Une nouvelle méthode d'imagerie radicale qui exploite l'intelligence artificielle pour transformer le temps en visions de l'espace en 3D pourrait aider les voitures, les appareils mobiles et les moniteurs de santé développent une conscience à 360 degrés.

Les photos et les vidéos sont généralement produites en capturant des photons - les éléments constitutifs de la lumière - avec des capteurs numériques. Par exemple, les appareils photo numériques sont constitués de millions de pixels qui forment des images en détectant l'intensité et la couleur de la lumière à chaque point de l'espace. Des images 3D peuvent ensuite être générées soit en positionnant deux ou plusieurs caméras autour du sujet pour le photographier sous plusieurs angles, ou en utilisant des flux de photons pour balayer la scène et la reconstruire en trois dimensions. Dans les deux cas, une image n'est construite qu'en recueillant des informations spatiales de la scène.

Dans un nouvel article publié aujourd'hui dans la revue Optique , chercheurs basés au Royaume-Uni, L'Italie et les Pays-Bas décrivent une toute nouvelle façon de créer des images 3D animées :en capturant des informations temporelles sur les photons au lieu de leurs coordonnées spatiales.

Leur processus commence par un simple, détecteur monopoint peu coûteux réglé pour agir comme une sorte de chronomètre pour les photons. Contrairement aux caméras, mesurer la distribution spatiale de la couleur et de l'intensité, le détecteur enregistre uniquement le temps qu'il faut aux photons produits par une impulsion de lumière laser d'une fraction de seconde pour rebondir sur chaque objet dans une scène donnée et atteindre le capteur. Plus un objet est éloigné, plus il faudra de temps à chaque photon réfléchi pour atteindre le capteur.

Les informations sur le timing de chaque photon reflété dans la scène - ce que les chercheurs appellent les données temporelles - sont collectées dans un graphique très simple.

Ces graphiques sont ensuite transformés en une image 3D à l'aide d'un algorithme de réseau neuronal sophistiqué. Les chercheurs ont entraîné l'algorithme en lui montrant des milliers de photos conventionnelles de l'équipe déplaçant et transportant des objets dans le laboratoire, à côté des données temporelles capturées par le détecteur ponctuel en même temps.

Finalement, le réseau en avait suffisamment appris sur la façon dont les données temporelles correspondaient aux photos qu'il était capable de créer des images très précises à partir des seules données temporelles. Dans les expériences de preuve de principe, l'équipe a réussi à construire des images animées à environ 10 images par seconde à partir des données temporelles, bien que le matériel et l'algorithme utilisés aient le potentiel de produire des milliers d'images par seconde.

Dr Alex Turpin, Lord Kelvin Adam Smith Fellow en science des données à la School of Computing Science de l'Université de Glasgow, a dirigé l'équipe de recherche de l'Université avec le professeur Daniele Faccio, avec le soutien de collègues de l'Université polytechnique de Milan et de l'Université de technologie de Delft.