Você não precisa de superpoderes para ver o que está escondido na esquina; Tudo o que você precisa é dos algoritmos certos, software básico de computação e uma câmera digital comum, mostrou uma equipe de pesquisadores em um artigo publicado na revista Nature .
Inventar maneiras eficientes de identificar objetos fora da linha de visão de um humano é um objetivo comum para os cientistas que estudam desde carros autônomos até equipamentos militares. Em sua forma mais simples, isso pode ser feito usando um periscópio, que é um tubo com múltiplos espelhos que redirecionam a luz. Esforços anteriores para levar este dispositivo físico à era digital envolvia o uso de equipamentos sensíveis e de alta tecnologia para medir o tempo que a luz leva para acertar um sensor, permitindo aos pesquisadores aproximar a posição relativa, o tamanho e a forma do objeto oculto. Embora essas técnicas façam o trabalho, é difícil aplicá-las ao uso diário por causa de seu custo e complexidade, observa o principal autor do estudo, Vivek Goyal, engenheiro elétrico da Universidade de Boston.
Estudos anteriores mostraram que uma câmera digital comum poderia ser usada para recriar imagens 1-D de objetos fora da vista. Goyal e sua equipe decidiram expandir essa técnica e criar imagens em 2-D.
Uma representação da configuração do laboratório para o experimento (Charles Saunders / Nature) O experimento funcionou assim: a equipe apontou uma câmera digital para uma parede branca. Então, em um canto que fica paralelo à câmera, eles posicionaram uma tela de LCD para enfrentar a mesma parede branca. A tela mostrava uma imagem 2D simples - nesse caso, um cogumelo da Nintendo, um emoticon amarelo com um chapéu vermelho para os lados ou as letras BU (para a Boston University) em fonte grande e em negrito. A parede branca funcionava como um espelho em um periscópio. Ao usar a longa exposição ao tirar uma foto com a câmera, a equipe captou o suave borrão de luz que brilhava na parede branca da tela.
No entanto, há uma razão pela qual uma parede branca parece branca, diz Goyal. Ao contrário de um espelho - que reflete a luz em uma direção específica - uma parede espalha luz refletida em todos os ângulos diferentes, tornando qualquer imagem recriada uma bagunça ininteligível de cores pixeladas a olho nu. Surpreendentemente, é mais fácil recriar a imagem oculta quando há algo bloqueando, também chamado de objeto oclusivo.
O objeto oclusivo - para este estudo, um painel semelhante a uma cadeira - permitiu à equipe recriar uma imagem usando a ciência do penumbra, um fenômeno cotidiano criado quando a luz projeta sombras parciais em uma espécie de halo ao redor de um objeto opaco.
"Penumbri estão em toda parte", diz Goyal. “[Se] você está sentado em algum lugar com iluminação fluorescente, porque a sua iluminação não é de um único ponto, os objetos não estão projetando sombras nítidas. Se você estender a mão ... você verá um monte de sombras parciais em vez de sombreamento completo. ”Em essência, essas sombras parciais são todas penumbra.
Então, mesmo que o objeto oclusivo tenha bloqueado parte da imagem, as sombras forneceram mais dados para o algoritmo. A partir daí, inverter o caminho da luz exigiu apenas física simples.
É provável que pareça ilógico e complicado, mas a engenheira eletrotécnica Genevieve Gariepy, que estudou imagens sem linha de visão ao concluir seu doutorado na Heriot-Watt em Edimburgo, descreveu-a como um jogo de alta tecnologia com 20 perguntas. Essencialmente, o objeto oclusivo neste experimento funciona da mesma maneira que uma boa pergunta no jogo.
“O problema inverso em [20 perguntas é] adivinhar com quem estou pensando”, explica ela. “Se nós jogarmos o jogo e eu pensar em ... digamos, Donna Strickland, que acabou de ganhar o Prêmio Nobel de Física. Se você me perguntar 'Ela é uma mulher? Ela está viva? é muito complicado porque [essas descrições podem se aplicar a] tantas pessoas. Se você me perguntar "Ela ganhou um Prêmio Nobel?" então fica muito mais fácil adivinhar em quem eu estou pensando ”.
As medições iniciais pareciam borrões negros, então Goyal e sua equipe estavam longe de certos de que sua técnica produziria uma imagem clara. "Nós tínhamos certeza de que algo era possível, [mas poderia ter sido] realmente terrível em termos de qualidade", diz Goyal.
Então, quando a primeira recriação veio em detalhes, foi “uma grande surpresa agradável”, diz Goyal. Embora a imagem esteja longe de ser perfeita, as letras são legíveis, as cores são claras e até o rosto do emoticon amarelo era identificável. A equipe conseguiu obter o mesmo nível de precisão ao trabalhar com vídeo simples.
Goyal está mais animado com a natureza acessível dessa tecnologia. "Nossa técnica [usa] hardware convencional", diz ele. “Você poderia imaginar que poderíamos escrever um aplicativo para um celular que faz essa geração de imagens. O tipo de câmera que usamos não é fundamentalmente diferente de uma câmera de celular. ”
Tanto Goyal quanto Gariepy concordam que um dos usos futuros mais prováveis dessa tecnologia seria em veículos autônomos. Atualmente, esses veículos têm humanos vencidos por serem capazes de sentir o que está diretamente ao redor deles por todos os lados, mas o alcance desses sensores não excede o campo de visão humano médio. Incorporar essa nova tecnologia pode levar os carros ao próximo nível.
“Você poderia imaginar [um carro] ser capaz de sentir que há uma criança do outro lado de um carro estacionado, ou ser capaz de perceber quando você se aproxima de um cruzamento em um desfiladeiro urbano que há tráfego cruzado que não está na sua linha de visão ”, diz Goyal. "É uma visão otimista, mas não irracional".
