0:00:01.373,0:00:04.722
사람들은 보통 움직임을[br]시각적인 것으로 생각합니다.

0:00:05.889,0:00:10.977
만약 제가 지금 말하는 도중 무대를 [br]가로질러 걷거나 손동작을 취하면

0:00:10.977,0:00:13.238
여러분은 그 움직임을 [br]볼 수 있습니다.

0:00:14.255,0:00:16.737
하지만 중요한 의미를 갖는 움직임들 중 [br]

0:00:16.737,0:00:20.057
그 크기가 매우 미세해서 우리[br]눈에 분별하기 어려운 것들도 있습니다.

0:00:20.057,0:00:24.508
우리는 지난 몇 년에 걸쳐[br]인간이 보지 못하는 이 움직임을

0:00:24.508,0:00:27.865
카메라로는 식별 할 수 있다는 [br]사실을 알아냈습니다.

0:00:28.305,0:00:29.856
어떤 것인지 직접 보여드리죠.

0:00:30.717,0:00:34.339
왼쪽 화면은 사람 손목의 동영상입니다.

0:00:34.339,0:00:37.486
오른편에는 잠자는 [br]아기 동영상이 있어요.

0:00:37.486,0:00:40.632
하지만 이것들이 동영상이라고[br]말씀드리지 않았다면

0:00:40.632,0:00:44.393
여러분들은 두 개의 보통 사진을[br]보고 있다고 생각하실 수 있습니다.

0:00:44.393,0:00:46.065
왜냐하면 두 영상 모두

0:00:46.065,0:00:49.112
정지해 있는 것처럼 보이거든요.

0:00:50.175,0:00:54.060
하지만 여기에는 아주 미세한[br]움직임이 일어나고 있습니다.

0:00:54.060,0:00:56.452
만약 여러분이 왼쪽 사진의 [br]손목을 만질 수 있다면

0:00:56.452,0:00:58.448
맥박을 느낄 수 있을 것입니다.

0:00:58.448,0:01:00.933
또 만약 오른쪽의 아이를 안아 본다면

0:01:00.933,0:01:03.324
아이가 숨을 쉴 때마다 [br]가슴이 오르락 내리락

0:01:03.324,0:01:04.714
하는 것을 느낄 수 있을 것입니다.

0:01:05.762,0:01:09.338
보시는 것과 같은 움직임들은[br]우리에게 중요한 정보를 제공합니다.

0:01:09.338,0:01:12.681
하지만 대부분은 육안으로 [br]식별하기에 매우 미세합니다.

0:01:12.681,0:01:14.957
그래서 육안으로 관찰하는 대신

0:01:14.957,0:01:17.857
촉각을 통해 직접 만져보고 느낍니다.

0:01:18.997,0:01:20.262
하지만 몇 년 전

0:01:20.262,0:01:24.667
MIT의 제 동료들이 "모션 마이크로 [br]스콥" 이라는 걸 개발했습니다.

0:01:24.667,0:01:29.051
이 소프트웨어는 영상의 [br]미세한 움직임을 찾아내

0:01:29.051,0:01:32.613
우리가 볼 수 있을 만큼의 크기로[br]그 움직임을 증폭시켜줍니다.

0:01:33.416,0:01:36.899
왼쪽 영상에 이 소프트웨어를[br]적용해 보면

0:01:36.899,0:01:40.149
손목의 맥박을 눈으로 볼 수 있습니다.

0:01:40.149,0:01:41.844
우리가 만약 이 맥박을 센다면

0:01:41.844,0:01:44.199
이 사람의 심박수를 알아낼 수 있습니다.

0:01:45.095,0:01:48.160
같은 소프트웨어를 [br]오른쪽 영상에 사용해 보았습니다.

0:01:48.160,0:01:51.387
아이가 숨쉬는 것을 [br]눈으로 볼 수 있게 해주고,

0:01:51.387,0:01:55.524
직접 만지지 않고도 아기의 호흡을[br]관찰할 수 있습니다.

0:01:56.884,0:01:59.962
이러한 기술은 그 영향력이[br]매우 엄청납니다.

0:01:59.962,0:02:03.539
보통 우리가 촉각을 [br]통해 느끼는 현상들을

0:02:03.539,0:02:08.076
우회적인 방법인 시각적으로 [br]경험하게 해주기 때문입니다.

0:02:08.864,0:02:13.275
몇 년전 저는 이 소프트웨어 [br]개발자들과 함께 일하기 시작했습니다.

0:02:13.275,0:02:16.632
그리고 미친 것처럼 들리는[br]일을 시도해 보기로 했습니다.

0:02:16.632,0:02:17.912
"우리가 생각하기에,

0:02:17.922,0:02:22.935
이 소프트웨어를 통해 미동을[br]시각화하는 것은 매우 멋진 일이며

0:02:22.935,0:02:27.160
이는 다시말해 촉각의 역할을 연장한 [br]것이라 할 수 있지 않은가.

0:02:27.170,0:02:32.018
그렇다면 이와 같은 기술을 통해[br]듣는 능력을 확장해보면 어떨까?"

0:02:32.018,0:02:37.173
만약 이 영상 증폭 기술을 이용해[br]소리의 진동을 촬영 할 수 있다면요?

0:02:37.173,0:02:40.000
소리의 진동 역시 아주 미세한[br]움직임이라고 할 수 있잖아요.

0:02:40.000,0:02:43.796
그리고 우리가 눈으로 볼 수 있는 것을[br]소리로 변환해 본다면요?

0:02:44.056,0:02:46.207
다소 이상한 생각처럼 보이겠네요.

0:02:46.207,0:02:48.793
여러분을 위해 다른 관점으로[br]설명해 드리겠습니다.

0:02:49.523,0:02:51.171
일반적인 마이크의 원리는

0:02:51.191,0:02:56.220
내부의 진동판의 움직임을[br]전기신호로 변환하도록 되어있는데

0:02:56.220,0:03:00.358
진동판은 소리에 반응하여[br]움직이도록 설계되었습니다.

0:03:00.358,0:03:05.065
이 움직임은 기록할 수도 있고[br]소리로 변환되어 읽히기도 합니다.

0:03:05.065,0:03:09.403
소리는 사물을 진동시킬 수 있지만,

0:03:09.403,0:03:14.883
우리 눈으로는 이 진동이 매우 [br]미묘하고 빨라서 확인하기 어렵죠.

0:03:14.883,0:03:18.341
그렇다면 우리가 고속 카메라로[br]영상을 기록하고

0:03:18.341,0:03:23.477
이 소프트웨어를 이용해 카메라로 찍은[br]아주 작은 미동을 추출해 낸뒤

0:03:23.487,0:03:28.561
어떤 소리가 그 진동을 만들었는지[br]분석하면 어떨까요?

0:03:29.249,0:03:35.308
먼거리의 사물을 보는 것 만으로도[br]소리를 알아낼 수 있도록 해주지 않을까.

0:03:37.080,0:03:39.263
그래서 저희가 시도해 보았습니다.

0:03:39.263,0:03:41.190
이것이 저희가 한 실험 중 하나인데요,

0:03:41.190,0:03:44.139
화면 오른쪽에 화분을 갖다 놓고

0:03:44.139,0:03:46.577
근처의 스피커에 음악을 크게 틀어논 뒤

0:03:46.577,0:03:50.106
고속카메라로 촬영해 보았습니다.

0:03:50.275,0:03:58.465
(음악 : 떴다떴다 비행기)[br]-스피커를 통해 음악이 나옴-

0:03:59.820,0:04:02.644
이것이 저희가 촬영한 영상입니다.

0:04:02.644,0:04:06.568
이 영상은 초당 수천 프레임의 [br]속도로 기록되었지만,

0:04:06.568,0:04:08.890
여러분이 아주 가까이서 본다 해도

0:04:08.890,0:04:10.841
그냥 가만히 있는

0:04:10.841,0:04:13.906
나뭇잎들만 보이실 겁니다.

0:04:13.906,0:04:19.173
왜냐하면 이 나뭇잎들의 움직인 거리는[br]마이크로미터 정도로

0:04:19.173,0:04:23.379
1 센티미터의 천분의 일 입니다.

0:04:23.379,0:04:29.215
화면의 1 화소를 백분의 일에서[br]천분의 일로 나눈 정도입니다.

0:04:29.231,0:04:32.768
그러니 여러분 마음껏 째려보세요.

0:04:32.768,0:04:36.103
그런다해도 이렇게 미세한 움직임은[br]눈으로 분별하기 어렵습니다.

0:04:37.667,0:04:41.824
하지만 이 작은 움직임은[br]육안으로는 자각하기 어려운 것이지만

0:04:41.824,0:04:44.633
숫자적으로는 그 의미가[br]충분히 있는 것으로 드러났어요.

0:04:44.633,0:04:46.635
왜냐하면 제대로 된 알고리듬을 통해

0:04:46.635,0:04:49.752
무음의 정지해 있는 듯한 [br]동영상을 찍은 뒤

0:04:49.752,0:04:52.769
그 영상으로부터 들으시는 소리를[br]복원해 낼 수 있었기 때문입니다.

0:04:52.769,0:05:00.074
(음악: 떴다떴다 비행기)

0:05:00.074,0:05:05.902
(박수)

0:05:10.058,0:05:11.997
이것이 어떻게 가능하냐고요?

0:05:11.997,0:05:16.341
이 미세한 움직임을 통해 이렇게나[br]방대한 정보를 얻을 수 있냐고요?

0:05:16.341,0:05:21.702
이 나뭇잎이 1 마이크로미터만큼[br]움직인다고 합시다.

0:05:21.702,0:05:26.010
그리고 그것이 천만분의 1 화소만큼의[br]이미지가 이동했다고 합시다.

0:05:27.269,0:05:29.841
그리 큰 숫자 같지는 않아보입니다.

0:05:29.841,0:05:31.837
하지만 단일 프레임의 비디오는

0:05:31.837,0:05:35.094
백만개에 가까운 화소로 이루어져있고

0:05:35.094,0:05:38.548
전체 영상에 걸쳐 이를 모두 합치면 [br]우리가 볼 수 있는

0:05:38.548,0:05:40.846
아주 작은 움직임이 됩니다.

0:05:40.846,0:05:43.469
그런후엔 이 천분의 1 화소가

0:05:43.469,0:05:46.244
점층적으로 더해져 어떤[br]의미있는 움직임으로 바뀝니다.

0:05:46.870,0:05:50.505
개인적으로는, 우리가 밝혀낸 [br]이 사실에 대해 몹시 흥분했습니다.

0:05:50.505,0:05:52.825
(웃음)

0:05:52.825,0:05:56.078
하지만 제대로 된 알고리듬을 적용했어도

0:05:56.078,0:05:59.695
아직까지 이 퍼즐의 매우 중요한 조각이[br]없었습니다.

0:05:59.695,0:06:03.299
보시다 시피 많은 요소들이[br]언제, 어떻게 이 기술이

0:06:03.299,0:06:05.296
잘 작동할 것인가에 대해 [br]영향을 끼칩니다.

0:06:05.296,0:06:08.500
측정하려는 사물과 그 거리,

0:06:08.500,0:06:10.894
어떤 카메라와 렌즈를 사용 할 지,

0:06:10.894,0:06:15.835
얼만큼의 빛을 사물에 노출해야 할 지[br]음향은 얼마나 커야 하는지 말이죠

0:06:15.945,0:06:19.320
그리고 제대로 된 알고리즘을 [br]이용할지라도

0:06:19.320,0:06:22.710
초기에 실행된 실험에서는 [br]깊은 주의를 기울여야 했습니다.

0:06:22.710,0:06:25.102
만약 이 중 하나라도 [br]잘못된 가정이 있었다면

0:06:25.102,0:06:27.470
무엇이 문제인지 알아낼 방법이[br]없었기 때문입니다.

0:06:27.470,0:06:30.117
아마도 그냥 시끄러운 소음만 [br]결과물로 얻었겠죠.

0:06:30.117,0:06:33.437
그래서 많은 초기의 실험들은[br]다음과 같습니다.

0:06:33.437,0:06:35.643
여기 제가 있습니다.

0:06:35.643,0:06:39.683
화면아래 왼쪽에[br]초고속 카메라가 언뜻 보이시죠

0:06:39.683,0:06:41.866
감자칩 과자봉지를 비추고 있습니다.

0:06:41.866,0:06:44.815
이 모든 것을 비추는 것이[br]밝은 이 램프 빛입니다.

0:06:44.815,0:06:49.180
제가 말씀드렸듯이 초기 실험에서는 [br]모든 것에 대해 매우 조심스러웠습니다.

0:06:49.180,0:06:51.688
어떻게 진행되었는지 보여드릴게요.

0:06:51.688,0:06:55.449
셋, 둘, 하나, 시작

0:06:55.449,0:07:00.836
"떴다 떴다 비행기![br]날아라, 날아라! "

0:07:00.836,0:07:05.336
(웃음)

0:07:05.336,0:07:08.150
맞아요 이 실험은 정말이지[br]우스꽝스러워 보입니다.

0:07:08.150,0:07:09.938
(웃음)

0:07:09.938,0:07:12.283
그러니까 저는 과자봉지에다 [br]대고 소리를 지르고

0:07:12.283,0:07:13.834
(웃음)

0:07:13.834,0:07:15.951
엄청나게 밝은 조명을 쏘아대서

0:07:15.951,0:07:20.560
말 그대로 첫번째 실험한 과자봉지를[br]녹여버릴 정도였습니다. (웃음)

0:07:20.560,0:07:23.799
하지만 우스꽝스럽게 보이는 만큼

0:07:23.799,0:07:25.587
그것은 매우 중요한 실험이었어요.

0:07:25.587,0:07:28.513
왜냐하면 저희는 음향복원에[br]성공했기 때문입니다.

0:07:28.513,0:07:33.225
(오디오) 떳다떳다 비행기![br]날아라 날아라!

0:07:33.225,0:07:36.993
(박수)

0:07:36.993,0:07:40.024
그리고 이는 정말이지 막대한[br]중요성을 띕니다.

0:07:40.024,0:07:43.304
왜냐하면 이 실험이 최초로 [br]무음의 동영상에서

0:07:43.304,0:07:45.765
인간이 말하는 소리를 복원해 [br]낸 사례이기 때문입니다.

0:07:45.765,0:07:48.156
이 실험을 기반으로

0:07:48.156,0:07:52.027
우리는 점차 실험에 변형을 [br]시도했습니다.

0:07:52.106,0:07:55.911
다양한 사물을 이용하거나[br]촬영 거리를 더 멀리 조정하고

0:07:55.911,0:07:59.191
더 적은 양의 빛과[br]더 작은 소리를 이용하기도 했습니다.

0:07:59.887,0:08:02.761
이 다양한 실험결과들을 분석하며

0:08:02.761,0:08:06.103
이 기법의 허용 한도를 [br]이해하게 되었습니다.

0:08:06.103,0:08:08.333
왜냐하면 우리가 이 한도를[br]이해한 뒤에는

0:08:08.333,0:08:10.679
그 허용 한도를 초월해 [br]볼 수 있기 때문입니다.

0:08:10.679,0:08:13.510
그래서 다음과 같은[br]실험을 하게 되었습니다.

0:08:13.510,0:08:16.599
또 다시 저는 과자봉지에다 대고[br]이야기를 합니다.

0:08:16.599,0:08:21.429
하지만 이번에는 카메라를 [br]4.5 미터 정도의 거리로 옮기고

0:08:21.429,0:08:24.262
방음이 되는 유리창 뒤에[br]설치하였습니다.

0:08:24.262,0:08:27.065
빛이라고는 자연광이 전부입니다.

0:08:28.529,0:08:31.324
자 이것이 저희가 찍은 동영상 입니다.

0:08:32.450,0:08:37.009
방음창 안에 있는 과자봉지 옆에서 [br]들리는 소리는 다음과 같습니다.

0:08:37.009,0:08:42.047
(오디오) 떳다 떳다 비행기 [br]날아라 날아라

0:08:42.047,0:08:47.666
높이높이 날아라 우리비행기

0:08:47.666,0:08:51.683
그리고 이것이 우리가 [br]방음창 밖에서 찍은

0:08:51.683,0:08:54.028
동영상에서 복원해 낸 음향입니다.

0:08:54.028,0:08:58.463
(음성) 떴다 떴다 비행기 [br]날아라 날아라

0:08:58.463,0:09:03.920
높이높이 날아라 우리비행기

0:09:03.920,0:09:10.421
(박수)

0:09:10.421,0:09:13.963
이 허용 한도를 추월해보고자[br]여러가지 다른 방법들도 시도했습니다.

0:09:13.963,0:09:16.251
다음은 좀 더 작은 소리를 [br]이용한 실험입니다.

0:09:16.251,0:09:19.871
노트북 컴퓨터에 연결한 이어폰을[br]촬영한 것으로

0:09:19.871,0:09:23.981
저희의 목표는 이어폰에서 흘러나오는[br]음악을 복원해 내는 것이었습니다.

0:09:23.981,0:09:26.280
물론 플라스틱 이어폰이 찍힌

0:09:26.280,0:09:28.787
이 동영상은 무음입니다.

0:09:28.787,0:09:30.970
이 실험의 결과는 정확도가 매우 높아

0:09:30.970,0:09:33.951
샤잼(Shazam)어플을 통해 음악찾기를 [br]할 수 있을 정도였어요.

0:09:33.951,0:09:35.842
(웃음)

0:09:37.191,0:09:47.225
(음악: "언더 프레셔" - 퀸)

0:09:49.615,0:09:54.584
(박수)

0:09:54.584,0:09:59.135
다음은 다른 종류의 장비를 사용해서 [br]허용 한도를 시험해 보기도 했습니다.

0:09:59.135,0:10:01.596
지금까지 제가 보여드린 실험결과들은

0:10:01.596,0:10:03.918
초고속 카메라를 사용한 것인데

0:10:03.918,0:10:06.797
이 카메라는 우리가 가진 [br]핸드폰 카메라보다

0:10:06.797,0:10:08.724
100 배나 빠른 녹화가 가능합니다.

0:10:08.724,0:10:11.533
하지만 저희는 보통의 카메라를 가지고도

0:10:11.533,0:10:13.763
이를 구현할 수 있는 테크닉을 [br]알아냈습니다.

0:10:13.763,0:10:17.832
이른바 "롤링셔터"라 불리우는 [br]효과를 이용한 것인데요

0:10:17.832,0:10:22.630
많은 카메라들이 영상을 한 번에 [br]한 줄씩 기록합니다.

0:10:22.630,0:10:28.332
만약 한 장면 촬영시 사물이 움직이면

0:10:28.344,0:10:31.061
각 줄 사이 시간차가 생기게 됩니다.

0:10:31.061,0:10:34.218
이 때문에 약간의 인위적 변형이[br]일어나게 되고

0:10:34.218,0:10:37.701
이것이 동영상 각 프레임에 남아 [br]기록됩니다.

0:10:37.701,0:10:41.887
우리는 알고리듬을 변형하여[br]이 인위적 변형을 분석한 결과

0:10:41.887,0:10:46.122
이 동영상으로부터 음향을 [br]복원해낼 수 있었습니다.

0:10:46.122,0:10:48.034
이것이 저희가 한 실험입니다.

0:10:48.034,0:10:49.729
보시는 것은 사탕봉지이고요

0:10:49.729,0:10:51.470
주변에 있는 스피커에서 큰 소리로

0:10:51.470,0:10:54.442
종전과 같은 "떳다 떳다 비행기" [br]음악이 흘러나옵니다.

0:10:54.442,0:10:58.645
하지만 이번에는 시중에서[br]구입한 일반 카메라를 사용했습니다.

0:10:58.645,0:11:01.819
잠시 후 저희가 복원한 소리를 [br]들려드릴텐데요

0:11:01.819,0:11:03.869
이번에는 약간 뒤틀린 듯한[br]소리를 들으실 것입니다.

0:11:03.869,0:11:06.705
하지만 한 번 들어보시고[br]무슨 음악인지 알 수 있는 지 보세요.

0:11:07.723,0:11:23.406
(오디오: "떳다떳다 비행기")

0:11:25.527,0:11:28.992
소리는 뒤틀린 듯하지만[br]주목하실 점은

0:11:28.992,0:11:33.378
[br]우리가 밖에 나가 하이마트 같은 데서

0:11:33.378,0:11:36.004
손쉽게 구할 수 있는 것들로

0:11:36.004,0:11:39.128
이러한 기술의 구현이 가능하다는[br]것입니다.

0:11:39.128,0:11:40.485
그럼 이제

0:11:40.485,0:11:42.459
많은 사람들이 이 실험결과를 보고는

0:11:42.459,0:11:45.872
즉각적으로 "감시카메라"를 떠올립니다.

0:11:45.872,0:11:48.287
네 맞아요.[br]누군가를 감시하기 위해

0:11:48.287,0:11:52.420
이 기술을 사용한 다는 것을[br]상상하기란 그리 어렵지 않습니다.

0:11:52.420,0:11:56.367
하지만 현재에도 꽤 수준높은[br]감시카메라와 장비들이

0:11:56.367,0:11:57.946
많이 있다는 것을 염두에 두십시요.

0:11:57.946,0:12:00.036
사실, 많은 사람들이 레이저를 이용한

0:12:00.036,0:12:02.835
원거리 도청을 [br]수십년간이나 해왔습니다.

0:12:03.978,0:12:06.003
하지만 여기서 새로운 점

0:12:06.003,0:12:07.443
정말로 다른 점은

0:12:07.448,0:12:11.538
우리는 이제 사물의 진동을 [br]시각화 할 수 있는 방법이 생겼고

0:12:11.538,0:12:15.071
그 기술이 세상을 다른 눈으로 볼 수[br]있게 해준다는 겁니다.

0:12:15.071,0:12:20.551
또한 소리를 제어하여 진동을[br]일으키는 요소가 무엇인지 뿐 아니라

0:12:20.551,0:12:24.480
사물 그 자체의 성질에[br]대해서도 알 수 있게 해줍니다.

0:12:24.480,0:12:26.548
그래서 저는 한발짝 물러나

0:12:26.548,0:12:28.558
우리가 동영상을 이용하는 용도가[br]

0:12:28.558,0:12:31.017
어떻게 달라질 수 있는지에 대해 [br]생각해 보고 싶어요.

0:12:31.017,0:12:34.470
왜냐하면 우리는 주로 어떤 것들을[br]보기 위해 동영상을 이용하는데

0:12:34.470,0:12:36.792
제가 보여드린 것 처럼 영상을 통해 [br]

0:12:36.792,0:12:38.649
그것이 내는 소리를 [br]들을 수도 있기 때문입니다.

0:12:38.649,0:12:42.620
하지만 사물의 성질에 대해[br]알 수 있는 다른 방법이 있습니다.

0:12:42.620,0:12:44.895
바로 직접 작동해 보는 것입니다.

0:12:44.895,0:12:48.436
우리는 사물을 밀기도 붙잡기고 하고[br]찌르거나 당겨보기도 합니다.

0:12:48.436,0:12:51.187
흔들어보고 어떻게 반응하는지[br]살피기도 합니다.

0:12:51.187,0:12:55.460
이것은 아직까지도 우리가 [br]동영상으로 할 수 없는 것입니다.

0:12:55.460,0:12:57.596
적어도 지금까지 알 던 바로는 말이죠.

0:12:57.596,0:12:59.546
자 그럼 새로운 프로젝트를 [br]보여드리겠습니다.

0:12:59.546,0:13:02.213
이는 몇달전에 나온 아이디어를[br]기반으로 한 것인데,

0:13:02.213,0:13:05.514
실제로 오늘 처음으로 대중에게[br]공개하는 것입니다.

0:13:05.514,0:13:10.877
동영상의 미동을 이용한[br]기본이론을 전제로

0:13:10.877,0:13:15.358
사물이 우리와 상호 작용 하는[br]방식을 포착한 것인데요,

0:13:15.358,0:13:18.132
이들이 우리에게 어떻게[br]반응 하는지 알 수 있습니다.

0:13:19.120,0:13:20.884
이것이 사물입니다.

0:13:20.884,0:13:24.716
이 실험의 경우 사람모양의[br]철사로 만든 인형입니다.

0:13:24.716,0:13:27.804
일반 카메라로 이 사물을[br]촬영합니다.

0:13:27.804,0:13:29.928
카메라 자체는 별로 [br]특이할 것이 없습니다.

0:13:29.928,0:13:32.889
사실 이전에 제 핸드폰 카메라로[br]실험하기도 했습니다.

0:13:32.889,0:13:35.141
우리는 사물의 진동을 [br]관찰해 보고자 하는데

0:13:35.141,0:13:36.274
그러기 위해서

0:13:36.274,0:13:39.620
사물이 놓여진 표면을 [br]세게 두들겨 봅니다.

0:13:39.620,0:13:41.758
촬영하는 동안 말입니다.

0:13:47.398,0:13:50.839
그렇습니다. [br]우리가 표면을 두들기는 동안 찍은

0:13:50.839,0:13:53.205
5초 길이의 일반적인 동영상 입니다.

0:13:53.205,0:13:56.718
진동이 포착된 이 영상을 이용해

0:13:56.718,0:14:01.262
이 사물의 구조와 물질적 특징이[br]어떤 것인지

0:14:01.262,0:14:06.096
그 정보를 이용하여 직접 사물을 [br]조작해 볼 수 있습니다.

0:14:12.866,0:14:15.519
자 이것이 우리가 만든 것입니다.

0:14:15.519,0:14:17.748
보시기에는 평범한 사진 같습니다.

0:14:17.748,0:14:20.859
하지만 이것은 사진도 동영상도[br]아닙니다.

0:14:20.859,0:14:23.227
왜냐하면 지금 제가 [br]마우스를 갖다대서

0:14:23.227,0:14:26.086
이 사물을 움직여 볼 수 [br]있기 때문입니다.

0:14:32.936,0:14:34.579
보시는 것은

0:14:34.579,0:14:37.875
이전에는 보지 못했던 [br]힘을 가할때 이 사물이

0:14:37.875,0:14:42.073
어떻게 반응하는 지를 보여주는 [br]시뮬레이션입니다.

0:14:42.073,0:14:45.706
오직 5초짜리 일반 동영상을 가지고[br]만들어낸 것 입니다.

0:14:47.249,0:14:51.964
(박수)

0:14:57.421,0:15:00.648
이것은 엄청난 영향력을 지닌[br]세상을 보는 방법입니다.

0:15:00.648,0:15:02.660
왜냐하면 이로써 사물이[br]새로운 상황에 대해

0:15:02.660,0:15:05.443
어떻게 반응할지 예측할 수 있게 해주기[br]때문입니다.

0:15:05.443,0:15:08.916
예를들어 보죠. [br]여러분이 낡은 다리를 보고

0:15:08.916,0:15:12.443
자동차로 그 다리를 건널 때에

0:15:12.443,0:15:15.276
그 다리가 잘 버틸지를 [br]궁금해 할 수 있습니다.

0:15:15.276,0:15:18.480
이러한 질문은 누구라도 [br]그 답을 알고 싶어 하는 것입니다.

0:15:18.480,0:15:21.980
실제로 운전해서 다리를 [br]건너기 전에 말입니다.

0:15:21.988,0:15:25.260
물론 앞서 소개해드린 [br]음원복원 기술처럼

0:15:25.260,0:15:27.722
이 기술에도 한계점이 있겠지만

0:15:27.722,0:15:30.903
우리가 예상치 못한 많은 상황에서도

0:15:30.903,0:15:32.778
이 기술이 작동한다는 것을 [br]확인하였습니다.

0:15:32.778,0:15:35.546
특히 더 긴 길이의 동영상을 [br]이용하면 말입니다.

0:15:35.546,0:15:38.054
보시는 동영상은 제 아파트 앞[br]

0:15:38.054,0:15:40.353
화단을 촬영한 것입니다.

0:15:40.353,0:15:43.441
이 나뭇가지에 그 어떤 것도 [br]하지 않았습니다.

0:15:43.441,0:15:46.146
1 분정도 길이의 촬영만으로도[br]

0:15:46.146,0:15:49.524
약한 바람에 의한 진동이 포착되었고

0:15:49.524,0:15:53.111
이 화단에 대해 충분한 정보를 얻어[br]시뮬레이션을 만들어 볼 수 있었습니다.

0:15:55.270,0:16:01.412
(박수)

0:16:01.412,0:16:04.384
영화감독에게 이 이미지를[br]준다고 상상해 보세요.

0:16:04.384,0:16:06.103
이 장면이 찍히고 난 후에

0:16:06.103,0:16:11.025
바람의 강도와 방향을 [br]조정할 수 있겠죠.

0:16:12.810,0:16:17.345
보시는 것은 걸려 있는[br]커튼을 촬영한 것 입니다.

0:16:17.345,0:16:21.474
동영상에는 눈으로 볼 수 있는[br]큰 움직임이 없습니다.

0:16:21.474,0:16:24.399
하지만 2분짜리 영상을 촬영함으로써

0:16:24.399,0:16:26.837
방안의 자연풍이 만들어내는

0:16:26.837,0:16:31.249
아주 미세한 움직임과 진동을 통해

0:16:31.249,0:16:33.814
다음과 같은 시뮬레이션을[br]만들 수 있습니다.

0:16:36.243,0:16:38.609
아이러니하게도

0:16:38.609,0:16:41.697
우리는 이미 가상현실[br]그래픽을 통해 이런식으로

0:16:41.697,0:16:44.344
직접 조작해 보는 것에 대해 [br]익숙해져있습니다.

0:16:44.344,0:16:47.641
비디오 게임이나 3D 모델 [br]같은것이요.

0:16:47.641,0:16:52.045
하지만 현실세계의 실제 사물을[br]

0:16:52.045,0:16:54.862
단순한 동영상을 통해[br]이러한 정보를 얻어내느 것은

0:16:54.862,0:16:57.705
이전에는 없었던 것으로[br]매우 큰 잠재력을 지니고 있습니다.

0:16:58.410,0:17:03.314
자, 여기 이분들은 이 프로젝트에 [br]애써주신 훌륭한 분들입니다.

0:17:04.057,0:17:09.653
(박수)

0:17:12.819,0:17:15.876
제가 오늘 보여드린 것은[br]단지 시작에 불과합니다.

0:17:15.876,0:17:18.099
이러한 영상으로 할 수 있는 일 중[br]

0:17:18.099,0:17:20.961
극히 일부분에 근접했을 뿐입니다.

0:17:20.961,0:17:23.937
이 기술을 통해 우리 주변의 것들을

0:17:23.937,0:17:28.066
새롭게 모색할 수 있는 좀 더 [br]보편적인 방법을 개발할 것입니다.

0:17:28.066,0:17:29.995
미래에는

0:17:29.995,0:17:32.032
이 기술이 가능케 할

0:17:32.032,0:17:34.418
신나는 모험이 기다리고 있습니다.

0:17:34.418,0:17:35.585
감사합니다.

0:17:35.610,0:17:41.717
(박수)