Blaise Agueray Arcas演示Photosynth

首先，我要用最快的速度为大家演示 一些新技术的基础研究成果。 正好是一年前，微软收购了我们公司， 而我们为微软带来了这项技术，它就是Seadragon。 Seadragon是一个软件环境，你可以通过它以近景或远景的方式 浏览浩瀚的可视化数据。

我们这里看到的是许多许多GB（千兆字节）级别的数码照片， 对它们可以进行持续并且平滑的放大， 可以通过全景的方式浏览它们，还可以对它们进行重新排列。 不管所见到的数据有多少、 图像集有多大以及图像本身有多大，Seadragon都拥有这样的处理能力。 以上展示的图片大部分都是由数码相机拍摄的照片， 但这个例子则不同，它是一张来自国会图书馆的扫描图片， 拥有3亿个像素。 然而，浏览它并没有什么区别， 因为限制系统性能的唯一因素只是： 你所使用的屏幕的像素数。

Seadragon同时也是一个非常灵活的架构。 举个例子，这是一本完整的书，它的数据是非图像的(文本)。 这是狄更斯所著的《荒凉山庄》，一列就是一章的内容。 我给大家证明一下这真的是文本而非图片， 我们可以这样操作， 大家可以看出这真的是文本，而不是一幅图片。 也许这会是一种阅读电子书的方式， 但是我可不推荐这么做。

接下来是一个更加实际的例子，这是一期《卫报》。 每一张大图片是一版开篇， 而报纸或者杂志的纸质版本本身就包含了多种比例的图片， 在阅读的时候，读者会得到更好的阅读体验， 从而享受阅读的乐趣。 我们在这里做了小小的改动 在这一期《卫报》得角上。 我们虚构了一个高分辨率的广告图片—— 这比你平常看到的普通广告的分辨率要高很多， 在图片中嵌入了额外的内容。 如果你希望看到这辆车的特性，你可以看这里。 你还能看到其他的型号，甚至技术规格。 这种方式在一定程度上 避免了屏幕实际使用面积的限制。 我们希望这个技术能够减少不必要的弹出窗口 以及类似的垃圾信息。

显然，对于这项技术的应用， 数字地图也是显而易见的应用之一。 对此，我真的不想花费太多的时间进行介绍， 我只想告诉大家我们已经对这个领域做出了自己的贡献。 这些只是在NASA的地理空间图片基础上 进行叠加处理而得到的美国的道路地图。 现在，我们先放下这些，看看其他的。 实际上，这项技术已经放到网上了，大家可以自己去体验一下。

这个项目叫Photosynth， 它实际上融合了两个不同的技术： 一个是Seadragon， 而另一个则是源自华盛顿大学的研究生Noah Snavely 所进行的计算机视觉研究的成果。 这项研究还得到了华盛顿大学Steve Seitz 和微软研究院Rick Szeliski的协助。这是一个非常漂亮的合作成果。 这个项目在互联网上已经得到应用了，它是基于Seadragon技术构建的。 你可以看到，我们轻松地对图片进行多种方式的查看， 从而能够对图片进行细致的剖析 并且拥有多分辨率的浏览体验。

不过，这些图片在三维空间的排列事实上是非常有意义的。 计算机视觉算法将这些图片联系到一起， 那么这些图片就能够将真实空间呈现出来了， 而我们正是在这个空间里拍下了上述的照片——这些照片都是在 加拿大落基山脉的格拉西湖（Grassi Lakes）附近拍下的——（所有照片）都是在这里拍下的。 因此你可以看到这里的元素是稳定的幻灯放映或者全景成像， 而这些内容在空间上都是关联的。 我不确定我们是否有时间来展示更多的环境全景。 有很多例子比这个的空间感还要强。 下面让我们来看一下去年夏天， 我们利用Noah早期的数据库之一 所Photosynth的初期模型的建立。 我认为 这可谓是我们这项技术的最抢眼之处。 这项技术不单单像我们在 网站上展示得那么简单明了。 主要因为我们制作网站时，要顾及到很多法律问题。

这里是利用Flickr网站上 的图像重建的巴黎圣母院。 你所要做的只是在Flickr网站上输入“巴黎圣母院” 然后便能看到很多图片，包括留影的游人等等。 所有这些橘黄颜色的锥形都代表了一张 用来建立模型的图片。 这些全部是来自Flickr的图片， 被这样在空间里被串联起来。 接着，我们便可如此自如的进行浏览。 （鼓掌）

说实话，我从来没想过我会最后来为微软工作 受到这样欢迎，真挺令人高兴的。 （笑声）

我想你们可以看出 这些图片原自很多不同的相机： 从手机摄像头到专业单反。 如此大量的不同质量的照片，全被在这个环境下 拼合在了一起 让我来找些比较诡异的图片。 看，不少照片包含了游客的大头照等等。 我记得这儿应该有 一个系列的照片 - 啊，在这儿。 这个是巴黎圣母院的海报。 我们可以钻到海报里 去看整个重建的环境。

这里的重点呢便是我们可以 有效地利用网络社区。我们可以从每个人那里得到数据 将每个人对不同环境 的记忆收集在一起， 共建成模型。 当所有这些图片交织在一起时， 所衍生出的 要远远超过单单收集起全部。 这个模型所衍生出的，是整个地球。 这如同是Stephen Lawler的《虚拟地球》的长尾市场。（Stephen Lawler 微软Virtual Earth项目主管）（见Long tail 长尾市场 TED: Chris Anderson ） 这类模型，会随着人们的 使用而不断变的复杂， 变得更加有价值。 用户的照片，会被大家 注上标签。 如果有人愿意为所有这些圣母院里的圣贤注上标签， 表明他们是谁，那我们的圣母院照片便会 一下子丰富起来， 然后呢，我们便能以这张照片为起点，进入这个空间， 这个由很多人的照片所搭建的虚拟世界， 从而得到一种跨越模型， 跨越用户的交互体验。 当然了，这一切所带来另外一个宝贵产物便是 一个非常丰富的模型 - 充斥 这地球每个角落里有趣的景观。这些景观不再 局限于航空和卫星图片， 而是实实在在的人们按下快门一刻所收藏的记忆的集合。

非常感谢！ （掌声）

Chris Anderson: 如果我理解正确的话，你们的这个软件将能够 在未来的几年内 将来自全球的图片 接合在一起？

BAA:是的。这个软件的真正意义便是去探索。 它在图片间构建起超链接。 这个接合的过程 完全是基于图片的内容。 更令人兴奋的 在于图片所包含的大量文字语义信息。 比如，你在网上所以一张图片， 键入关键词后，网页上的文字内容 将包含大量与这个图片相关的信息。 现在，假设这些图片全都与你的图片相连，那将会怎样？ 那时，所以这些语义信息的相互链接 以及内容量将是 巨大的。这将是非常典型的网络效应。

CA:Blaise，太难以置信了。祝贺你们！

BAA:非常感谢各位！