A second-order theory of texture for depth from focus
यह शोधपत्र एक तरंग-प्रकाशिकी (वेव-ऑप्टिक्स) आधारित सिद्धांत प्रस्तुत करता है जो यह प्रदर्शित करता है कि प्रतीत होने वाली बनावटहीन सतहों में भी व्यक्तिपरक स्पेकल (सब्जेक्टिव स्पेकल) के कारण द्वितीय-क्रम की बनावट मौजूद होती है, जिसे संकीर्ण बैंड स्पेक्ट्रल फिल्टर का उपयोग करके बढ़ाया जा सकता है ताकि पैसिव डेप्थ-फ्रॉम-फोकस पुनर्निर्माण को महत्वपूर्ण रूप से सुधारा जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक बिल्कुल चिकनी, सफेद दीवार की तस्वीर लेने की कोशिश कर रहे हैं। एक मानक कैमरे के लिए, यह दीवार एक उबाऊ, सपाट खाली स्लेट है। इसमें कोई उभार, कोई पैटर्न या कोई छाया नहीं है जो इसे आकार दे सके। दशकों से, कंप्यूटर वैज्ञानिकों का मानना रहा है कि यदि कोई दृश्य इस तरह चिकना दिखता है, तो कैमरे के लिए यह समझना असंभव है कि उसके विभिन्न हिस्से कितनी दूर हैं, जब तक कि लेजर या प्रोजेक्टर का उपयोग करके दीवार पर बनावट (टेक्सचर) न "पेंट" की जाए। यह "पैसिव डेप्थ सेंसिंग" (passive depth sensing) की दुनिया है, जहाँ कैमरेما चीज़ों को केवल देखकर उनके 3D आकार का अनुमान लगाने की कोशिश करते हैं। पुराना नियम सरल था: कोई टेक्सचर नहीं, तो कोई गहराई नहीं। यदि आप उभार नहीं देख सकते, तो आप दूरी नहीं माप सकते।
लेकिन क्या होगा यदि वह "चिकनी" दीवार वास्तव में चिकनी नहीं है? क्या होगा यदि सूक्ष्म स्तर पर, जिसे हमारी आँखें नहीं देख सकतीं, सतह वास्तव में सूक्ष्म पहाड़ियों और घाटियों का एक अराजक पर्वत श्रृंखला है? प्रकाश तरंगों की दुनिया में, ये नन्हे उभार एक अराजक ड्रम सेट की तरह काम करते हैं। जब प्रकाश इनसे टकराता है, तो यह केवल साफ तरीके से वापस नहीं उछलता; बल्कि यह "स्पेकल" (speckle) नामक एक जंगली, यादृच्छिक नृत्य में बिखर जाता है। आमतौर पर, हमारे कैमरे इस नृत्य को देखने के लिए बहुत धीमे और बहुत व्यापक-स्पेक्ट्रम वाले होते हैं, इसलिए दीवार अभी भी चिकनी दिखाई देती है। हालाँकि, यह शोध पत्र एक साहसी प्रश्न पूछता है: क्या होगा यदि हम प्रकाश को बस इतना धीमा कर दें कि हम उस नृत्य को पकड़ सकें?
कार्नेगी मेलन यूनिवर्सिटी के शोधकर्ताओं ने एक नया सिद्धांत विकसित किया है जो इस पुराने नियम को उलट देता है। उन्होंने खोजा कि भले ही वे सतहें जिन्हें हम "टेक्सचरलेस" (बिना बनावट वाली) समझते हैं, वास्तव में प्रकाश तरंगों से बनी एक छिपी हुई, अदृश्य बनावट से ढकी होती हैं। एक मानक कैमरे में केवल एक विशेष, नैरोबैंड स्पेक्ट्रल फिल्टर (जैसे कि धूप का चश्मा जो रंगों के एक बहुत छोटे हिस्से को ही गुजरने देता है) जोड़कर, वे इस अदृश्य बनावट को दृश्यमान बना सकते हैं। यह उन्हें उन वस्तुओं के 3D आकार को मैप करने की अनुमति देता है जिन्हें पहले मापना असंभव माना जाता था। यह ऐसा है जैसे यह महसूस करना कि दीवार चिकनी नहीं थी, बल्कि प्रकाश की लहरों से ढकी एक गुप्त कोडिंग से भरी थी जो केवल तभी प्रकट होती है जब आप सही लेंस के माध्यम से देखते हैं।
प्रकाश का गुप्त नृत्य
यह समझने के लिए कि यह कैसे काम करता है, आइए देखें कि कैमरे दुनिया को कैसे देखते हैं। अधिकांश कैमरे "फर्स्ट-ऑर्डर टेक्सचर" (प्रथम-क्रम की बनावट) पर निर्भर करते हैं। एक चेकरबोर्ड फर्श के बारे में सोचें। काले और सफेद वर्ग अलग-अलग रंग बनाते हैं, जो एक स्पष्ट पैटर्न बनाते हैं। जब कैमरा इस फर्श पर फोकस करता है, तो पैटर्न तीक्ष्ण (शार्प) होता है। जब यह आउट-ऑफ-फोकस होता है, तो पैटर्न धुंधला हो जाता है। पैटर्न के सबसे सटीक होने के क्षण को ढूंढकर, कैमरा जान जाता है कि फर्श कितनी दूर है। लेकिन यदि आप एक सादे सफेद दीवार को देखते हैं, तो वहां कोई काले या सफेद वर्ग नहीं होते। कैमरा एक सपाट, अपरिवर्तित ग्रे रंग देखता है, और हार मान लेता है, कहता है, "मैं यह नहीं बता सकता कि यह कितनी दूर है।"
इस शोध पत्र के लेखक तर्क देते हैं कि यह दृष्टिकोण अधूरा है क्योंकि यह प्रकाश तरंगों के भौतिकी की अनदेखी करता है। वे "सेकंड-ऑर्डर टेक्सचर" (द्वितीय-क्रम की बनावट) की अवधारणा पेश करते हैं। कल्पना करें कि सफेद दीवार वास्तव में मानव बाल की चौड़ाई से भी छोटे सूक्ष्म उभारों से ढकी है। ये उभार इतने छोटे हैं कि कैमरा लेंस उन्हें व्यक्तिगत पहाड़ियों के रूप में नहीं पहचान सकता; वे बस एक सपाट सतह की तरह दिखते हैं। हालाँकि, जब प्रकाश इन छोटे उभारों से टकराता है, तो यह "सब्जेक्टिव स्पेकल" (subjective speckle) नामक घटना पैदा करता है।
स्पेकल को समुद्र की लहरों या मुड़े हुए फॉयल पर सूरज की रोशनी पड़ने पर दिखने वाले चमकते, बदलते पैटर्न की तरह समझें। यह प्रकाश तरंगों के आपस में हस्तक्षेप (interference) के कारण होने वाला चमकीले और गहरे धब्बों का एक यादृच्छिक, उच्च-आवृत्ति वाला नृत्य है। एक मानक कैमरे में, यह नृत्य इतना तेज़ होता है और इसमें इतने सारे अलग-अलग रंग (तरंग दैर्ध्य) होते हैं कि कैमरा सब कुछ औसत (average) कर देता है, जिसके परिणामस्वरूप एक चिकनी, उबाऊ छवि मिलती है। कैमरा औसत चमक देखता है, जो केवल एक सपाट ग्रे रंग है।
शोध पत्र प्रस्तावित करता है कि यदि हम रंगों की एक बहुत ही विशिष्ट, संकीर्ण सीमा को अलग कर सकें—एक ऐसे फिल्टर का उपयोग करके जो केवल 10 से 100 नैनोमीटर चौड़ा हो—तो हम इस औसत प्रक्रिया को धीमा कर सकते हैं। यह एक रेडियो को सभी स्टेशनों के शोर भरे मिश्रण के बजाय एक एकल, स्पष्ट स्टेशन पर ट्यून करने जैसा है। जब कैमरा इस संकीर्ण फिल्टर के माध्यम से देखता है, तो स्पेकल का नृत्य औसत नहीं होता है। इसके बजाय, प्रकाश की स्वयं की "बनावट" दृश्यमान हो जाती है। अचानक, वह "चिकनी" सफेद दीवार प्रकाश और अंधेरे के उच्च-कंट्रास्ट वाले दानेदार पैटर्न से भर जाती है।
जादुई फिल्टर
शोधकर्ताओं ने केवल यह अनुमान नहीं लगाया कि यह काम करेगा; उन्होंने इसे साबित करने के लिए एक गणितीय सिद्धांत बनाया और फिर वास्तविक दुनिया में इसका परीक्षण किया। उन्होंने पाया कि एक मानक कैमरा लेंस के सामने एक नैरोबैंड स्पेक्ट्रल फिल्टर रखकर, वे इस सेकंड-ऑर्डर टेक्सचर को काफी बढ़ा सकते हैं।
अपने प्रयोगों में, उन्होंने उन वस्तुओं की तस्वीरें लीं जो नग्न आंखों को पूरी तरह से चिकनी दिखती थीं, जैसे कि एक सफेद प्लास्टिक की बोतल या एक सिरेमिक कप। बिना फिल्टर के, कैमरा गहराई का पता लगाने के लिए संघर्ष कर रहा था; छवियां धुंधली थीं और डेप्थ मैप त्रुटियों से भरे थे। लेकिन जब उन्होंने एक ऐसा फिल्टर जोड़ा जिसने प्रकाश के स्पेक्ट्रम के एक बहुत छोटे हिस्से (लगभग 10 नैनोमीटर चौड़ा) को गुजरने दिया, तो परिणाम नाटकीय थे। "टेक्सचरलेस" वस्तुएं अचानक एक समृद्ध, दानेदार बनावट प्रकट करने लगीं। कैमरा अब स्पष्ट रूप से देख सकता था कि कौन से हिस्से फोकस में हैं और कौन से आउट-ऑफ-फोकस हैं, जिससे उसे वस्तु के विस्तृत 3D आकार को पुनर्गठित करने में मदद मिली।
शोध पत्र दिखाता है कि यह सामान्य, रोजमर्रा की रोशनी, जैसे कि सूरज की रोशनी या इनडोर सीलिंग लाइटों में भी काम करता है। आपको किसी विशेष लेजर प्रोजेक्टर या अंधेरे कमरे की आवश्यकता नहीं है। "टेक्चर" हमेशा से वहीं था, प्रकाश की तरंग प्रकृति में छिपा हुआ, सही फिल्टर के प्रकट होने का इंतजार कर रहा था।
समझौता और भविष्य
बेशक, इसमें एक पेच है। ऐसे फिल्टर जो केवल रंग के एक छोटे से हिस्से को गुजरने देते हैं, वे बहुत सारा प्रकाश भी रोक देते हैं। इसका मतलब है कि कैमरा एक गहरा (डार्क) चित्र प्राप्त करता है, जिससे यह मुश्किल हो सकता है कि यदि छवि बहुत अंधेरी है तो क्या होगा (इसे लो सिग्नल-टू-नॉइज़ रेशियो की समस्या कहा जाता है)। शोधकर्ताओं ने पाया कि इसे ठीक करने के लिए, आपको बस कैमरे के शटर को थोड़ा अधिक समय तक खुला रखना होगा ताकि अधिक प्रकाश अंदर आ सके। भले ही छवि थोड़ी कम एक्सपोज्ड हो, लेकिन नई बनावट इतनी मजबूत होती है कि कैमरा अभी भी गहराई का पता लगा सकता है।
शोध पत्र यह भी बताता है कि यह तकनीक कहाँ काम नहीं करती है। यदि वस्तु ऐसी सामग्री से बनी है जो प्रकाश को अपने अंदर से गुजरने और बिखेरने देती है (जैसे मोम या पारभासी प्लास्टिक), तो प्रकाश का "नृत्य" गड़बड़ा जाता है, और बनावट गायब हो जाती है। इसी तरह, यदि प्रकाश स्रोत बहुत बड़ा और विसरित (diffuse) है (जैसे कि एक विशाल, बादलों वाला आसमान), तो स्पेकल पैटर्न देखना बहुत कठिन हो जाता है। लेकिन अधिकांश ठोस, अपारदर्शी वस्तुओं के लिए, यह विधि कारगर है।
यह खोज सुझाव देती है कि कंप्यूटर विज़न में "टेक्सचर" की परिभाषा में बड़े बदलाव की आवश्यकता है। हमें केवल सतह पर पेंट या उभारों को खोजने की आवश्यकता नहीं है; हम उस छिपी हुई, तरंग-आधारित बनावट को भी देख सकते हैं जो लगभग किसी भी खुरदरी सतह पर मौजूद होती है। एक साधारण, सस्ते फिल्टर का उपयोग करके, हम उन दृश्यों में गहराई देखने की क्षमता को अनलॉक कर सकते हैं जिन्हें पहले मैप करना असंभव माना जाता था। यह एक याद दिलाता है कि कभी-कभी, किसी समस्या का समाधान एक अधिक जटिल मशीन नहीं, बल्कि प्रकाश को देखने का एक थोड़ा अलग तरीका होता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।