La cámara de un solo píxel alcanza un hito al imitar la visión humana

La imagen computacional está experimentando una revolución. Esta es la disciplina de hacer imágenes utilizando técnicas computacionales en lugar de ópticas. Su avance más conocido es la capacidad de grabar imágenes y películas de alta resolución usando un solo píxel. Pero los investigadores también lo han usado para construir cámaras sin lentes, sistemas de imágenes 3D y más.

Hoy, llevan la técnica aún más lejos al usarla para imitar la forma en que los humanos ven el mundo. David Phillips de la Universidad de Glasgow y algunos amigos dicen que han encontrado una manera de usar un solo píxel para crear imágenes en las que el área central se graba en alta resolución mientras que la periferia se graba en baja resolución. Eso imita exactamente los sistemas de visión de los animales en los que la retina tiene una región central de alta agudeza visual llamada fóvea rodeada por un área de menor resolución.

El equipo incluso ha mostrado cómo mover la región foveada para seguir objetos dentro del campo de visión. La técnica tiene el potencial de cambiar la forma en que funcionan muchos sistemas de imágenes en el futuro.

Primero algunos antecedentes. Un sistema de imágenes de un solo píxel registra la luz de una escena en un solo punto. Esta luz tiene que distribuirse aleatoriamente de alguna manera, por ejemplo, pasándola a través de un vidrio esmerilado o reflejándola en una matriz de microespejos dispuesta aleatoriamente.

Es fácil pensar que se puede ganar poco registrando la luz aleatoriamente de esta manera. El truco, por supuesto, es tomar muchas imágenes de un solo píxel de esta manera. Aunque cada punto de datos parece ser una muestra aleatoria de luz, los puntos de datos consecutivos están correlacionados porque son reflejos de la misma escena.

Entonces, el truco detrás de las imágenes computacionales es usar un algoritmo de minería de datos para encontrar la correlación entre imágenes sucesivas. Un poco de cálculo numérico puede recrear la escena original.

Resulta que esto es relativamente sencillo, siempre que la luz de la escena se aleatorice adecuadamente cada vez que el píxel la grabe. La resolución de la imagen final depende del número de puntos de datos utilizados para crearla.

En otras palabras, se puede considerar que cada punto de datos registra un píxel en la imagen final. Es esta idea la que permite a Phillips y compañía variar la resolución a lo largo de una imagen.

Estos tipos usan una matriz de microespejos digitales para aleatorizar la luz de una escena que llega a su detector de luz de un solo píxel. Pero también pueden controlar la resolución de la aleatorización en esta matriz. De modo que pueden utilizar la aleatorización de alta resolución en partes de la escena para aumentar la resolución de la imagen final. Esta es la imagen foveada

Su conjunto de microespejos puede mostrar unos 10.000 patrones aleatorios por segundo, lo que les permite generar imágenes de 32 x 32 píxeles a una velocidad de aproximadamente 10 por segundo.

Para empezar, los píxeles son cuadrados y de igual tamaño en cada imagen de 32 x 32. Pero una imagen foveada tiene píxeles más pequeños y más densamente empaquetados en el centro y píxeles más grandes en las periferias.

Phillips y compañía logran esto aleatorizando la luz de la escena con una resolución más alta en el centro de la imagen.

Y los resultados son impresionantes. El equipo muestra cómo las imágenes resultantes tienen claramente una mayor resolución en el centro. Hemos demostrado que la capacidad de recopilación de datos de un sistema de imágenes computacionales de un solo píxel se puede mejorar imitando la visión foveada adaptativa que está muy extendida en el reino animal, dicen.

Pero también muestran cómo es posible mover la fóvea para seguir objetos de interés de una imagen a la siguiente. Incluso muestran cómo es posible tener dos fóveas en una sola imagen para rastrear dos objetos diferentes, llevando así la técnica más allá de la capacidad del mundo animal. Y demuestran la técnica con luz visible e infrarroja.

Es un trabajo interesante que tiene algunas aplicaciones potenciales importantes. El más obvio es para los sistemas de imágenes en los que las matrices de píxeles no son prácticas. Por ejemplo, los píxeles individuales están disponibles para frecuencias de terahercios, pero las matrices de píxeles no.

Pero la técnica es de aplicación más general. En todos los sistemas de imágenes existe un equilibrio entre la resolución y la velocidad de fotogramas. Esta técnica permite optimizar este intercambio sobre la marcha y permite que la atención se centre en las partes de una imagen que son de mayor interés.

Eso podría hacerse mucho más poderoso al combinarlo con otras técnicas de visión artificial. Los algoritmos han comenzado a superar a los humanos en tareas, como el reconocimiento de rostros y objetos.

Los humanos y los animales han superado durante mucho tiempo a las máquinas en tareas de visión. Pero con técnicas como esta, este dominio no durará mucho más.

Ref: arxiv.org/abs/1607.08236 : Imágenes adaptativas de un solo píxel foveado con supermuestreo dinámico

esconder