Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

照出事後可對焦的相片: 光場照相術與新相機 ! Lytro Light Field Camera

Scimage
・2011/06/23 ・989字 ・閱讀時間約 2 分鐘 ・SR值 514 ・六年級

雖然照相術已經發明很久了,但是新的改進仍不停的產生,例如之前介紹過的超解析度照片可以從低解析度的照片得到高解析度的影像,立體材質照片可以利用光的散射方式給出大約的材質深度,自動構圖修正可以讓照片自動變成較專業的構圖等等…這些改進都是基於對物理的認識或是軟體分析影像的進步。今天要介紹的「光場照相術」是一種野心更大的改進技術,或許能帶動另一種新相機的發展。

一般的攝影把感光元件放在像平面,讓景物能經由鏡頭投影在這平面上來成像,因為鏡頭有固定的焦距,所以一張相片只能對應到一個景物的平面(就是所謂的景深範圍,跟光圈有關);如果要改變對焦清楚位置,只能經由改變鏡頭位置來達到。不過理論上,一個平面上通過的光一定有所有景深影像的訊息,不然固定的相機就照不出對焦位置不同的影像;相片之所以不能紀錄這所有訊息的原因,是因為感光元件只能紀錄在像平面的光強,而不管每一道光(光子)的來源方向,所以剛好對焦的就清楚,沒有對到焦的就散開;只有移動像平面,才能讓沒對焦的光又聚合在一起。

光場攝影術的概念是由居禮夫人的指導教授所提出來的,主要概念就是不只要紀錄光的強度,更要對所有光子進入的角度進行紀錄。只要紀錄了這些資訊,理論上就可以知道哪些光雖然沒有對到焦,可是其實在另外的平面可以成像,而紀錄入射角度的方式就是在像平面放一塊小透鏡,然後每個小透鏡後面有一群感光元件(CCD像素),不同角度的光進入透鏡以後就會被轉到不同的感光學件上被紀錄下來;這樣一來, 照出來的照片就不僅有亮度的資訊,還有入射光角度的資訊。

所這樣的照出來的特殊相片 (微觀影像如上圖) 只要經過軟體處理就可以合成出各種對焦位置影像;當然這種技術有缺點跟限制,那就是必須用很多的像素來儲存一個最後像素中所需要的資訊,所以解析度很差。最後的像素多寡取決於小鏡子的數目,不過隨著微鏡片技術跟CCD像素不斷發展,終於目前快要有可以有商品化的相機產生,就是下面所介紹的影片 (只有九萬個小鏡子,就是大約300×300的解析度)。或許在不久之後,像素能慢慢提升到不太差的水準。

相關新聞報導:
革命性相機 先拍照後對焦
效果測試網站: 點滑鼠可以改變焦點

-----廣告,請繼續往下閱讀-----

本文原發表於科學影像Scimage[2011-06-23]

-----廣告,請繼續往下閱讀-----
文章難易度
Scimage
113 篇文章 ・ 4 位粉絲
每日介紹科學新知, 科普知識與實際實驗影片-歡迎每一顆好奇的心 @_@!

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
知識大圖解:拆解全片幅數位單眼相機
知識大圖解_96
・2015/01/12 ・639字 ・閱讀時間約 1 分鐘 ・SR值 541 ・八年級

5051
(點擊看大圖)

我們打開Nikon D600,檢查其內部組件

D600是Nikon出產的全片幅數位單眼反射式相機(DSLR),旨在提供消費者一台具備專業性能但價格平易近人的相機。

拜大小為35.9×24公釐的CMOS感光元件所賜,它的畫素高達2430萬像素。與D600價位相近的款式通常感光元件只有其一半或四分之一大,這是由於傳統的全片幅感光元件成本相當高,導致每一片矽晶片可生產的感光元件數量較少。

-----廣告,請繼續往下閱讀-----

以全片幅感光元件擷取的圖像由EXPEED 3成像引擎處理。EXPEED 3是內含多中央處理器(CPU)的媒體處理器,可以執行多重任務,例如色彩再現、灰階處理、影像銳化、伽馬校正和壓縮等。由於有多CPU,EXPEED 3成像引擎能夠平行執行多項任務,因此相機連拍速率可每秒高達5.5張。

與其他同樣高級的全片幅相機相較,D600最重要的特點是它輕便的設計──體積為14.2×11.2×8.1公分,重量也輕。而輕便背後的奧祕在於整合雙SD卡插槽,並選用體積較小的內部晶片和電板。

何謂全片幅?

全片幅單眼相機的感光元件相當於35mm底片的大小,主要優點是以全片幅感光元件拍攝的影像範圍較一般感光元件來得大,因此畫面不會被裁切,拍攝到的角度也更寬廣。舉例而言,一個24mm的鏡頭若是裝在全片幅相機上,則可拍攝到視角84度的影像,而焦距轉換率為1.5的一般相機則只有62度。除此之外,全片幅相機能應用於較大的感光點,進而取得更寬廣的動態範圍與更低的雜訊,因此影像即使過曝仍能保留細節。

-----廣告,請繼續往下閱讀-----

本文節錄自《How It Works知識大圖解 國際中文版》第04期(2015年1月號)

更多精彩內容請上知識大圖解

-----廣告,請繼續往下閱讀-----
知識大圖解_96
76 篇文章 ・ 12 位粉絲
How It Works擅長將複雜的知識轉化為活潑有趣的圖解知識,編輯方式以圖像化百科呈現,精簡易懂、精采動人、深入淺出的圖文編排,讓各年齡層的讀者們都能輕鬆閱讀。

0

0
0

文字

分享

0
0
0
知識大圖解:圖解攝錄影機的運作原理
知識大圖解_96
・2014/10/23 ・951字 ・閱讀時間約 1 分鐘 ・SR值 504 ・六年級

(點擊看大圖)
(點擊看大圖)

數位攝影機如何捕捉、記錄高解析度影片呢?

現代數位攝影機的運作原理基本上與1980年代的大型VCR類比攝影機相同,兩者都包含了鏡頭、成像器和儲存媒體,但最大的不同是如今的攝影機將類比資料轉成了數位格式,而攝影技術整體也縮小成更實用、適合手持的大小。

攝錄影機透過鏡頭將現場光線的樣式聚焦在成像器上,成像器通常為CMOS感光元件或CCD(電荷耦合元件)。CCD是一種小半導體,可容納大約50萬感光單元(對光敏感的迷你二極體,可以測量光子數量,並且將光子轉換為電荷)。播放影片時,電荷強度會幫助攝錄影機判斷該點的光線強度。顏色則藉由測量綠色、紅色和藍色的程度決定,因為所有顏色都可由混合這三原色重現。

-----廣告,請繼續往下閱讀-----

為了捕捉動態影像,CCD會將影片中的每格畫面傳送到主成像器後方,轉像系統中的外加感光器。這第二個感光器會將每個感光單位的電荷傳送到類比/數位轉換器,而第一層感光器則會自行清空,準備捕捉下一個影像。

最新的頂級攝錄影機雖然體型小,容納的技術卻多得驚人。舉例來說,日立的超高清攝錄影機(Super Hi-Vision)每秒可以拍下120張3300萬像素的影像,精細程度相當於IMAX電影。

什麼是感光元件

互補式金氧半導體(CMOS)感光元件是一種影像感應器,已取代多數行動電話、網路攝影機和數位單眼相機中的CCD。CMOS感光元件利用像素上的微小電晶體來個別捕捉每個點。電晶體會吸收並放大捕捉光點轉換而來的電荷,接著再透過電線傳送。

CMOS感光元件將影像處理和捕捉的功能整合在同樣的裝置上,耗電通常小於CCD,遲滯現象較少,也比較不涉及昂貴的製程。CMOS感光元件也因此常見於手機相機裡,因為手機正需要更便宜、省電的元件。CMOS感光元件因其線路很容易產生影像雜訊,畫質通常遜於CCD,因此後者常用於較高端的影像技術。

-----廣告,請繼續往下閱讀-----

類比 VS 數位

數位與類比攝錄影機之間的最大差異在於資料的記錄方式。類比攝錄影機通常利用VHS磁帶記錄磁圖案,但有兩個最大的問題:需要大量的實體空間來存放卡帶,也需要硬碟上的虛擬空間;此外,類比資料每複製一次,就會「褪色」一些。相反地,資料數位化可以壓縮影像,在記憶卡或固態硬碟中所佔的虛擬空間少了許多。資料也可以原封不動地複製,不會像類比資料一樣隨時間褪逝。

本文選自《HOW IT WORKS知識大圖解 中文版》第01期(2014年10月號)

-----廣告,請繼續往下閱讀-----
知識大圖解_96
76 篇文章 ・ 12 位粉絲
How It Works擅長將複雜的知識轉化為活潑有趣的圖解知識,編輯方式以圖像化百科呈現,精簡易懂、精采動人、深入淺出的圖文編排,讓各年齡層的讀者們都能輕鬆閱讀。