新开发的相机可以在没有镜头的情况下拍摄对焦照片

maver

由于物理限制，相机只能变得如此之小，然后它们根本无法再缩小。但新的无镜头相机设计可能会改变这一点。

研究人员也一直在稳步转向计算方法，而不是依赖于与图像传感器相距一定距离的光学器件，以便将光聚焦在其上。

在日本东京工业大学，科学家们一直在努力将机器学习应用于相机可能根本不需要镜头的想法。就像寒武纪照相机或太阳望远镜一样，它只需要一种新的方式来观察光线。虽然这种研究已经进行了多年，但一种新方法正在应用机器学习来使图像更加集中和逼真。

虽然大多数无镜头相机的设计依赖于通过掩模与光交互的图像传感器，然后是测量光以重建图像的算法，但新方法通过应用机器学习来分析每个像素和它们如何相互影响。使用这些数据，然后应用卷积神经网络 (CNN) 来重建图像。

问题是当图像出现时，它不够清晰，无法提供任何细节或定义，而不需要大量的力量和精力来解决计算问题。如果没有镜头来聚焦光线，图像传感器只会接收到光数据的编码图案的斑点，这些图案在掩模本身上相互作用。因此，传感器必须消耗大量计算能力才能从该数据中重建图像。

“CNN 根据相邻‘局部’像素的关系处理图像，而无透镜光学系统通过称为‘复用’的属性，将场景中的局部信息转换为图像传感器所有像素上的重叠‘全局’信息，”研究人员解释。

这就是新方法的用武之地。使用“视觉转换器”阵列，可以在整个图像传感器上应用全局推理，以便在光线照射到传感器时识别和分析光线。

“该算法的新颖之处在于具有重叠‘补丁化’模块的多级变压器块的结构，”研究人员在发表于Phys并由DPReview发现的论文中解释道。

“这使它能够有效地学习分层表示中的图像特征。因此，所提出的方法可以很好地解决复用特性，避免传统基于 CNN 的深度学习的局限性，从而实现更好的图像重建。”

这种新方法远远超出了 CNN 过程，并且依赖于神经网络和这些连接的转换器，但结果产生的错误减少了，同时分析和重建所需的时间和资源也更少。因此，可以像使用传统相机一样实时拍摄无镜头照片，并且研究表明，随着进一步的发展，可以产生具有更高清晰度和细节的更高质量的图像。

此外，无镜头相机可以变得超小型，这一直是无镜头相机研究的既定目标。如果相机在光弯曲和拍摄聚焦图像所需的距离方面不必遵守物理规则，那么相机可以变得多小就没有限制。总体而言，lenless 相机研究在 2013 年已经产生了一个像素宽的相机图像，如果这种新方法可以超越到微米级别，那么相机可能会小到看不见。剩下的就是改进方法。

“没有镜头的限制，无镜头相机可以是超小型的，”东京工业大学的 Masahiro Yamaguchi 教授说，“这可以实现超出我们想象的新应用。”