What I'm going to show you first, as quickly as I can, is some foundational work, some new technology that we brought to Microsoft as part of an acquisition almost exactly a year ago. This is Seadragon, and it's an environment in which you can either locally or remotely interact with vast amounts of visual data.
Amit most megpróbálok minél gyorsabban bemutatni önöknek az egy alapítványi munka, egy új technológia ami egy vásárlás útján került a Microsoft birtokába majdnem pontosan egy évvel ezelőtt. Ez a Seadragon. Ez egy olyan környezet, amiben akár helyben, akár távolról hatalmas mennyiségű vizuális adatot kezelhetünk.
We're looking at many, many gigabytes of digital photos here and kind of seamlessly and continuously zooming in, panning through it, rearranging it in any way we want. And it doesn't matter how much information we're looking at, how big these collections are or how big the images are. Most of them are ordinary digital camera photos, but this one, for example, is a scan from the Library of Congress, and it's in the 300 megapixel range. It doesn't make any difference because the only thing that ought to limit the performance of a system like this one is the number of pixels on your screen at any given moment. It's also very flexible architecture. This is an entire book, so this is an example of non-image data. This is "Bleak House" by Dickens. Every column is a chapter. To prove to you that it's really text, and not an image, we can do something like so, to really show that this is a real representation of the text; it's not a picture. Maybe this is an artificial way to read an e-book. I wouldn't recommend it.
Itt most éppen nagyon-nagyon sok gigabájtnyi digitális fotót láthatnak zökkenőmentesen és folyamatosan tudunk nagyítani mozogni a tartalomban, vagy tetszésünk szerint átrendezni Egyáltalán nem számít, hogy mennyi információt is nézünk, hogy mekkorák ezek a gyűjtemények, vagy az egyes képek. Ezek legtöbbje általános digitális fotó, de ez az egy például a Kongresszusi Könyvtár scannelt anyaga, és nagyjából 300 megapixel felbontású. De ez sem jelent semmi különbséget mert az egyetlen dolog, ami a rendszer teljesítményét befolyásolja az a képernyőn éppen látható képpontok száma bármelyik időpillanatban. Ez a megoldás nagyon rugalmas. Ez itt egy teljes könyv, példa a nem képi adatokra. Dickens Puszta Ház című könyve. Minden oszlop egy fejezet. Hogy bizonyítsuk, hogy ez tényleg szöveg, és nem kép, csinálhatunk például így, hogy megmutassuk hogy ez tényleg szöveges tartalom; nem egy kép. Talán ez is egy lehetséges mód az e-könyv olvasásra. Én nem ajánlanám.
This is a more realistic case, an issue of The Guardian. Every large image is the beginning of a section. And this really gives you the joy and the good experience of reading the real paper version of a magazine or a newspaper, which is an inherently multi-scale kind of medium. We've done something with the corner of this particular issue of The Guardian. We've made up a fake ad that's very high resolution -- much higher than in an ordinary ad -- and we've embedded extra content. If you want to see the features of this car, you can see it here. Or other models, or even technical specifications. And this really gets at some of these ideas about really doing away with those limits on screen real estate. We hope that this means no more pop-ups and other rubbish like that -- shouldn't be necessary.
Ez egy sokkal élethűbb alkalmazás. A Guardian egyik száma. Mindegyik nagy kép egy rovat kezdete. Ez pedig az igazi élmény és szórakozás a dologban egy újság vagy magazin igazi nyomtatott változatát olvasni, amiben jellemzően mindennek más lehet a mérete. Egy kicsit módosítottuk ezt a sarkát a Guardian egyik nyomtatott számának. Lecseréltük ezt a hirdetést egy nagyon nagy felbontásúra -- sokkal nagyobb felbontásúra, mint amit ki lehetne nyomtatni -- és bele helyeztünk némi extra tartalmat. Ha látni szeretnék a kocsi paramétereit, itt megnézhetik. Vagy más modelleket, esetleg a műszaki adatait is. És így kezdenek ezzel a módszerrel megszűnni a képernyő méretek által szabott korlátok. Reméljük, hogy ezzel eltűnnek majd a felugró hirdetések és minden hasonló zavaró megoldás -- nem lesz rájuk szükség.
Of course, mapping is one of those obvious applications for a technology like this. And this one I really won't spend any time on, except to say that we have things to contribute to this field as well. But those are all the roads in the U.S. superimposed on top of a NASA geospatial image. So let's pull up, now, something else. This is actually live on the Web now; you can go check it out.
Persze a térképészet az egyik legkézenfekvőbb terület egy ilyen technológia alkalmazására. Erre igazán nem is akarok sok időt pazarolni, csak hogy ezen a területen is fel tudunk mutatni pár dolgot. Ez itt az USA teljes úthálózata ráhelyezve a NASA egyik föld képére. Hagyjuk most ezt, jöjjön valami más. Ez már mind elérhető a világhálón; próbálják csak ki.
This is a project called Photosynth, which marries two different technologies. One of them is Seadragon and the other is some very beautiful computer-vision research done by Noah Snavely, a graduate student at the University of Washington, co-advised by Steve Seitz at U.W. and Rick Szeliski at Microsoft Research. A very nice collaboration. And so this is live on the Web. It's powered by Seadragon. You can see that when we do these sorts of views, where we can dive through images and have this kind of multi-resolution experience.
Ennek a projektnek a neve Photosynth, két különböző technológia remek házassága. Az egyik közülük a Seadragon a másik pedig egy nagyon látványos kutatás amit a Washingtoni Egyetemen az egyik végzős diák, Noah Snavely végzett, Steve Seitz irányítása alatt a Microsoft kutatói közül pedig Rick Szeliskivel. Nagyon szép együttműködés. És ez is fent van az Interneten. Ezt is a Seadragon működteti. Láthatják, hogy mi jelenik meg ezekben a nézetekben, vessük magunkat a képek közé ez a többszörös felbontás különleges élménye.
But the spatial arrangement of the images here is actually meaningful. The computer vision algorithms have registered these images together so that they correspond to the real space in which these shots -- all taken near Grassi Lakes in the Canadian Rockies -- all these shots were taken. So you see elements here of stabilized slide-show or panoramic imaging, and these things have all been related spatially. I'm not sure if I have time to show you any other environments. Some are much more spatial. I would like to jump straight to one of Noah's original data-sets -- this is from an early prototype that we first got working this summer -- to show you what I think is really the punch line behind the Photosynth technology, It's not necessarily so apparent from looking at the environments we've put up on the website. We had to worry about the lawyers and so on.
Viszont itt a képek térbeli elrendezése lényeges igazán. A képeket a számítógépes látvány-algoritmusok rendezték el, olyan módon, ahogyan a valós térben is elhelyezkednek -- mind a Grassi Tónál készült a kanadai Sziklás hegységben. Ezek itt fotó részletek egy összetett diavetítésben, vagy egy panoráma képben. és mind térbeli kapcsolatban állnak egymással. Nem vagyok benne biztos, hogy az idő elég más helyeket mutatni. Vannak, amik ennél sokkal térbelibbek. Rögtön át is ugrok Noah egyik eredeti adat halmazára -- és ez még egy korai Photosynth prototípusból való amivel a nyáron dolgoztunk először -- megmutatom, mit tartok én ennek a technológiának a valós értelmének, a Photosynth értelme. Talán nem látja mindenki rögtön azokon a helyszíneken, amiket feltettünk a weboldalra. Tartottunk az ügyvedektől és a perektől.
This is a reconstruction of Notre Dame Cathedral that was done entirely computationally from images scraped from Flickr. You just type Notre Dame into Flickr, and you get some pictures of guys in T-shirts, and of the campus and so on. And each of these orange cones represents an image that was discovered to belong to this model. And so these are all Flickr images, and they've all been related spatially in this way. We can just navigate in this very simple way.
Ez a Notre Dame katedrális modellje amit teljes egészében számítógép generált a Flickrről letöltött képekből. Csak beírják a Flickren, hogy Notre Dame, és felhoz néhány képet pólós srácokról, és a környékről és így tovább. Mindegyik narancssárga kúp egy képet jelez ami ehhez a modellhez tartozik. Nos ezek itt a képek a Flickr-ről, és így viszonyulnak egymáshoz a térben. Ennyire egyszerűen tudunk köztük navigálni.
(Applause)
(Taps)
(Applause ends)
You know, I never thought that I'd end up working at Microsoft. It's very gratifying to have this kind of reception here.
Tudják, én sosem hittem, hogy a Microsoftnál fogok egyszer dolgozni. Örülök, hogy ilyen remek fogadtatásban részesül.
(Laughter)
(Nevetés)
I guess you can see this is lots of different types of cameras: it's everything from cell-phone cameras to professional SLRs, quite a large number of them, stitched together in this environment. If I can find some of the sort of weird ones -- So many of them are occluded by faces, and so on. Somewhere in here there is actually a series of photographs -- here we go. This is actually a poster of Notre Dame that registered correctly. We can dive in from the poster to a physical view of this environment.
Gondolom mind látják ezek mind más fényképezőgéppel készültek: van köztük mindenféle, mobiltelefontól profi fényképezőgépig. elég sok féle, összeillesztve egymás mellé ebben a térben. És talán megtalálok párat a furcsábbak közül is. Egy csomó képbe belógnak arcok, és ilyesmi. Van itt valahol egy olyan sorozat is néhány képpel -- itt is van. Ez egy poszter a Notre Dame-ról, ami tökéletesen illeszkedik a modellre. Át tudunk váltani más képekre a poszterről is egy másik, fizikai nézetre ebben a térben.
What the point here really is is that we can do things with the social environment. This is now taking data from everybody -- from the entire collective memory, visually, of what the Earth looks like -- and link all of that together. Those photos become linked, and they make something emergent that's greater than the sum of the parts. You have a model that emerges of the entire Earth. Think of this as the long tail to Stephen Lawler's Virtual Earth work. And this is something that grows in complexity as people use it, and whose benefits become greater to the users as they use it. Their own photos are getting tagged with meta-data that somebody else entered. If somebody bothered to tag all of these saints and say who they all are, then my photo of Notre Dame Cathedral suddenly gets enriched with all of that data, and I can use it as an entry point to dive into that space, into that meta-verse, using everybody else's photos, and do a kind of a cross-modal and cross-user social experience that way. And of course, a by-product of all of that is immensely rich virtual models of every interesting part of the Earth, collected not just from overhead flights and from satellite images and so on, but from the collective memory.
A lényeg itt az, hogy rendkívüli dolgokat tehetünk a társadalmi közegben. Mindenkitől szerezhetünk információkat -- az egész össz-közösségi emléktárból vizuálisan felépítve, ahogy a Föld kinéz -- és mindezt összekapcsolhatjuk. Az összes fotót összekapcsolja, és valami rendkívülit eredményez ami sokkal nagyobb az alkotóelemei összességénél. Van egy modell, ami magába foglalja a teljes Földet. Gondoljanak rá úgy, mint Stephen Lawyer Virtuális Föld munkája. És ez valami olyan, ami folyamatosan növekszik ahogy az emberek használják, és egyre hasznosabbá válik a felhasználói számára. Mindenki fotói meta-adatokkal gazdagodnak amiket mások adnak hozzájuk. Ha valaki mindegyik szentet beazonosítaná és megmondaná, hogy kicsodák, akkor a fotóm a Notre Dame katedrálisról hirtelen gazdagodna mindezzel az információval, és használhatom kiindulópontként, hogy belépjek ebbe a térbe, ebbe a meta-verzumba, ami mindenki más fotójából építkezik, ezzel egy módok közti és felhasználók közti közösségi élményt hoz létre. És persze mindezek melléktermékei rendkívül gazdag látvány modellek a Föld minden érdekes területéről, ami nem csak légifelvételekből és műhold képekből áll hanem a kollektív emlékezetből épül fel.
Thank you so much.
Nagyon szépen köszönöm.
(Applause)
(Taps)
(Applause ends)
Chris Anderson: Do I understand this right? What your software is going to allow, is that at some point, really within the next few years, all the pictures that are shared by anyone across the world are going to link together?
Chris Anderson: Jól értem? A szoftveretek lehetővé teszi, valamikor a következő pár éven belül, hogy minden az emberek által megosztott kép a világon lényegében összekapcsolódjon egymással?
BAA: Yes. What this is really doing is discovering, creating hyperlinks, if you will, between images. It's doing that based on the content inside the images. And that gets really exciting when you think about the richness of the semantic information a lot of images have. Like when you do a web search for images, you type in phrases, and the text on the web page is carrying a lot of information about what that picture is of. What if that picture links to all of your pictures? The amount of semantic interconnection and richness that comes out of that is really huge. It's a classic network effect.
BAA: Igen. Amit ez igazából jelent, az a felfedezés. Ha úgy tetszik, hiperhivatkozások jönnek létre, a képek között. És pontosan ezt csinálja a képek tartalma közötti kapcsolat alapján. Ez akkor válik igazán izgalmassá, ha a tartalmi információ gazdagságára gondolnak, ami ezekben a képekben rejlik. Például amikor a weben képeket keres, begépel egy kifejezést, és a honlapokon levő szöveg hordoz egy csomó információt arról, hogy milyen kép is az. Mi lenne, ha maguk a képpek hivatkoznának egymásra? Akkor a tartalmi összefüggések mértéke és a vele együtt járó gazdagság mértéke igazán hatalmas lenne. Ez a klasszikus hálózati hatás. CA: Blaise, ez igazán bámulatos. Gratulálok.
CA: Truly incredible. Congratulations.
BAA: Köszönöm szépen.