Por qué las cámaras con IA están cambiando la forma en que se diseñan las lentes
Durante mucho tiempo, el desarrollo de cámaras siguió una lógica bastante simple:
Mejor sensor → mayor resolución → mejor cámara.
Entonces la IA entró en escena.
De repente, la cámara ya no se limitaba a grabar lo sucedido.
Se esperaba que lo entendiera.
Es posible que sea necesario utilizar una cámara de seguridad para distinguir a una persona de un vehículo. Es posible que un robot necesite reconocer un obstáculo. Es posible que un dron necesite comprender su entorno mientras se mueve a alta velocidad.
Y esto crea un problema que no recibe suficiente atención:
La IA sólo puede funcionar con la información visual que le proporciona la cámara.
Un algoritmo brillante no puede recuperar detalles que el sistema óptico nunca capturó.
Es por eso que la IA está cambiando silenciosamente la forma en que se diseñan las lentes de las cámaras.
La IA no hace desaparecer la mala óptica
Resulta tentador pensar que modelos de IA cada vez más potentes compensarán las cámaras mediocres.
A veces la fotografía computacional puede ayudar.
La reducción de ruido puede mejorar una imagen.
El afilado puede hacer que los bordes parezcan más fuertes.
La mejora de la IA puede reconstruir detalles visualmente plausibles.
Pero existe una diferencia entre hacer que una imagen se vea mejor y capturar información más real.
Si un objeto está muy borroso debido a una resolución óptica deficiente, el software no puede recrear de manera confiable los detalles finos originales.
Si una imagen nocturna casi no contiene ninguna señal utilizable, un algoritmo no puede simplemente inventar evidencia visual confiable.
Esto es particularmente importante para aplicaciones industriales y de seguridad donde la imagen no se ve con fines de entretenimiento.
Se está utilizando para tomar decisiones.
El rendimiento en condiciones de poca luz se está convirtiendo en un requisito de la IA
Uno de los mayores desafíos para las cámaras con IA es la poca luz.
Los humanos a menudo pueden hacer juicios razonables en ambientes oscuros.
Los sistemas de visión por computadora son menos indulgentes.
A medida que la iluminación disminuye, las cámaras suelen mirar:
Aumento del ruido del sensor
Bajo contraste
Desenfoque de movimiento
Pérdida de información de color.
Definición de borde reducida
Estos problemas pueden afectar directamente la detección y clasificación de la IA.
Considere una persona que camina por un estacionamiento de noche.
En una escena brillante, la IA puede tener información clara sobre el contorno, la ropa, el movimiento y el entorno de la persona.
En una escena mal iluminada, la misma persona puede convertirse en una silueta ruidosa.
El algoritmo no se ha vuelto estúpido de repente.
La información simplemente se volvió mucho más difícil de interpretar.
Ésta es una de las razones por las que los diseños ópticos de gran apertura y con poca luz se están volviendo cada vez más relevantes para los sistemas de visión de IA.
Los píxeles más pequeños crean mayores demandas ópticas
Los sensores modernos continúan aumentando la densidad de píxeles.
Esto crea más datos de imagen, pero también impone mayores exigencias a la lente.
Los píxeles más pequeños pueden requerir que el sistema óptico resuelva detalles espaciales más finos.
Si la lente no puede seguir el ritmo, agregar píxeles produce rendimientos decrecientes.
Esto es especialmente importante para las cámaras con IA porque el sistema puede depender de características visuales relativamente pequeñas.
Un humano puede reconocer un objeto por su forma general.
Un modelo de IA puede depender de patrones, bordes, texturas o relaciones de color sutiles.
Por lo tanto, la lente debe ofrecer una imagen lo suficientemente limpia para que estas características sobrevivan a todo el proceso de obtención de imágenes.
Esta es una de las razones por las que el diseño óptico y la selección de sensores deben realizarse cada vez más juntos.
Las lentes gran angular crean una compensación interesante para la IA
Las cámaras con IA suelen necesitar un amplio campo de visión.
Los robots necesitan comprender su entorno.
Los drones necesitan conciencia situacional.
Las cámaras de seguridad deben cubrir grandes áreas.
Entonces, ¿por qué no simplemente ampliar la lente?
Porque la óptica gran angular presenta sus propios desafíos.
A medida que aumenta el campo de visión, los diseñadores deben gestionar:
Distorsión
Resolución de borde
Iluminación relativa
Aberración cromática
Geometría de la imagen
Una lente muy gran angular puede capturar más del entorno pero producir una calidad de imagen más débil cerca de los bordes.
Para la visión humana, eso puede ser aceptable.
Para la IA, puede volverse más complicado.
Si los objetos cerca del borde de la imagen están muy distorsionados o borrosos, se le pide al algoritmo que interprete la información visual que ya está degradada.
Esto crea una compensación de diseño fundamental:
Más campo de visión frente a más detalles utilizables.
La respuesta correcta depende de la aplicación.
Robótica: las lentes se están convirtiendo en parte del sistema de percepción
El auge de la IA incorporada está empujando este problema aún más lejos.
Un robot no puede darse el lujo de preguntar:
“¿Alguien puede encender las luces?”
Tiene que operar en el entorno que se le proporciona.
Ese entorno puede contener:
Sombras
Iluminación desigual
Superficies reflectantes
Espacios estrechos
Mover personas
Objetos a diferentes distancias.
Por tanto, la cámara forma parte del sistema de percepción del robot.
Para la visión robótica, el diseño de lentes debe considerar:
Campo de visión
Distorsión
Rendimiento con poca luz
Resolución
Requisitos de percepción de profundidad
Tamaño y peso
Una lente que produce una hermosa imagen de laboratorio puede no ser necesariamente la lente adecuada para un robot en movimiento.
La confiabilidad en el mundo real importa más que una demostración perfecta.
Los vehículos aéreos no tripulados y los drones necesitan un equilibrio óptico diferente
Los drones crean otro desafío interesante.
Una cámara de drone puede necesitar:
Amplio campo de visión + bajo peso + buena resolución + capacidad con poca luz.
Ésa es una combinación difícil.
Un amplio campo de visión ayuda al dron a comprender su entorno.
El bajo peso ayuda a la eficiencia del vuelo.
Una buena resolución ayuda a identificar objetos.
El rendimiento con poca luz se vuelve importante al amanecer, al anochecer, en vuelos en interiores o en condiciones climáticas difíciles.
Los sistemas FPV añaden otro requisito:
La imagen debe parecer inmediata.
El desenfoque de movimiento, la mala exposición o la distorsión excesiva de la imagen pueden afectar negativamente la percepción visual del piloto.
Esta es la razón por la que el diseño de lentes para drones se está convirtiendo cada vez más en un problema de optimización en lugar de simplemente una selección de distancia focal.
La vigilancia mediante IA está pasando de la detección a la comprensión
Las cámaras de seguridad son uno de los ejemplos más claros de esta transición.
La vigilancia tradicional preguntó:
“¿Algo se movió?”
La vigilancia moderna con IA pregunta:
¿Quién se movió?
¿Qué vehículo es este?
¿En qué dirección viaja?
¿Qué objeto se lleva?
¿Es el comportamiento inusual?
¿Qué pasó antes y después del evento?
Cuanto más avanzados sean los análisis, más valiosa será la imagen original.
Esta es la razón por la que las imágenes a todo color en condiciones de poca luz están atrayendo la atención.
El color puede proporcionar información útil para:
Clasificación de vehículos
Identificación de ropa
Reconocimiento de objetos
Comprensión de la escena
Los infrarrojos siguen siendo extremadamente útiles en ambientes muy oscuros, pero cuando hay luz ambiental visible disponible, un sistema óptico de gran apertura puede ayudar a preservar información que de otro modo desaparecería cuando una cámara cambia a visión nocturna monocromática.
La lente se está convirtiendo en un componente de calidad de los datos
Este es quizás el mayor cambio que la IA está aportando a la ingeniería óptica.
Históricamente, las lentes a menudo se trataban como componentes de imágenes.
Ahora deberían considerarse cada vez más componentes de calidad de datos.
La cámara captura datos.
La lente determina cuánta información óptica útil llega al sensor.
El sensor convierte esa información en señales eléctricas.
El ISP lo procesa.
El modelo de IA lo interpreta.
Si la primera etapa es débil, cada etapa posterior tiene que trabajar más duro.
Esa no siempre es una buena estrategia.
Generalmente es mejor capturar mejor información al principio que gastar enormes recursos computacionales tratando de repararla después.
¿Qué significa esto para el diseño de lentes?
Es probable que las futuras lentes de las cámaras con IA se diseñen cada vez más en función de los requisitos de la aplicación en lugar de especificaciones aisladas.
Es posible que los ingenieros deban considerar:
Diseño óptico específico del sensor
En lugar de simplemente admitir un formato de sensor, las lentes deben coincidir con las características reales del sensor.
Mejor rendimiento con poca luz
Los sistemas de IA necesitan información visual utilizable incluso cuando la iluminación es limitada.
Rendimiento de vanguardia más consistente
Los sistemas de gran angular necesitan información utilizable en toda la imagen, no sólo en el centro.
Revisadodistorsión
Algunas aplicaciones pueden tolerar distorsiones. Otros no pueden.
Estabilidad térmica
Los robots, vehículos, drones y cámaras exteriores pueden funcionar en amplios rangos de temperatura.
Optimización específica de la aplicación
La lente de seguridad ideal no es necesariamente la lente robótica ideal.
El futuro pertenece a los sistemas ópticos diseñados en función del trabajo que deben realizar.
Lo que estamos aprendiendo en Óptica Boshi
EnÓptica Boshi, trabajamos en vigilancia de seguridad, imágenes automotrices, imágenes médicas, dispositivos inteligentes y otras aplicaciones ópticas. Esta variedad de aplicaciones deja una cosa particularmente clara:
No existe una definición universal de "buen objetivo".
Un objetivo gran angular puede ser excelente para una cámara y completamente inadecuado para otra.
Una lente de alta resolución puede ser innecesaria para un sistema de monitoreo de bajo costo, pero esencial para la visión artificial.
Una lente de gran apertura puede ser fundamental para una aplicación de vigilancia nocturna, pero menos importante en un entorno industrial controlado.
Este enfoque de dar prioridad a la aplicación es cada vez más importante a medida que las cámaras se convierten en parte de los sistemas de inteligencia artificial.
La lente debe diseñarse en torno a la información que la IA necesita recibir, no simplemente en torno a las especificaciones que parecen impresionantes en la ficha de un producto.
El futuro: de “ver con claridad” a “ver de manera útil”
La IA está cambiando el propósito de las cámaras.
Una cámara ya no existe simplemente para producir una imagen atractiva.
Existe para proporcionar información.
Eso cambia las prioridades ópticas.
La pregunta ya no es sólo:
"¿Qué tan nítida es esta lente?"
Se convierte en:
“¿Esta lente proporciona información visual confiable para la tarea real del sistema?”
Por seguridad, eso puede significar preservar la apariencia de una persona durante la noche.
Para la robótica, puede significar mantener el reconocimiento de objetos en un amplio campo de visión.
Para los drones, puede significar equilibrar la percepción de gran angular con el rendimiento en condiciones de poca luz.
Para la visión industrial, puede significar resolver pequeños defectos de manera consistente.
La revolución de la IA puede estar impulsada por algoritmos, pero los algoritmos aún necesitan algo que analizar.
Y es por eso que el futuro de la visión de la IA también estará determinado por la óptica.
