AI カメラがレンズの設計方法を変える理由

長い間、カメラの開発は非常に単純なロジックに従っていました。

より良いセンサー → より高い解像度 → より良いカメラ。

そこにAIが登場しました。

突然、カメラは何が起こったかを記録するだけではなくなりました。

それを理解することが期待されていました。

防犯カメラでは、人物と車両を区別する必要がある場合があります。ロボットは障害物を認識する必要がある場合があります。ドローンは高速で移動しながら周囲の状況を理解する必要があるかもしれません。

そして、これは十分な注目を集めない問題を引き起こします。

AI はカメラから与えられる視覚情報のみを処理できます。

優れたアルゴリズムでは、光学システムが決して捕捉しなかった詳細を復元することはできません。

AI がカメラのレンズの設計方法を静かに変えているのはこのためです。

AI によって劣悪な光学製品がなくなるわけではない

ますます強力になる AI モデルが平凡なカメラを補ってくれるだろうと考えたくなります。

コンピューテーショナル・フォトグラフィーが役立つ場合もあります。

ノイズを低減すると画像が改善されます。

シャープにすることでエッジをより強く見せることができます。

AI の強化により、視覚的にもっともらしい詳細を再構築できます。

ただし、画像の見栄えを良くすることと、よりリアルな情報を取得することの間には違いがあります。

光学解像度が低いためにオブジェクトが著しくぼやけている場合、ソフトウェアは元の細かいディテールを確実に再現できません。

夜の画像に使用可能な信号がほとんど含まれていない場合、アルゴリズムは単純に信頼できる視覚的証拠を作り出すことができません。

これは、画像が娯楽目的ではないセキュリティおよび産業用途で特に重要です。

意思決定を行うために使用されています。

低照度でのパフォーマンスが AI の要件になりつつある

AI カメラにとって最大の課題の 1 つは、低照度です。

人間は薄暗い環境でも合理的な判断ができることがよくあります。

コンピュータ ビジョン システムはそれほど寛容ではありません。

照度が低下すると、カメラは通常、次のような状況に直面します。

・センサーノイズの増加

・コントラストが低い

モーションブラー

・色情報の損失

エッジ定義の低減

これらの問題は、AI の検出と分類に直接影響を与える可能性があります。

夜に駐車場を歩いている人を考えてみましょう。

明るいシーンでは、AI は人の輪郭、服装、動き、周囲の環境について明確な情報を持っている可能性があります。

照明が不十分なシーンでは、同じ人物が騒々しいシルエットになる場合があります。

アルゴリズムが突然愚かになったわけではありません。

入力の解釈が非常に難しくなりました。

これが、大口径で低照度の光学設計が AI ビジョン システムとの関連性を高めている理由の 1 つです。

ピクセルが小さいほど光学的需要が大きくなる

最新のセンサーはピクセル密度を高め続けています。

これにより、より多くの画像データが作成されますが、レンズに対する要求も大きくなります。

ピクセルが小さいと、より微細な空間ディテールを解決するために光学システムが必要になる場合があります。

レンズが対応できない場合、ピクセルを追加しても利益は減少します。

システムは比較的小さな視覚的特徴に依存する可能性があるため、これは AI カメラにとって特に重要です。

人間は、その全体的な形状から物体を認識することがあります。

AI モデルは、微妙なパターン、エッジ、テクスチャ、または色の関係に依存する場合があります。

したがって、レンズは、これらの機能がイメージング パイプライン全体で生き残るために十分にきれいな画像を提供する必要があります。

これが、光学設計とセンサーの選択を同時に行う必要性がますます高まっている理由の 1 つです。

広角レンズは AI との興味深いトレードオフを生み出します

AI カメラは多くの場合、広い視野を必要とします。

ロボットは周囲の環境を理解する必要があります。

ドローンには状況認識が必要です。

防犯カメラは広いエリアをカバーする必要があります。

では、単純にレンズを広げてみてはいかがでしょうか?

なぜなら、広角光学系にはそれ自体の課題があるからです。

視野が広がるにつれて、設計者は以下を管理する必要があります。

・ディストーション

・エッジ解像度

・相対照度

・色収差

画像ジオメトリ

非常に広角のレンズは、より多くの環境を捉えることができますが、エッジ付近の画質は低くなります。

人間が見る場合には許容範囲かもしれません。

AI の場合はさらに複雑になる可能性があります。

画像の端付近のオブジェクトが大きく歪んでいるかぼやけている場合、アルゴリズムはすでに劣化している視覚情報を解釈する必要があります。

これにより、基本的な設計上のトレードオフが生じます。

より広い視野とより使いやすい詳細。

正しい答えはアプリケーションによって異なります。

ロボット工学: レンズは知覚システムの一部になりつつある

身体型 AI の台頭により、この問題はさらに深刻化しています。

ロボットには次のことを尋ねる余裕はありません。

「誰か電気をつけてくれませんか？」

与えられた環境で動作しなければなりません。

その環境には次のものが含まれる可能性があります。

・影

・照明ムラ

・反射面

・狭いスペース

人を動かす

異なる距離にあるオブジェクト

したがって、カメラはロボットの認識システムの一部です。

ロボットビジョンの場合、レンズ設計では以下を考慮する必要があります。

視野

・ディストーション

低照度でのパフォーマンス

・解像度

奥行き知覚の要件

サイズと重量

美しい実験室画像を生成するレンズが、必ずしも移動ロボットに適したレンズであるとは限りません。

完璧なデモよりも、現実世界の信頼性が重要です。

UAV とドローンには異なる光学バランスが必要

ドローンは別の興味深い課題を生み出します。

ドローンカメラには次のものが必要になる場合があります。

広い視野 + 軽量 + 優れた解像度 + 低照度機能。

それは難しい組み合わせです。

広い視野は、ドローンが周囲の環境を理解するのに役立ちます。

軽量なので飛行効率が向上します。

優れた解像度はオブジェクトの識別に役立ちます。

夜明け、夕暮れ、屋内飛行、または困難な気象条件では、低照度でのパフォーマンスが重要になります。

FPV システムには別の要件が追加されます。

イメージは即時性を感じる必要があります。

モーションブラー、不十分な露出、過度の画像の歪みは、パイロットの視覚に悪影響を与える可能性があります。

これが、ドローンのレンズ設計が、単なる焦点距離の選択ではなく、最適化の問題になることが増えている理由です。

AI 監視は検出から理解へと移行しています

監視カメラは、この変化の最も明確な例の 1 つを示しています。

従来の監視では次のことが求められました。

「何か動きましたか？」

現代の AI 監視では次のことが求められます。

誰が引っ越したのですか？

これは何の乗り物ですか?

どの方向に進んでいますか?

どんな物体が運ばれているのか？

その行動は異常ですか?

イベントの前後に何が起こりましたか?

分析が高度になればなるほど、元の画像の価値が高まります。

このため、フルカラーの低照度イメージングが注目を集めています。

色は次のような有益な情報を提供します。

車両の分類

服装の識別

物体認識

・情景理解

赤外線は非常に暗い環境でも依然として非常に役立ちますが、可視周囲光が利用できる場合、大口径光学システムは、カメラがモノクロ暗視に切り替わったときに消えてしまう情報を保存するのに役立ちます。

レンズはデータ品質のコンポーネントになりつつある

これはおそらく、AI が光学工学にもたらす最大の変化です。

歴史的に、レンズは画像コンポーネントとして扱われることがよくありました。

現在では、それらはデータ品質コンポーネントとしてますます考慮されるべきです。

カメラがデータをキャプチャします。

レンズは、どれだけの有用な光学情報がセンサーに届くかを決定します。

センサーはその情報を電気信号に変換します。

ISP がそれを処理します。

AI モデルがそれを解釈します。

最初の段階が弱いと、その後のすべての段階でさらに努力する必要があります。

それは必ずしも良い戦略であるとは限りません。

通常、後で情報を修復しようとして膨大な計算リソースを費やすよりも、最初により良い情報を取得する方が良いでしょう。

これはレンズ設計にとって何を意味しますか?

将来の AI カメラ レンズは、個別の仕様ではなく、アプリケーション要件に基づいて設計される可能性が高くなります。

エンジニアは次のことを考慮する必要がある場合があります。

センサー固有の光学設計

レンズは単にセンサー形式をサポートするのではなく、実際のセンサー特性と一致する必要があります。

低照度でのパフォーマンスの向上

AI システムは、照明が限られている場合でも、使用可能な視覚情報を必要とします。

より一貫したエッジパフォーマンス

広角システムでは、画像の中心だけでなく、画像全体にわたって使用可能な情報が必要です。

制御されたねじれ

一部のアプリケーションは歪みを許容できます。他の人はできません。

熱安定性

ロボット、車両、ドローン、屋外カメラは、広い温度範囲で動作する場合があります。

アプリケーション固有の最適化

理想的なセキュリティ レンズは、必ずしも理想的なロボット レンズであるとは限りません。

未来は、実行する必要のある仕事を中心に設計された光学システムに属します。

ボシ光学 で私たちが学んでいること

でボシ光学、当社はセキュリティ監視、自動車用画像処理、医療用画像処理、スマート デバイス、その他の光学アプリケーションに取り組んでいます。この範囲のアプリケーションでは、特に明らかなことが 1 つあります。

「良いレンズ」の普遍的な定義はありません。

広角レンズは、あるカメラには優れていても、別のカメラにはまったく適さない場合があります。

高解像度のレンズは、低コストの監視システムには不要かもしれませんが、マシンビジョンには不可欠です。

大口径レンズは夜間監視用途には重要ですが、制御された産業環境ではそれほど重要ではありません。

カメラが AI システムの一部になるにつれて、このアプリケーションファーストのアプローチはますます重要になります。

レンズは、単に製品シート上で印象的に見える仕様に基づいて設計されるのではなく、AI が受け取る必要がある情報に基づいて設計される必要があります。

未来：「はっきり見える」から「役に立つ」へ

AIはカメラの目的を変えつつあります。

カメラはもはや魅力的な画像を生成するためだけに存在するものではありません。

情報を提供するために存在します。

それにより光学的な優先順位が変わります。

質問はもはや次のようなものだけではありません。

「このレンズはどれくらい鮮明ですか？」

それは次のようになります:

「このレンズは、システムの実際のタスクに対して信頼できる視覚情報を提供しますか?」

安全のため、それは夜間の人の外見を保つことを意味するかもしれません。

ロボット工学の場合、これは広い視野にわたって物体認識を維持することを意味する場合があります。

ドローンの場合、広角の知覚と低照度でのパフォーマンスのバランスをとることを意味するかもしれません。

産業上のビジョンにとって、それは小さな欠陥を一貫して解決することを意味するかもしれません。

AI 革命はアルゴリズムによって推進される可能性がありますが、アルゴリズムにはまだ注目すべき点が必要です。

だからこそ、AI ビジョンの将来も光学によって形作られることになるのです。