1
00:00:00,830 --> 00:00:04,721
私たちはみんな動きというのは
見えるものだと思っています

2
00:00:05,889 --> 00:00:10,977
私がステージの上を歩き 
話しながら身振り手振りをする

3
00:00:10,977 --> 00:00:13,238
そのような動きは
目に見えるものです

4
00:00:14,255 --> 00:00:19,737
しかしあまりに小さくて人の目には留まらない
重要な動きの世界があります

5
00:00:19,737 --> 00:00:21,778
この何年か私たちは

6
00:00:21,778 --> 00:00:24,395
そういった動きが
人の目には見えなくとも

7
00:00:24,395 --> 00:00:27,325
カメラなら捉えられることに
注意を払うようになりました

8
00:00:28,305 --> 00:00:29,856
どういうことか
説明しましょう

9
00:00:30,717 --> 00:00:34,339
左側は人の手の映像で

10
00:00:34,339 --> 00:00:37,486
右側は眠っている
赤ちゃんの映像です

11
00:00:37,486 --> 00:00:40,412
しかし もし私が
ビデオだと言わなければ

12
00:00:40,412 --> 00:00:44,183
皆さん写真を見ているのだと
思ったことでしょう

13
00:00:44,183 --> 00:00:45,945
どちらの映像にも

14
00:00:45,945 --> 00:00:49,112
ほとんど動きがないからです

15
00:00:50,175 --> 00:00:53,920
それでもここには
沢山の微細な動きがあります

16
00:00:53,920 --> 00:00:56,452
左側の人の
手首に触れてみたなら

17
00:00:56,452 --> 00:00:58,448
脈を感じるだろうし

18
00:00:58,448 --> 00:01:00,933
右側の赤ちゃんを
抱きかかえたなら

19
00:01:00,933 --> 00:01:03,324
呼吸に応じて赤ちゃんの胸が
上下するのを

20
00:01:03,324 --> 00:01:04,714
感じられることでしょう

21
00:01:05,762 --> 00:01:09,338
これらの動きは
大切なものですが

22
00:01:09,338 --> 00:01:12,681
あまりに小さくて
見ただけでは分からないため

23
00:01:12,681 --> 00:01:14,957
手で直に触って

24
00:01:14,957 --> 00:01:17,857
感じ取る必要があるのです

25
00:01:18,997 --> 00:01:20,262
しかし数年前に

26
00:01:20,262 --> 00:01:24,667
MITの同僚が「モーション・マイクロスコープ」
というのを作りました

27
00:01:24,667 --> 00:01:29,951
映像の中の このような小さな動きを
検出して拡大し

28
00:01:29,951 --> 00:01:33,023
目で見て分かるようにする
ソフトウェアです

29
00:01:33,416 --> 00:01:36,899
そのソフトウェアを
左の映像に使うと

30
00:01:36,899 --> 00:01:40,149
手首の脈動が
目に見えるようになり

31
00:01:40,149 --> 00:01:41,664
脈を数えて

32
00:01:41,664 --> 00:01:44,199
心拍数を測定する
ことだってできます

33
00:01:45,095 --> 00:01:48,160
そのソフトウェアを
右の映像に使ったなら

34
00:01:48,160 --> 00:01:51,387
赤ちゃんのする呼吸が
目に見えるようになり

35
00:01:51,387 --> 00:01:55,934
触れることなく赤ちゃんの呼吸の状況を
モニタできるようになります

36
00:01:56,884 --> 00:01:59,962
これはとても
強力な技術です

37
00:01:59,962 --> 00:02:04,239
通常は触れなければ
分からない現象を

38
00:02:04,239 --> 00:02:07,876
接触せずに視覚だけで
捉えられるからです

39
00:02:09,104 --> 00:02:13,515
２年ほど前から私は このソフトウェアを
考案した人たちと共同で研究するようになり

40
00:02:13,515 --> 00:02:16,882
奇想天外なアイデアに
挑戦することにしました

41
00:02:16,882 --> 00:02:19,575
このソフトウェアで

42
00:02:19,575 --> 00:02:22,710
小さな動きを可視化して

43
00:02:22,710 --> 00:02:27,168
あたかも触覚が拡張されたかのように
できるのはすごいけど

44
00:02:27,168 --> 00:02:31,227
これを聴覚にも適用できないだろうか
と思ったのです

45
00:02:32,508 --> 00:02:36,523
音による振動というのもまた

46
00:02:36,523 --> 00:02:39,710
一種の動きなのだから

47
00:02:39,710 --> 00:02:44,266
それを捉えて目に付くものすべてを
マイクに変えてしまうことはできないか？

48
00:02:44,266 --> 00:02:46,207
これはちょっと奇妙な
アイデアなので

49
00:02:46,207 --> 00:02:48,793
分かるように
説明しましょう

50
00:02:49,523 --> 00:02:53,011
普通のマイクというのは
中にある振動板の動きを

51
00:02:53,011 --> 00:02:56,610
電気信号に変換する
仕組みになっています

52
00:02:56,610 --> 00:03:00,928
振動板は音に敏感に反応して
動くようにデザインされていて

53
00:03:00,928 --> 00:03:05,255
その動きを音として解釈し
記録できるようになっています

54
00:03:05,255 --> 00:03:09,403
しかし音はどんな物でも
振動させます

55
00:03:09,403 --> 00:03:14,883
ただそういった振動はあまりに小さく速いため
目に見えないだけです

56
00:03:14,883 --> 00:03:18,621
この振動を
高速度カメラで撮影して

57
00:03:18,621 --> 00:03:22,197
ソフトウェアで
その小さな動きを取り出し

58
00:03:22,197 --> 00:03:24,287
分析することで

59
00:03:24,287 --> 00:03:28,561
その振動を作り出したのがどんな音か
知ることはできないだろうか？

60
00:03:29,859 --> 00:03:35,798
それができれば 離れたところにあるものを
視覚的なマイクへと変えることができます

61
00:03:37,080 --> 00:03:39,023
それで試してみました

62
00:03:39,023 --> 00:03:41,190
ご覧頂くのは
行った実験の１つで

63
00:03:41,190 --> 00:03:44,139
右の鉢植えの植物を

64
00:03:44,139 --> 00:03:46,577
高速度カメラで
撮影しながら

65
00:03:46,577 --> 00:03:50,106
近くに置いたスピーカーで
こんな音を流しました

66
00:03:50,275 --> 00:03:58,465
(曲 『メリーさんのひつじ』)

67
00:03:59,820 --> 00:04:02,644
これが撮影したビデオで

68
00:04:02,644 --> 00:04:06,568
毎秒数千フレームで
撮っていますが

69
00:04:06,568 --> 00:04:08,890
目をこらしてみても

70
00:04:08,890 --> 00:04:11,891
ただ葉っぱが
じっとしているようにしか

71
00:04:11,891 --> 00:04:13,906
見えないでしょう

72
00:04:13,906 --> 00:04:18,712
音による葉っぱの動きは
１ミクロン程度だからです

73
00:04:19,103 --> 00:04:23,379
１センチの１万分の１です

74
00:04:23,379 --> 00:04:27,675
この映像で１ピクセルの
百分の１から千分の１の間

75
00:04:27,675 --> 00:04:29,834
というところです

76
00:04:29,881 --> 00:04:32,768
だからいくら
目をこらしたところで

77
00:04:32,768 --> 00:04:36,453
そのような小さな動きは
目では捉えられないのです

78
00:04:37,667 --> 00:04:41,824
しかし知覚的には
感知できなくとも

79
00:04:41,824 --> 00:04:44,633
数値的には
有意な変化があり

80
00:04:44,633 --> 00:04:46,635
適切なアルゴリズムを使えば

81
00:04:46,635 --> 00:04:50,112
この静止しているようにしか
見えない映像から

82
00:04:50,112 --> 00:04:52,449
このような音を
取り出すことができます

83
00:04:52,690 --> 00:05:00,074
(曲 『メリーさんのひつじ』)

84
00:05:00,074 --> 00:05:05,902
(拍手)

85
00:05:10,058 --> 00:05:11,997
どうしてそんなことが
可能なのか？

86
00:05:11,997 --> 00:05:16,341
そんな小さな動きからどうやって
これほど多くの情報を取り出せるのか？

87
00:05:16,341 --> 00:05:21,702
葉っぱの動きが
ちょうど１ミクロンで

88
00:05:21,702 --> 00:05:26,010
映像の中の動きは
千分の１ピクセルだったとしましょう

89
00:05:27,269 --> 00:05:29,841
これは わずかなものに
見えますが

90
00:05:29,841 --> 00:05:31,837
ビデオの１フレームの中には

91
00:05:31,837 --> 00:05:35,094
何十万というピクセルがあり

92
00:05:35,094 --> 00:05:38,548
そういった小さな動きを

93
00:05:38,548 --> 00:05:40,846
映像全体から集めれば

94
00:05:40,846 --> 00:05:43,469
千分の１ピクセルが
積み重なって

95
00:05:43,469 --> 00:05:46,244
十分大きなものになるのです

96
00:05:46,870 --> 00:05:50,505
個人的なことですが このことを発見した時には
すごく興奮しましたね

97
00:05:50,505 --> 00:05:52,825
(笑)

98
00:05:52,825 --> 00:05:56,078
優れたアルゴリズムはありましたが

99
00:05:56,078 --> 00:05:59,695
パズルの重要なピースが
まだ欠けていました

100
00:05:59,695 --> 00:06:03,299
この手法がうまくいくかに
影響する要因は

101
00:06:03,299 --> 00:06:05,296
たくさんあります

102
00:06:05,296 --> 00:06:08,500
対象がどんな物で 
どれくらい離れているか

103
00:06:08,500 --> 00:06:10,894
どんなカメラや
レンズを使うか

104
00:06:10,894 --> 00:06:14,985
物に当てる光の強さや
音の大きさはどれくらいか

105
00:06:15,945 --> 00:06:19,320
そしてアルゴリズムは
優れているにしても

106
00:06:19,320 --> 00:06:22,710
初期の実験はすごく
慎重にやる必要がありました

107
00:06:22,710 --> 00:06:25,102
そういった要因の
何か１つでもまずいと

108
00:06:25,102 --> 00:06:27,470
何が悪かったのかも分からず

109
00:06:27,470 --> 00:06:30,117
ただノイズが
出てくるだけだからです

110
00:06:30,117 --> 00:06:33,437
ですから初期の実験は
このような設定で行ったのです

111
00:06:33,437 --> 00:06:35,643
私が写っています

112
00:06:35,643 --> 00:06:39,683
左下に高速度カメラが
設置されていて

113
00:06:39,683 --> 00:06:41,866
ポテトチップの袋に
向けられています

114
00:06:41,866 --> 00:06:44,815
そして全体が明るい照明で
照らされています

115
00:06:44,815 --> 00:06:49,180
申し上げたように初期の実験は
非常に慎重を期して進めました

116
00:06:49,180 --> 00:06:51,688
これがその様子です

117
00:06:51,688 --> 00:06:55,229
(男性の声) ３ ２ １ ハイ

118
00:06:55,229 --> 00:07:00,836
(デイヴィスが大声で) メリーさんの
ヒツジ ヒツジ ヒツジ

119
00:07:00,836 --> 00:07:05,336
(笑)

120
00:07:05,336 --> 00:07:08,150
ご覧のように
馬鹿みたいに見える実験でした

121
00:07:08,150 --> 00:07:09,938
(笑)

122
00:07:09,938 --> 00:07:12,283
私がポテトチップの袋に向かって
大声を張り上げています

123
00:07:12,283 --> 00:07:13,834
(笑)

124
00:07:13,834 --> 00:07:16,321
おまけにすごく強い照明を
当てていたので

125
00:07:16,321 --> 00:07:20,415
最初のポテトチップの袋は
熱で文字通り溶けてしまいました (笑)

126
00:07:20,415 --> 00:07:23,659
しかし いかに馬鹿みたいに
見えようとも

127
00:07:23,659 --> 00:07:25,587
この実験はとても
重要なものでした

128
00:07:25,587 --> 00:07:28,513
このような音を取り出すことに
成功したからです

129
00:07:28,513 --> 00:07:33,225
Mary had a little lamb! 
Little lamb! Little lamb!

130
00:07:33,225 --> 00:07:37,313
(拍手)

131
00:07:37,313 --> 00:07:39,194
とても重要な瞬間でした

132
00:07:39,194 --> 00:07:43,343
物を撮した
音声のない映像から

133
00:07:43,343 --> 00:07:45,765
聞き取れる人の声を
初めて復元できたからです

134
00:07:45,765 --> 00:07:48,156
この実験を基準点として

135
00:07:48,156 --> 00:07:52,016
私たちはいろいろ変化をつけた
実験を始めました

136
00:07:52,016 --> 00:07:55,911
異なる物を使う 
物をもっと離れたところに置く

137
00:07:55,911 --> 00:07:58,681
光を弱くする 
音を小さくする

138
00:07:59,887 --> 00:08:02,761
そういった実験の結果を
分析して

139
00:08:02,761 --> 00:08:06,383
この手法の限界を
見極めました

140
00:08:06,383 --> 00:08:08,333
ひとたび限界が分かれば

141
00:08:08,333 --> 00:08:10,679
どう押し広げられるかも
分かるからです

142
00:08:10,679 --> 00:08:13,860
そうやってこんな実験に
たどり着きました

143
00:08:13,860 --> 00:08:16,599
ここでもポテトチップの袋に向けて
音を流しますが

144
00:08:16,599 --> 00:08:21,429
今回はカメラが
５メートル離れていて

145
00:08:21,429 --> 00:08:24,262
防音ガラスの
背後にあります

146
00:08:24,262 --> 00:08:27,065
照らしている光も
自然の太陽光です

147
00:08:28,529 --> 00:08:32,443
ご覧いただいているのが
撮影した映像です

148
00:08:32,450 --> 00:08:37,009
そしてこれが部屋の中で
ポテトチップの袋の横で流していた音です

149
00:08:37,009 --> 00:08:42,047
Mary had a little lamb whose fleece was white as snow,
(メリーさんは小さな羊を飼っていた 雪のように白い毛をして)

150
00:08:42,047 --> 00:08:47,666
and everywhere that Mary went, that lamb was sure to go.
(メリーさんの行くところは どこにでも付いてきた)

151
00:08:47,666 --> 00:08:50,103
そしてこれが
窓の背後から撮した

152
00:08:50,103 --> 00:08:53,698
無音の映像から
取り出した音声です

153
00:08:53,698 --> 00:08:58,463
Mary had a little lamb
whose fleece was white as snow,

154
00:08:58,463 --> 00:09:03,920
and everywhere that Mary went,
that lamb was sure to go.

155
00:09:03,920 --> 00:09:10,421
(拍手)

156
00:09:10,421 --> 00:09:13,963
限界を押し広げる方法は
他にもあります

157
00:09:13,963 --> 00:09:15,761
こちらはもっと静かな実験で

158
00:09:15,761 --> 00:09:19,871
ノートPCに繋いだ
イヤホンを撮しています

159
00:09:19,871 --> 00:09:21,401
この時の目標は

160
00:09:21,401 --> 00:09:25,430
２つの小さなプラスチック製イヤホンを撮した
無音の映像から

161
00:09:25,430 --> 00:09:28,787
かけている曲を復元する
ということでした

162
00:09:28,787 --> 00:09:30,860
これはすごく
うまくいって

163
00:09:30,860 --> 00:09:33,761
結果から曲名を
Shazamで当てることさえできました

164
00:09:33,761 --> 00:09:35,842
(笑)

165
00:09:37,191 --> 00:09:49,565
(曲 クイーン 『アンダー・プレッシャー』)

166
00:09:49,565 --> 00:09:54,584
(拍手)

167
00:09:54,584 --> 00:09:59,135
使用するハードウェアという点でも
限界を押し広げることができます

168
00:09:59,135 --> 00:10:01,596
ここまで ご覧頂いた実験は

169
00:10:01,596 --> 00:10:03,918
どれも高速度カメラを使っていて

170
00:10:03,918 --> 00:10:06,797
これは通常携帯についている
カメラよりも

171
00:10:06,797 --> 00:10:09,014
100倍高速に
撮影することができます

172
00:10:09,014 --> 00:10:11,533
しかし私たちは
普通のカメラで

173
00:10:11,533 --> 00:10:13,763
この手法を使う方法も
見つけました

174
00:10:13,763 --> 00:10:17,832
ローリングシャッターと呼ばれる技術を
利用しています

175
00:10:17,832 --> 00:10:22,630
多くのカメラは
画像を１行ずつ記録しています

176
00:10:22,630 --> 00:10:28,332
１枚の画像の記録中に
撮影対象が動くと

177
00:10:28,344 --> 00:10:31,061
各行に時間的な
ズレがあるため

178
00:10:31,061 --> 00:10:33,668
ビデオの各フレームに

179
00:10:33,668 --> 00:10:37,701
小さなゆがみが
記録されることになります

180
00:10:37,701 --> 00:10:41,507
このゆがみを分析したところ

181
00:10:41,507 --> 00:10:46,122
アルゴリズムを改良すれば
そこから音を復元できることが分かりました

182
00:10:46,122 --> 00:10:48,034
これが行った実験で

183
00:10:48,034 --> 00:10:49,729
キャンディの袋を撮し

184
00:10:49,729 --> 00:10:52,690
横では同じ『メリーさんのひつじ』を

185
00:10:52,690 --> 00:10:54,442
スピーカーで流していますが

186
00:10:54,442 --> 00:10:58,645
今回は お店で買える
普通のカメラを使っています

187
00:10:58,645 --> 00:11:01,819
これから取り出した音を
お聞かせします

188
00:11:01,819 --> 00:11:03,869
音にひずみがありますが

189
00:11:03,869 --> 00:11:07,085
それでも何の曲か
おわかりになると思います

190
00:11:07,723 --> 00:11:13,946
(曲 『メリーさんのひつじ』)

191
00:11:25,527 --> 00:11:28,992
音にひずみがあるにしても

192
00:11:28,992 --> 00:11:31,288
これが意味深いのは

193
00:11:31,288 --> 00:11:34,254
家電量販店で買える
普通のカメラで

194
00:11:34,254 --> 00:11:37,688
このようなことが
できたということです

195
00:11:39,122 --> 00:11:41,105
ここまで ご覧頂いたことから

196
00:11:41,105 --> 00:11:43,599
多くの人が思い浮かべるのは

197
00:11:43,599 --> 00:11:45,872
スパイ活動でしょう

198
00:11:45,872 --> 00:11:49,787
確かに誰かをスパイするために
この技術を使うというのは

199
00:11:49,787 --> 00:11:52,420
容易に想像できることですが

200
00:11:52,420 --> 00:11:56,107
考えてほしいのは
スパイ活動に関しては多くの成熟した技術が

201
00:11:56,107 --> 00:11:57,946
すでに存在する
ということです

202
00:11:57,946 --> 00:12:00,886
実際 盗聴のために 遠くから物に
レーザーを照射するというのは

203
00:12:00,886 --> 00:12:02,835
何十年も前から
行われています

204
00:12:03,978 --> 00:12:06,003
私たちの技術が
本当に新しく

205
00:12:06,003 --> 00:12:07,443
違っている点は

206
00:12:07,443 --> 00:12:11,738
物の振動を見る方法を
手に入れたということで

207
00:12:11,738 --> 00:12:15,151
これは世界を見る
新しいレンズになります

208
00:12:15,151 --> 00:12:16,661
このレンズを使うと

209
00:12:16,661 --> 00:12:21,560
物を振動させる音のような力について
学べるだけでなく

210
00:12:21,560 --> 00:12:24,018
物自体についても
学ぶことができます

211
00:12:24,975 --> 00:12:26,668
ここで視野を広げて

212
00:12:26,668 --> 00:12:30,917
これが私たちのビデオの使い方を
いかに変えうるかを考えてみましょう

213
00:12:30,917 --> 00:12:34,470
通常私たちは物を見るために
ビデオを使います

214
00:12:34,470 --> 00:12:37,392
それから音を聞くためにも
使えることを

215
00:12:37,392 --> 00:12:38,649
お見せしました

216
00:12:38,649 --> 00:12:42,620
しかし私たちが世界について学ぶ重要な方法が
もう１つあります

217
00:12:42,620 --> 00:12:44,895
働きかけることによってです

218
00:12:44,895 --> 00:12:48,856
押したり 引いたり 
つついたり 揺すったりして

219
00:12:48,856 --> 00:12:51,187
何が起きるか見るのです

220
00:12:51,187 --> 00:12:55,460
これはビデオでは
できないことです

221
00:12:55,460 --> 00:12:57,596
少なくとも
普通のビデオでは

222
00:12:57,596 --> 00:12:59,546
これからお見せするのは
最新の研究で

223
00:12:59,546 --> 00:13:02,213
ほんの２、３ヶ月前に思いついた
アイデアを元にしています

224
00:13:02,213 --> 00:13:05,514
公の場で見せるのは
これが初めてです

225
00:13:05,514 --> 00:13:10,877
基本的なアイデアは 
映像の中の振動をヒントに

226
00:13:10,877 --> 00:13:12,748
物の性質を取り出して

227
00:13:12,748 --> 00:13:17,702
働きかけて反応を見られるような
形にするということです

228
00:13:19,120 --> 00:13:20,884
これが対象とする物で

229
00:13:20,884 --> 00:13:24,716
人の形をした
針金人形です

230
00:13:24,716 --> 00:13:27,804
これを普通のカメラで
ビデオ撮影します

231
00:13:27,804 --> 00:13:29,928
カメラに特別なものは
使いません

232
00:13:29,928 --> 00:13:32,889
実際 以前は私の携帯電話を
使っていました

233
00:13:32,889 --> 00:13:35,141
振動する様子を
見たいので

234
00:13:35,141 --> 00:13:36,274
撮影中に

235
00:13:36,274 --> 00:13:39,620
人形が置かれている
台の上を

236
00:13:39,620 --> 00:13:41,758
ちょっと叩いてやります

237
00:13:47,038 --> 00:13:51,069
これだけです
５秒間の普通のビデオで

238
00:13:51,069 --> 00:13:53,205
台を叩いています

239
00:13:53,205 --> 00:13:56,718
この映像の中の
振動を使って

240
00:13:56,718 --> 00:14:01,262
物の構造的・物質的な性質について
学ぼうというのです

241
00:14:01,262 --> 00:14:06,096
そしてその情報を使って
新たなインタラクティブな物を作ります

242
00:14:12,866 --> 00:14:15,519
そうしてできたものが
これです

243
00:14:15,519 --> 00:14:17,748
何の変哲もない
画像に見えますが

244
00:14:17,748 --> 00:14:20,859
これは画像ではなく 
ビデオでもありません

245
00:14:20,859 --> 00:14:23,227
この人形はマウスを使って

246
00:14:23,227 --> 00:14:26,086
いじってやることが
できるんです

247
00:14:32,936 --> 00:14:35,289
ご覧頂いているのは

248
00:14:35,289 --> 00:14:37,615
目にしたことのない
新しい働きかけに対して

249
00:14:37,615 --> 00:14:42,073
物がどう反応するかいう
シミュレーションです

250
00:14:42,073 --> 00:14:45,706
これをたった５秒間の
普通のビデオから作ったんです

251
00:14:47,249 --> 00:14:51,964
(拍手)

252
00:14:57,421 --> 00:15:00,648
これは世界を見る
新しい強力な方法です

253
00:15:00,648 --> 00:15:03,620
新たな状況に対して
物がどう反応するかを

254
00:15:03,620 --> 00:15:05,443
予測することが
できるからです

255
00:15:05,443 --> 00:15:08,916
たとえば古い橋を前にして

256
00:15:08,916 --> 00:15:12,443
車で渡っても大丈夫か
分かりかねているという状況を

257
00:15:12,443 --> 00:15:15,276
想像できるでしょう

258
00:15:15,276 --> 00:15:18,050
この質問の答えは

259
00:15:18,050 --> 00:15:20,610
橋を渡り始める前に
知りたいはずです

260
00:15:21,988 --> 00:15:24,880
もちろんこの手法にも
限界はあり

261
00:15:24,880 --> 00:15:27,722
その点は視覚的マイクロフォンと
同じです

262
00:15:27,722 --> 00:15:29,483
しかしこの方法は

263
00:15:29,483 --> 00:15:32,778
予想以上に
多くの状況で使え

264
00:15:32,778 --> 00:15:35,546
長いビデオがある場合には
特にそうです

265
00:15:35,546 --> 00:15:36,964
たとえばこれは

266
00:15:36,964 --> 00:15:40,353
私のアパートの前の
藪を撮したビデオで

267
00:15:40,353 --> 00:15:43,441
私は藪に対して
何もしていません

268
00:15:43,441 --> 00:15:46,146
しかし１分間
撮している間に

269
00:15:46,146 --> 00:15:50,014
やさしいそよ風が この藪について学ぶのに
十分な振動を生み出してくれ

270
00:15:50,014 --> 00:15:53,111
このようなシミュレーションを
作れました

271
00:15:55,270 --> 00:16:01,412
(拍手)

272
00:16:01,412 --> 00:16:04,384
この技術を手にした
映画監督は

273
00:16:04,384 --> 00:16:06,103
映像が撮影された後に

274
00:16:06,103 --> 00:16:11,025
風の強さや向きを変えるのに
使うかもしれません

275
00:16:12,810 --> 00:16:17,345
こちらでは吊された
カーテンを撮していて

276
00:16:17,345 --> 00:16:21,294
動きは見られませんが

277
00:16:21,294 --> 00:16:24,399
２分のビデオがあれば

278
00:16:24,399 --> 00:16:27,267
室内の自然な空気の
対流で生じた

279
00:16:27,267 --> 00:16:31,249
気付かないような
微かな動きや振動から

280
00:16:31,249 --> 00:16:34,064
シミュレーションを作るのに
十分な情報が得られます

281
00:16:36,243 --> 00:16:38,609
このようなインタラクティブなものは

282
00:16:38,609 --> 00:16:41,697
ビデオゲームや3Dモデルの中の

283
00:16:41,697 --> 00:16:44,344
架空の物として

284
00:16:44,344 --> 00:16:47,641
見慣れていると思いますが

285
00:16:47,641 --> 00:16:52,045
現実の世界の実際の物から
普通のビデオ映像を使って

286
00:16:52,045 --> 00:16:54,862
このような情報を
引き出すというのは

287
00:16:54,862 --> 00:16:57,155
新しいことであり 
大きな可能性があります

288
00:16:58,410 --> 00:17:03,314
このプロジェクトに一緒に取り組んでいる
素晴らしい仲間たちです

289
00:17:04,057 --> 00:17:09,653
(拍手)

290
00:17:12,819 --> 00:17:15,876
今日お見せしたものは
始まりにすぎません

291
00:17:15,876 --> 00:17:18,789
私たちはこのような映像技術で
可能になることの

292
00:17:18,789 --> 00:17:20,961
ほんの表面に
触れたに過ぎません

293
00:17:20,961 --> 00:17:23,367
この技術は 誰でも
手に入れられる道具だけで

294
00:17:23,367 --> 00:17:28,066
周りの世界の違った見方を
可能にしてくれるからです

295
00:17:28,066 --> 00:17:29,995
この先 この技術が

296
00:17:29,995 --> 00:17:32,032
世界について教えてくれることを
探求していくのは

297
00:17:32,032 --> 00:17:33,888
本当に心躍ることだと
思います

298
00:17:34,381 --> 00:17:35,585
ありがとうございました

299
00:17:35,610 --> 00:17:41,717
(拍手)