CVPR 2022 Best Paper Honorable Mention: Dual-Shutter Optical Vibration Sensing

TLDR:彼らは、振動する表面上でカメラとレーザー ビームを使用して音を再構築し、楽器を分離したり、特定のスピーカーに焦点を合わせたり、周囲のノイズを除去したり、その他多くの素晴らしいアプリケーションを可能にします。

ビデオを見て詳細を確認し、驚くべき結果を聞いてください!

参考文献

►記事全文を読む: https://www.louisbouchard.ai/cvpr-2022-best-paper /
►Sheinin、Mark と Chan、Dorian と O'Toole、Matthew と Narasimhan、
Srinivasa G.、2022 年、デュアルシャッター光振動センシング、Proc. IEEE
CVPR。
►プロジェクトページ： https ://imaging.cs.cmu.edu/vibration/
►マイ ニュースレター (毎週メールで説明される新しい AI アプリケーション!): https://www.louisbouchard.ai/newsletter/

ビデオトランスクリプト

0:00

今年はcvprに参加する機会がありました

0:02

直接参加し、素晴らしい最高の

0:05

これで論文賞発表

0:07

私がカバーしなければならなかった素晴らしい紙

0:09

デュアルシャッターオプティカルと呼ばれるチャネル

0:12

マーク・シャニン・ドリアンによる振動感知

0:15

チャン・マシュー・オトゥールとスリニヴァサ

0:18

ナラシンハン一文で彼ら

0:21

カメラを使って音を再構築する

0:23

あらゆる振動面にレーザービーム

0:26

彼らが音楽を分離できるようにする

0:28

特定のスピーカーに焦点を当てたインストゥルメント

0:30

周囲のノイズなどを除去

0:33

素晴らしいアプリケーションの方法を詳しく見てみましょう

0:35

彼らはそれを達成し、いくつかのクレイジーを聞きます

0:37

結果ですが、最初に1分間許可してください

0:40

あなたを紹介するあなたの時間

0:41

素晴らしい会社がこれのスポンサーです

0:44

ビデオ アセンブリ ai アセンブリ ai は a

0:47

の正確な API を提供する会社

0:49

スピーチからテキストへの変換とオーディオ インテリジェンス

0:52

それらのAPIを使用して自動的に

0:54

音声を転写して理解する

0:56

わずか数行のコードで動画データを

0:58

自動的に非同期に変換します

1:00

ライブ オーディオ ストリームをテキストに変換

1:03

非常にやりがいのあること

1:05

通常は堅牢で、

1:07

もちろん高価なモデルは止まりません

1:10

ここでは、アセンブリ ai も処理します

1:12

オーディオデータと有益な機能を持っています

1:15

簡単にできる表現

1:17

次のようなテキストベースの機能を追加します

1:19

要約コンテンツ モデレート トピック

1:21

検出とそれ以上のオールインワンなら

1:24

音声を理解または書き起こす必要がある

1:26

またはビデオデータを使用してアセンブリ ai を試してください

1:29

下の最初のリンク

1:33

この例を聞くことから始めましょう

1:35

メソッドが達成できること

1:38

[音楽]

1:53

二人の声がはっきりと聞こえた

1:54

各オーディオトラックの個々のギター

1:57

これは録音された音を使用して作成されたものではありません

2:00

しかし、レーザーと2台のカメラが装備されています

2:02

ローリングシャッターセンサーとグローバルシャッターセンサーを搭載

2:05

それぞれ、これに取り組むようです

2:08

ビジョンを介したタスクにより、はるかに簡単になります

2:10

オーディオトラックを分割しようとするよりも

2:12

記録した後、それはまた、私たちができることを意味します

2:15

メガネを通して何でも記録する

2:18

ここで彼らが使用した振動する物体

2:21

スピーカー自体に対する彼らの方法

2:23

左右のスピーカーを分離する

2:25

一方、マイクは自動的に

2:27

両方を録音し、オーディオ トラックをブレンドします。

2:41

[音楽]

2:45

通常、この種のスパイ技術

2:48

視覚振動測定と呼ばれる必要があります

2:51

完璧な照明条件と

2:52

のように見える高速度カメラ

2:54

高速をキャプチャするカモフラージュ スナイパー

2:56

ここでは最大 63 キロヘルツの振動

3:00

彼らは同様の結果を達成します

3:02

60 ヘルツと 130 ヘルツ専用に構築されたセンサー

3:06

さらに優れた処理が可能です

3:08

複数のオブジェクトを一度に

3:11

多くのことを必要とする非常に困難なタスク

3:13

それを作るためのエンジニアリングと素晴らしいアイデア

3:16

たまたま、彼らは単に記録していません

3:18

ビデオを

3:20

モデルを自動的に作成し、

3:22

最初に必要なオーディオを分離します

3:24

彼らが受けるレーザーを理解し、

3:26

それを正しく処理します 彼らはレーザーを向けます

3:29

表面的に聞くと、これ

3:32

レーザーが表面から反射して

3:34

フォーカス プレーン このフォーカス プレーンは、

3:37

からではなく、私たちの情報を取得します

3:39

楽器や物自体

3:42

の小さな振動を分析します

3:44

レーザーを通して興味のあるオブジェクト

3:46

のような表現を作成する応答

3:49

これ

3:50

この二次元レーザー応答

3:52

と呼ばれる当社のカメラでカットされたパターン

3:54

斑点は、両方のグローバルに処理されます

3:58

ローカルで 2 台のカメラを使用して

4:01

ローカル カメラまたはローリング シャッター

4:03

カメラはわずか 60 でフレームをキャプチャします

4:06

fpsなので、複数の写真を撮ります

4:08

y 軸上でロールして、

4:11

本当にうるさくて不正確な 63 キロヘルツ

4:14

表現 これはグローバルな場所です

4:16

シャッターカメラが必要な理由

4:18

斑点のある画像のランダム性

4:21

オブジェクトの粗さによる

4:23

表面とその動き

4:25

基本的に全体のスクリーンショットを撮ります

4:27

で使用したのと同じスペックル画像

4:29

最初のカメラで、この新しい画像を

4:32

分離する参照フレームのみ

4:34

ローリングからの関連する振動

4:37

シャッターキャプチャー

4:38

ローリングシャッターカメラがサンプリングします

4:40

シーンの行ごとに高い

4:42

グローバルシャッター中の周波数

4:44

カメラはシーン全体をサンプリングします

4:47

一度参照フレームとして機能し、

4:49

このプロセスを全体で繰り返します

4:51

ビデオ

4:52

ほら、これが彼らができる方法です

4:55

録音抽出物からの音の分割

4:57

単一の機器のみが周囲を削除します

5:00

ノイズから音声を再構築することさえできます

5:02

ポテトチップスの袋の振動

5:05

メアリーは子羊を飼っていましたが、この葉は

5:08

雪のように白い もちろんこれはただの

5:10

この素晴らしい論文の簡単な概要と

5:12

私はあなたにそれを読むことを強く勧めます

5:14

詳細情報 おめでとうございます

5:16

名誉ある言及の機関 i

5:18

イベントに参加して見てよかった

5:21

プレゼンテーションライブ、とても楽しみです

5:23

この論文が将来出版するもの

5:25

私もあなたをダブルに招待します

5:27

可能性のあるチップの袋をすべてチェックしてください

5:29

窓の近くに残すか、そうでなければいくつか

5:31

人々はあなたの言うことを聞くかもしれません

5:34

あなたはビデオ全体を見てくれて、

5:36

あなたがこの技術をどのように応用するか知っています

5:38

潜在的なリスクや

5:40

議論したいエキサイティングなユースケース

5:42

これらとあなたとの特別な感謝

5:45

イベントに招待してくれたcvpr

5:47

ニューオーリンズに来て本当に良かった

5:49

私はすべての研究者と企業と

5:52

来週また会いましょう

素晴らしい紙