06:27,470 --> 00:06:30,117
Kami hanya akan mendapatkan suara bising.

113
00:06:30,117 --> 00:06:33,437
Jadi banyak percobaan awal kami berjalan
seperti ini.

114
00:06:33,437 --> 00:06:35,643
Ini saya,

115
00:06:35,643 --> 00:06:39,683
dan di kiri bawah, bisa Anda lihat
kamera kecepatan tinggi kami,

116
00:06:39,683 --> 00:06:41,866
yang mengarah ke sekantung keripik,

117
00:06:41,866 --> 00:06:44,815
dan semuanya diterangi oleh
lampu-lampu terang ini.

118
00:06:44,815 --> 00:06:49,180
Dan seperti yang saya sampaikan, kami
harus berhati-hati sekali dalam percobaan,

119
00:06:49,180 --> 00:06:51,688
jadi inilah yang terjadi.

120
00:06:51,688 --> 00:06:55,449
(Video) Abe Davis: Tiga, dua, satu, mulai.

121
00:06:55,449 --> 00:07:00,836
Mary punya kambing kecil!
Kambing kecil! Kambing kecil!

122
00:07:00,836 --> 00:07:04,636
(Tertawa)

123
00:07:05,336 --> 00:07:08,150
AD: Jadi percobaan ini betul betul
terlihat konyol.

124
00:07:08,150 --> 00:07:09,938
(Tertawa)

125
00:07:09,938 --> 00:07:12,283
Saya berteriak pada sekantung keripik --

126
00:07:12,283 --> 00:07:13,834
(Tertawa)

127
00:07:13,834 --> 00:07:15,951
dan cahaya yang kami gunakan begitu kuat,

128
00:07:15,951 --> 00:07:20,430
hingga kantung keripik pertama kami
meleleh. (Tertawa)

129
00:07:20,525 --> 00:07:23,799
Tapi walaupun percobaan ini
terlihat konyol,

130
00:07:23,799 --> 00:07:25,587
tapi sebenarnya sangat penting,

131
00:07:25,587 --> 00:07:28,513
karena kami berhasil mendapatkan
kembali suaranya.

132
00:07:28,513 --> 00:07:33,225
(Audio) Mary punya kambing kecil!
Kambing kecil! Kambing kecil!

133
00:07:33,225 --> 00:07:37,313
(Tepuk tangan)

134
00:07:37,313 --> 00:07:38,984
AD: Dan ini sangat penting,

135
00:07:38,984 --> 00:07:41,569
karena inilah pertama kali
kami berhasil mendapatkan

136
00:07:41,569 --> 00:07:43,424
suara manusia yang dapat dipahami

137
00:07:43,424 --> 00:07:45,765
dari sebuah video diam.

138
00:07:45,765 --> 00:07:48,156
Percobaan ini memberi kami
titik referensi,

139
00:07:48,156 --> 00:07:52,027
dan secara bertahap kami dapat
mengembangkan percobaan berikutnya,

140
00:07:52,106 --> 00:07:55,911
dengan menggunakan objek berbeda
atau dengan menambah jarak kamera,

141
00:07:55,911 --> 00:07:58,681
dengan cahaya yang lebih redup atau
suara yang lebih halus.

142
00:07:59,887 --> 00:08:02,761
Dan kami menganalisa semua percobaan
yang kami lakukan

143
00:08:02,761 --> 00:08:06,383
sampai kami mendapatkan batasan
yang dapat dicapai teknik ini,

144
00:08:06,383 --> 00:08:08,183
karena jika kita tahu batasannya,

145
00:08:08,183 --> 00:08:11,147
kita bisa tahu bagaimana mendorong
batasan itu lebih jauh lagi.

146
00:08:11,147 --> 00:08:13,860
Sehingga sampai pada percobaan
seperti ini,

147
00:08:13,860 --> 00:08:16,826
dimana sekali lagi,
saya berteriak pada sekantung keripik,

148
00:08:16,826 --> 00:08:21,429
tapi kali ini kami memposisikan kamera
4,5 meter dari keripik,

149
00:08:21,429 --> 00:08:24,262
di luar ruangan,
di balik jendela kedap suara

150
00:08:24,262 --> 00:08:27,292
dan kami hanya menggunakan cahaya alami
dari sinar matahari.

151
00:08:28,529 --> 00:08:30,684
Dan inilah video yang kami dapatkan.

152
00:08:32,450 --> 00:08:37,009
Dan inilah yang terdengar di dalam
ruangan, dekat kantung keripik.

153
00:08:37,009 --> 00:08:42,047
(Audio) Mary punya domba kecil,
bulunya seputih salju,

154
00:08:42,047 --> 00:08:47,666
dan kemanapun Mary pergi,
sang domba pasti mengikuti.

155
00:08:47,666 --> 00:08:51,683
AD: Dan inilah yang kami dapatkan
dari video bisu tersebut

156
00:08:51,683 --> 00:08:54,028
yang diambil dari balik jendela.

157
00:08:54,028 --> 00:08:58,463
(Audio) Mary punya domba kecil,
bulunya seputih salju,

158
00:08:58,463 --> 00:09:03,920
dan kemanapun Mary pergi,
sang domba pasti mengikuti.

159
00:09:03,920 --> 00:09:10,421
(Tepuk tangan)

160
00:09:10,421 --> 00:09:13,963
AD: Dan ada cara lain untuk meningkatkan
batasan teknik ini.

161
00:09:13,963 --> 00:09:15,981
Ini percobaan dengan
suara yang lebih halus

162
00:09:15,991 --> 00:09:19,871
dimana kami merekam beberapa earphone
yang terpasang pada laptop,

163
00:09:19,871 --> 00:09:23,981
tujuannya adalah mendapatkan musik
yang sedang diputar di laptop

164
00:09:23,981 --> 00:09:28,298
melalui rekaman video diam
dua earphone plastik ini,

165
00:09:28,787 --> 00:09:31,197
dan kami berhasil melakukannya
dengan sangat baik

166
00:09:31,197 --> 00:09:33,758
bahkan aplikasi Shazam pun bisa
mengenali musiknya.

167
00:09:33,758 --> 00:09:35,842
(Tertawa)

168
00:09:37,191 --> 00:09:47,225
(Musik yang didapat dari video:
"Under Pressure" oleh Queen)

169
00:09:49,615 --> 00:09:53,738
(Tepuk tangan)

170
00:09:54,584 --> 00:09:56,571
Kita juga bisa meningkatkan batasannya

171
00:09:56,571 --> 00:09:59,135
dengan mengganti piranti keras
yang digunakan.

172
00:09:59,135 --> 00:10:01,696
Karena percobaan yang
sudah saya tunjukkan sejauh ini

173
00:10:01,696 --> 00:10:03,918
direkam dengan kamera kecepatan tinggi,

174
00:10:03,918 --> 00:10:06,797
yang bisa merekam video
100 kali lebih cepat

175
00:10:06,797 --> 00:10:08,724
dari kamera ponsel biasa,

176
00:10:08,724 --> 00:10:11,533
tapi kami menemukan cara untuk
menerapkan teknik ini

177
00:10:11,533 --> 00:10:13,763
menggunakan kamera biasa,

178
00:10:13,763 --> 00:10:17,832
dengan memanfaatkan fitur
yang disebut rana putar.

179
00:10:17,832 --> 00:10:22,630
Kebanyakan kamera merekam gambar
per baris,

180
00:10:22,630 --> 00:10:28,332
jadi jika objeknya bergerak
saat gambar diambil,

181
00:10:28,344 --> 00:10:31,061
ada penundaan waktu rekam
antara setiap baris rekaman,

182
00:10:31,061 --> 00:10:34,218
yang akan menimbulkan
sedikit kesalahan gambar

183
00:10:34,218 --> 00:10:37,701
yang akan terekam pada setiap frame video.

184
00:10:37,701 --> 00:10:41,507
Kami menemukan bahwa,
dengan menganalisa kesalahan gambar ini,

185
00:10:41,507 --> 00:10:46,122
kami bisa mendapatkan kembali suaranya,
dengan memodifikasi algoritmanya.

186
00:10:46,122 --> 00:10:48,034
Dan inilah percobaan yang kami lakukan.

187
00:10:48,034 --> 00:10:49,729
Kami merekam sekantung permen

188
00:10:49,729 --> 00:10:51,470
di samping sebuah speaker

189
00:10:51,470 --> 00:10:54,442
yang memainkan musik yang sama,
"Mary had a Little Lamb."

190
00:10:54,442 --> 00:10:58,645
Tapi kali ini, kami memakai kamera biasa
yang bisa dibeli di toko.

191
00:10:58,645 --> 00:11:01,819
Sebentar lagi saya akan memutar
suara yang kami dapatkan,

192
00:11:01,819 --> 00:11:03,869
suaranya agak jelek kali ini,

193
00:11:03,869 --> 00:11:06,705
tapi coba dengar,
apa Anda masih mengenali musiknya.

194
00:11:07,723 --> 00:11:16,536
(Audio yang didapat dari video:
"Mary had a Little Lamb")

195
00:11:20,287 --> 00:11:22,551
[Kiri: Video diam dari kamera SLR biasa]

196
00:11:22,551 --> 00:11:25,178
[Kanan: Suara yang terekam
dari kantung permen]

197
00:11:25,527 --> 00:11:28,992
Jadi, memang suaranya agak jelek,

198
00:11:28,992 --> 00:11:33,378
tapi hebatnya adalah,
kita bisa menerapkan aplikasi ini

199
00:11:33,378 --> 00:11:36,004
dengan alat yang bisa dengan mudah
Anda dapatkan

200
00:11:36,004 --> 00:11:37,448
di toko elektronik.

201
00:11:39,122 --> 00:11:40,485
Jadi sampai disini,

202
00:11:40,485 --> 00:11:42,459
banyak orang melihat percobaan ini

203
00:11:42,459 --> 00:11:45,872
dan langsung berpikir tentang pengintaian.

204
00:11:45,872 --> 00:11:48,287
Dan jujur saja,

205
00:11:48,287 --> 00:11:52,420
tidak sulit membayangkan alat ini
bisa digunakan untuk memata matai.

206
00:11:52,420 --> 00:11:56,367
Tapi ingatlah, sudah banyak
teknologi siap pakai saat ini

207
00:11:56,367 --> 00:11:57,946
untuk pengintaian.

208
00:11:57,946 --> 00:12:00,690
Bahkan, masyarakat sudah lazim
memakai sinar laser

209
00:12:00,690 --> 00:12:03,298
untuk menguping dari jarak jauh.

210
00:12:03,978 --> 00:12:06,003
Tapi hal yang baru disini,

211
00:12:06,003 --> 00:12:07,443
yang benar-benar berbeda,

212
00:12:07,443 --> 00:12:11,738
adalah kita sekarang mampu menggambarkan
getaran dari sebuah objek,

213
00:12:11,738 --> 00:12:14,961
yang memberi kita lensa baru
untuk memandang dunia,

214
00:12:14,961 --> 00:12:17,301
dan kita bisa menggunakannya
untuk mempelajari

215
00:12:17,301 --> 00:12:21,560
tidak saja berbagai gaya seperti suara
yang dapat membuat benda bergetar,

216
00:12:21,560 --> 00:12:23,848
tapi juga tentang objek itu sendiri.

217
00:12:24,975 --> 00:12:26,668
Saya sedikit mundur ke belakang

218
00:12:26,668 --> 00:12:30,917
dan memikirkan bagaimana ini bisa
mengubah cara kita menggunakan video.

219
00:12:30,917 --> 00:12:34,470
Kalau sebelumnya kita menggunakan
video untuk melihat objek,

220
00:12:34,470 --> 00:12:38,310
kini kita bisa menggunakannya
untuk mendengarkan sesuatu.

221
00:12:38,901 --> 00:12:42,620
Tapi satu cara lain untuk belajar
tentang dunia:

222
00:12:42,620 --> 00:12:44,895
yaitu dengan berinteraksi dengannya.

223
00:12:44,895 --> 00:12:48,006
Kita bisa menarik, menekan, mencolek
dan mendorong benda.

224
00:12:48,006 --> 00:12:51,187
Kita menggoyang benda dan
melihat apa yang terjadi.

225
00:12:51,187 --> 00:12:55,460
Tapi kita masih belum bisa melakukannya
melalui video,

226
00:12:55,460 --> 00:12:57,596
setidaknya secara tradisional.

227
00:12:57,596 --> 00:12:59,746
Saya ingin menunjukkan percobaan
baru kami,

228
00:12:59,746 --> 00:13:02,213
yang idenya saya dapat
beberapa bulan yang lalu,

229
00:13:02,213 --> 00:13:05,514
dan ini adalah pertama kalinya
saya menunjukkannya pada umum.

230
00:13:05,514 --> 00:13:10,877
Ide dasarnya adalah untuk menggunakan
getaran dalam satu video

231
00:13:10,877 --> 00:13:15,358
untuk menangkap objek sedemikian rupa
sehingga kita bisa berinteraksi dengannya

232
00:13:15,358 --> 00:13:17,332
dan melihat reaksinya.

233
00:13:19,120 --> 00:13:20,884
Ini adalah sebuah objek,

234
00:13:20,884 --> 00:13:24,716
sebuah patung kawat berbentuk manusia,

235
00:13:24,716 --> 00:13:27,804
yang kami rekam dengan kamera biasa.

236
00:13:27,804 --> 00:13:29,928
Kamera ini tidak istimewa.

237
00:13:29,928 --> 00:13:32,889
Bahkan, saya pernah melakukannya
dengan kamera HP saya.

238
00:13:32,889 --> 00:13:35,141
Tapi kita butuh objek ini bergetar.

239
00:13:35,141 --> 00:13:36,274
Untuk itu,

240
00:13:36,274 --> 00:13:39,620
kita pukul sedikit permukaan meja
dimana ia terletak,

241
00:13:39,620 --> 00:13:41,758
sambil kita merekam videonya.

242
00:13:47,398 --> 00:13:51,069
Itu saja.
Lima detik rekaman video biasa,

243
00:13:51,069 --> 00:13:53,205
sambil kita mengetuk meja,

244
00:13:53,205 --> 00:13:56,718
dan kita akan menggunakan
getaran dari video tersebut

245
00:13:56,718 --> 00:14:01,262
untuk mempelajari
sifat struktural dan material objek ini.

246
00:14:01,262 --> 00:14:03,599
Lalu informasi tersebut akan digunakan

247
00:14:03,599 --> 00:14:06,717
untuk membuat sesuatu
yang baru dan interaktif.

248
00:14:12,866 --> 00:14:15,519
Inilah yang kami buat.

249
00:14:15,519 --> 00:14:17,748
Terlihat seperti gambar biasa,

250
00:14:17,748 --> 00:14:20,859
tapi ini bukan gambar,
juga bukan video,

251
00:14:20,859 --> 00:14:23,227
karena jika saya gerakkan mouse saya,

252
00:14:23,227 --> 00:14:26,086
dan berinteraksi dengan objek ini.

253
00:14:32,936 --> 00:14:35,293
Yang Anda lihat disini

254
00:14:35,389 --> 00:14:37,615
adalah simulasi bagaimana objek ini

255
00:14:37,615 --> 00:14:39,509
akan bereaksi terhadap daya baru,

256
00:14:39,509 --> 00:14:42,073
yang belum pernah kita lihat sebelumnya,

257
00:14:42,073 --> 00:14:45,706
dan kami membuatnya hanya dari
video biasa berdurasi 5 detik.

258
00:14:47,249 --> 00:14:51,964
(Tepuk tangan)

259
00:14:57,421 --> 00:15:00,648
Ini cara hebat untuk melihat dunia,

260
00:15:00,648 --> 00:15:03,620
karena kita bisa memprediksi reaksi objek

261
00:15:03,620 --> 00:15:05,443
dalam situasi baru,

262
00:15:05,443 --> 00:15:08,916
dan bisa Anda bayangkan, contohnya,
jika kita melihat jembatan tua

263
00:15:08,916 --> 00:15:11,197
lalu kita bayangkan apa yang akan terjadi,

264
00:15:11,197 --> 00:15:15,276
mampukah jembatan ini bertahan
jika mobil saya melintas di atasnya.

265
00:15:15,276 --> 00:15:18,050
Dan Anda mungkin akan ingin
mendapat jawabannya

266
00:15:18,050 --> 00:15:20,610
sebelum Anda melintasinya juga.

267
00:15:21,988 --> 00:15:25,260
Tentu saja, teknik ini memiliki batasan,

268
00:15:25,260 --> 00:15:27,722
sama seperti pada mikrofon visual,

269
00:15:27,722 --> 00:15:30,303
tapi kami menemukan bahwa
teknik ini bekerja baik

270
00:15:30,303 --> 00:15:32,778
dalam banyak situasi yang tidak disangka,

271
00:15:32,778 --> 00:15:35,546
apalagi jika videonya berdurasi
lebih panjang.

272
00:15:35,546 --> 00:15:38,054
Ini contohnya, ini adalah video rekaman

273
00:15:38,054 --> 00:15:40,353
semak-semak di luar apartemen saya,

274
00:15:40,353 --> 00:15:43,441
saya tidak melakukan apa-apa
terhadap semak-semak ini,

275
00:15:43,441 --> 00:15:46,146
tapi dengan merekamnya selama satu menit,

276
00:15:46,146 --> 00:15:49,524
hebusan angin sepoi-sepoi
menggetarkan semak-semak

277
00:15:49,524 --> 00:15:53,111
sehingga kami bisa membuat
simulasi berikut.

278
00:15:55,270 --> 00:15:59,757
(Tepuk tangan)

279
00:16:01,412 --> 00:16:04,384
Bisa Anda bayangkan jika kita
memberikannya ke sutradara,

280
00:16:04,384 --> 00:16:06,103
dia bisa mengendalikan

281
00:16:06,103 --> 00:16:11,025
kekuatan dan arah angin dalam suatu adegan
setelah adegannya selesai direkam.

282
00:16:12,810 --> 00:16:17,345
Atau, dalam hal ini, kami arahkan kamera
ke sebuah tirai yang tergantung,

283
00:16:17,345 --> 00:16:21,474
Anda bahkan tidak melihat gerakan apa pun
dalam video ini,

284
00:16:21,474 --> 00:16:24,399
tapi dengan merekamnya selama dua menit,

285
00:16:24,399 --> 00:16:26,837
aliran udara alami dalam ruangan ini

286
00:16:26,837 --> 00:16:31,249
menimbulkan getaran yang
halus dan tak terlihat

287
00:16:31,249 --> 00:16:33,814
yang memungkinkan kami
untuk membuat simulasi ini.

288
00:16:36,243 --> 00:16:38,609
Tapi ironisnya,

289
00:16:38,609 --> 00:16:41,697
kita sudah terbiasa dengan
interaksi semacam ini

290
00:16:41,697 --> 00:16:44,344
dalam dunia virtual,

291
00:16:44,344 --> 00:16:47,641
terutama dalam video game ataupun
model 3D lainnya,

292
00:16:47,641 --> 00:16:52,045
tapi dengan memperoleh informasi ini
dari objek nyata

293
00:16:52,045 --> 00:16:54,862
dengan menggunakan
video biasa dan sederhana,

294
00:16:54,862 --> 00:16:57,290
adalah satu hal baru
yang punya banyak potensi.

295
00:16:58,410 --> 00:17:03,314
Ini adalah para rekan yang bekerja dengan
saya dalam proyek ini.

296
00:17:04,057 --> 00:17:09,653
(Tepuk tangan)

297
00:17:12,819 --> 00:17:15,876
Yang saya tunjukkan hari ini
hanyalah permulaan.

298
00:17:15,876 --> 00:17:17,989
Kami baru mengetahui kulitnya saja

299
00:17:17,989 --> 00:17:20,961
dari apa yang bisa kita lakukan
dengan pencitraan seperti ini,

300
00:17:20,961 --> 00:17:23,247
karena teknik ini memberi kita cara baru

301
00:17:23,342 --> 00:17:28,066
untuk mengamati lingkungan kita dengan
perangkat yang lazim dan terjangkau.

302
00:17:28,066 --> 00:17:30,922
Jadi ke depan, akan sangat menarik
untuk menggali

303
00:17:30,922 --> 00:17:33,713
apa yang bisa diajarkan teknik ini
tentang dunia.

304
00:17:34,381 --> 00:17:35,585
Terima kasih.

305
00:17:35,610 --> 00:17:41,717
(Tepuk tangan)