Türkçe altyazı Turkish subtitles
0:00 Google DeepMind laboratuvarından gelen bu muhteşem makale, bilim kurgu gibi görünen bir şeyi vaat ediyor: Sahnelerin tam 4 boyutlu yeniden oluşturulması. Hmm. Bu, This absolutely incredible paper from the Google DeepMind lab promises something that sounds like science fiction. Full 4 dimensional reconstruction of scenes. Hmm. Does this mean that 0:13 Miegakure adlı oyundaki gibi nesnelerin başka bir uzay boyutuna kayması mı demek? Hayır. Hayır, çünkü bu oyun hâlâ yapım aşamasında ve 11 yıldır öyle. Vay. Tamam, things disappear into another spatial dimension like in this game called Miegakure? No. No, because this game is in the works and it has been for more than 11 years now. Wow. Okay, 0:27 Ben de "Gaussian Material Synthesis" adlı bu araştırma makalesi üzerinde çalıştım ve bitirmek 3.000 saatimi aldı. Çalışırken hiçbir makale çıkmadı, insanlar benden habersizdi. I won’t say anything because I also worked on this research paper called Gaussian Material Synthesis that took me 3,000 work hours to finish. And while I was working on it, no papers appeared and people thought I was dead. 0:42 Tanrım, bölümü bile başlatmadık ama zaten raydan çıktık. Tamam, Károly, odaklan. God, I haven’t even started the episode and we’ve gone off the rails already. Okay, Károly, focus. 0:48 Peki bu 4 boyutlu şey ne? 3 uzay boyutu ve 1 zaman boyutu. Çılgın solucan delikleri değil, daha da kötü! IKEA mobilyası monte etmek gibi, ama vidaları sıkmaya başladığında dolap kaçıyor. Okay, so what is this 4D thing? Well, 3 spatial dimensions, and 1 dimension that is time. It’s not crazy wormholes, it’s worse! It’s like building IKEA furniture, but as you start tightening the screws, the cabinet is running away. 1:05 Peki bu çılgın kişi ne anlatıyor? Seçtiğiniz bir sahnenin videosunu giriyorsunuz. Çıktı ise o sahanın sanal bir versiyonu, yani bir nokta bulutu oluyor. Ancak, Okay, so what the heck is this crazy person talking about. So in goes a video of a scene of your choice. And out comes a virtual version of it in the form of a point cloud. However, 1:18 asıl mesele, nesnelerin istedikleri gibi hareket edebilmeleri. the catch is that things are allowed to move around as they please. 1:23 Bu harika, bakın bu son derece dinamik judo sahnelerine ve her türlü çılgınlığa, bu noktaların zaman içinde nasıl hareket ettiğini anlıyor. Bir yapay zekanın 2 boyutlu bir fotoğrafa bakıp And this is fantastic, I mean look at these highly dynamic judo scenes and all kinds of craziness, and it understands how these points are moving around over time. I am always fascinated by the fact that an AI can look at a 2D photograph, 1:40 altındaki uzamsal gerçekliği anlayabilmesi beni her zaman büyülemiştir. Onlar için bunlar sadece bir dizi sayı, ama yakın olanı ve uzak olanı anlıyorlar. Çılgınlık. Biz insanlar bu konuda iyiyizdir, and understand the underlying spatial reality. This is just a bunch of numbers for them, yet they understand what is close and what is far away. Crazy. We humans are good at that, 1:53 çünkü bu için milyonlarca yıldır evrimleşmiş bir beynimiz var. Oysa bu, düşünmeyi öğrenmiş bir kum yığını. Bu bile zaten muhteşem. Ama daha da iyiye gidiyoruz. but we have a brain that evolved for that for millions of years. And this is just a bunch of sand that learned to think. So that is already amazing. But it gets better. 2:05 DeepMind, bunun sınırsız uygulamaları olabileceğini, evet, sınırsız güce sahip olduğunu söylüyor! Harika! Károly. Tamam, tamam. DeepMind says it could have unlimited applications, yes, unlimited power! Woo-hoo! Károly. Ok, ok. 2:15 Şimdi bunu yapmak gerçekten çok zor. Önceki teknikler bu tür 4B yeniden yapılandırmayı yapabilirdi, ancak bunun için bir dizi özel model gerekiyordu. Derinlik için bir yapay zeka, hareket için başka bir tane ve kamera açıları için üçüncü bir tane kullanırdınız. Sonra bunları yapıştırmanız Now performing this is really tough. Previous techniques could do this kind of 4D reconstruction, but you needed a bunch of specialized models for it. You’d have one AI for depth, another for motion, and a third for camera angles. And then you have to glue 2:33 Tüm bunlar bir araya gelince bir canavara dönüşüyor. Bu canavarı kullanmak, test anı optimizasyonu denilen bir tekniği gerektiriyor. Evet. Burada bilgisayarınız, geometrinin dağılmaması için farklı modellerin birbirleriyle anlaşmasını sağlamak üzere dakikalarca ter dökerek çalışıyor. all of these together into an abomination. Using the abomination requires a technique called test-time optimization. Yes. Here, your computer sits there sweating for minutes, trying to make the different models agree with each other so the geometry doesn't fall apart. 2:52 Şimdi bu yeni teknik bunu yapmıyor. Şık görünmek istiyorsanız buna D4RT diyoruz, okunuşu dart. Şimdi bu tek bir yapay zeka tekniği kullanıyor. Sadece bir dönüştürücü. Her şey Now this new technique doesn’t do that. This is called D4RT, if you want to sound cool, pronounce it as dart. Now this one uses one AI technique. Just one transformer. Everything 3:06 Burada ortada gördüğünüz şey, tek bir yapının yalnızca bir parçası. Ve bu tek yapı, derinlik, hareket ve kamera duruşunu birbirleriyle iletişim kurmalarına gerek kalmadan aynı anda işleyebiliyor. that you see here in the middle is just part of one thing. And this one thing can handle depth, motion, and camera pose simultaneously without needing them to talk to each other. 3:18 Ama daha da iyisi var. Çok daha iyisi. Hatta görünürlük engellerinin arkasındaki nesneleri bile takip edebilir. Bir noktayı görmese bile nerede olduğunu tahmin edebilir. Bu nasıl mümkün olabilir? Peki, But it gets better. A lot better. It can even track through occlusion. It is able to guess where these points are, even if it doesn’t see them. How on Earth is that possible? Well, 3:31 bu noktaları daha önce gördük ve tekrar göreceğiz; bu yüzden onları görmese bile nerede oldukları konusunda bilinçli bir tahminde bulunabilir. İnanılmaz. these points we have seen before, and will see again, so it is able to make an educated guess as to where they are, even if it doesn’t see them. Crazy. 3:43 Ve devasa sahneleri, sadece içlerinden kısaca bakarak yeniden oluşturabilir. Kesinlikle muhteşem. And it can reconstruct massive scenes by just briefly looking through them. Absolutely incredible. 3:50 Şimdi kağıtlarınızı sıkıca tutun, değerli meslektaşlarım, çünkü bu sayede inanılmaz derecede hızlı. Yani, vay be. Önceki tekniklerle nasıl karşılaştırıldığını görün. Neyle karşılaştırıldığına bağlı olarak, 300 kata kadar daha hızlı. Bu akıl almaz. Birazdan nasıl çalıştığını anlatacağım. Now hold on to your papers Fellow Scholars, because as a result, it is incredibly fast. I mean, wow. Look at how it compares to previous techniques. Depending on what you compare to, it is up to 300 times faster. That is mind blowing. I’ll tell you in a moment how it works. 4:11 Şimdi, bir saniye, bir saniye. Durun. Sahneleri nokta bulutlarıyla değil, başka yollarla da temsil edebiliriz. Çoğu oyun ve animasyon filmi 3D ağ geometrisi kullanır ve Gaussian Splat'lar da yeni trend. Bu, onlarla nasıl ilişkilendirilir? Now, wait wait wait. Hold the phone. we can represent scenes in other ways too, not just with point clouds. Most games and animation movies use 3D mesh geometry, and Gaussian Splats are also the new rage. How does this relate to those? 4:28 Üç açıdan hem daha iyi hem de daha kötü. It is better and also worse in 3 ways. 4:32 Öncelikle hareketi işlemede mükemmel. Mesh'ler ve splat'lar genellikle hayaletlemeyle başa çıkmakta zorlanıp nesneler hareket ettikçe artefaktlar bırakırken, D4RT hareketi matematiğin temel bir parçası olarak ele alır. İkincisi, önceki yöntemlerden 300 kata kadar daha hızlıdır. Gaussian splat'ların genellikle gerektirdiği yavaş, First, it excels at handling motion. While meshes and splats often struggle with ghosting, leaving behind artifacts as objects move, D4RT treats movement as a core part of the math. Second, it is up to 300x faster than previous methods. It skips the slow, 4:51 iteratif optimizasyon döngülerini atlar. Üçüncüsü, model derinliği, izlemeyi ve kamera parametrelerini eş zamanlı olarak geri kazanır. Bunlar inanılmaz cazip. iterative optimization loops that Gaussian splats usually require. Third, the model recovers depth, tracks, and camera parameters simultaneously. These are incredibly appealing. 5:03 Ancak, burada abartıya kaçmayalım. Şimdi kötü haberler. Oldukça iyi olmadığı 3 şey. Nokta bulutu çıktısı ürettiği için veri, diyelim ki, zeki değil. Sadece bir However, let’s not overstate things here. Now come the bad news. 3 things it is not so good at. Because it outputs a point cloud, the data is let’s say unintelligent. It’s just a bunch 5:16 grup nokta. Ek bir meshleme adımı olmadan 3D baskı yapamazsınız veya fizik çarpışmaları için kullanamazsınız. Ayrıca güzel görünmesi de amaçlanmamış. Mesh'ler ve Gaussian Splat'lar fotorealistik yansımaların kralı olmaya devam ederken, D4RT tamamen geometrik doğruluğa odaklanıyor. Son olarak, of dots. You can't 3D print it or use it for physics collisions without an extra meshing step. It is also not meant to look pretty. Meshes and Gaussian Splats remain the kings of photorealistic reflections while D4RT focuses strictly on geometric accuracy. Finally, 5:36 düzenleme için daha kötü, çünkü mesh'in yapılandırılmış yüzleri olmadan, Blender'a girip onu dijital kil gibi şekillendiremezsiniz. it is worse for editing, because without the structured faces of a mesh, you can't exactly hop into Blender and sculpt it like digital clay. 5:46 Peki, bu inanılmaz iş nasıl mümkün oluyor? Kaçmak isteyen o dolabı nasıl bir araya getiriyoruz? Sevgili Meslektaşlar, Dr. Károly Zsolnai-Fehér ile Two Minute Papers'dayız. Önce kodlayıcı. Bu bir usta marangoz. Sahneye bakıyor ve Okay, so how is all this incredible work possible? How do we assemble that cabinet that wants to run away? Dear Fellow Scholars, this is Two Minute Papers with Dr. Károly Zsolnai-Fehér. First, the encoder. This is a master carpenter. This looks at the scene and 6:03 mobilyanın geçmişini ve şimdini anlamaya çalışıyor. Ne olduğunu anlamaya çalışıyor. Buna küresel sahne temsili diyorlar. tries to understand the past and the present of the furniture. Understand what it’s about. This they call a global scene representation. 6:13 Sonra çözücüye geçiyoruz. Bunlar sihirli cüceler. Şimdi inşa edelim. İşte deha kısmı. Tüm dolabı bir anda inşa etmeye çalışmak yerine, ki bu ağır ve yavaş. Evet, Then, we get the decoder. These are the magic elves. Now let’s build. Here comes the genius part. Instead of trying to build the whole cabinet at once, which is heavy and slow. Yes, 6:28 IKEA mobilyası yaparken hepimiz bunu biliyoruz. Bu kutunun içinde 100 vida nasıl oluyor? Kimse bilmiyor. Tamam, marangoz sadece bir yere işaret edip minicik bir cüceye bağırıyor: "Hey SEN! Evet sen! 10. zaman damgasındaki bu özel vida nerede?" we all know that from building IKEA furniture. How the heck can this box have 100 screws? No one knows. Okay, so the carpenter just points to a spot and yells at a tiny elf: “Hey YOU! Yes, you! Where is this specific screw at timestamp 10?" 6:46 Sorgu olan cüce, bilgiyi alır ve vidayı varoluşa zıplatır. İşte şimdi deha kısmı geliyor. Cüceler birbirleriyle konuşmak zorunda değil. Ah evet, sonunda! Bu yüzden 10 cüce ya da 1.000.000 cüce olabilir, fark etmez. Evet, The elf, which is the query grabs the info and zaps the screw into existence. Now here comes the genius part. Elves don’t need to talk to each other. Oh yes, finally! So because of that, you can have 10 elves or 1,000,000 elves doesn’t matter. Yes, 7:06 teknik tamamen paralelleştirilebilir! Bu da kanlı canlı hızlı olmasının diğer nedeni. the technique is completely parallelizable! That is the other reason why it is so bloody fast. 7:13 Ve işte asıl can alıcı nokta. Çözücü, yani cüceler, biraz bulanık bir şekilde görüyor. Kötü bir görüşe sahipler, bu yüzden üzerinde çalıştıkları nesneler biraz bulanıklaşıyor. Bilim insanları da, And here is the kicker. The decoder, so the elves see in a way that is a bit blurry. They have terrible eyesight, so the objects they are working on become a bit blurry. So scientists say, let’s 7:27 onlara sihirli gözlük verelim diyor. Nasıl mı? Tekniğe, orijinal, yüksek çözünürlüklü video piksellerini çözücüye geri besleyerek. Yani daha önce bunu görüyorlardı ve şimdi bunu görüyorlar. give them magic glasses. How? Well, by feeding the technique the original, high-resolution video pixels back into the decoder. So this is what they saw before, and this is what they see now. 7:42 Bu çılgın, çünkü şimdi yapay zekanın kendi iç beyninden daha ince detayları yeniden inşa edebiliyor! That is insane, because now it can reconstruct details finer than the AI's own internal brain! 7:49 Ama dolabın kaçmak istediği kısmı henüz açıklamadım. Bunu nasıl ele alıyoruz? Normal bir 3D taramada, eğer kamera dolabın bacağını göremezse, But I haven’t explained the part where the cabinet wants to run away. How do we handle that? Well, in a normal 3D scan, if the camera can't see the leg of the cabinet, the computer just gives up. Incomplete information and moving things cannot be 8:05 bilgisayar sadece pes eder. Eksik bilgi ve hareketli nesneler iyi ele alınamaz. Geometrinizde devasa bir delik bırakırlar. Tam bir felaket. handled well. They just leave a giant hole in your geometry. Total disaster. 8:10 Ama hatırla, usta marangozumuz sadece bir fotoğrafa bakmıyor. Video bandını baştan sona izledi. Geçmişi ve şimdini gördü. Dolayısıyla But remember, our master carpenter is not looking at just one photo. He has watched the entire video tape from start to finish. He has seen the past, and the present. So when the 8:23 dolabın bacağı koltuğun arkasına kaybolduğunda, cüce çığlık atar: "Usta! Vida gitti! Göremediğimi inşa edemiyorum!" Bir cücenin neden bu sesi olduğunu bilmiyorum. cabinet leg disappears behind the sofa, the elf cries out, "Master! The screw is gone! I cannot build what I cannot see!" I do not know why an elf has this voice. 8:35 Şimdi, bilge marangoz gülümseyip der: "Rahat ol. Beş saniye önce o vidayı gördüm ve beş saniye sonra diğer taraftan çıkarken görüyorum. Buna dayanarak, şu an tam olarak burada saklanıyor!" Ve pat! Cüce artık aniden bir araya getirebiliyor Now, the wise carpenter smiles and says: "Relax. I saw that screw five seconds ago, and I see it pop out the other side five seconds later. Based on that, right now, it is hiding... exactly here!” And boom! The elf is now suddenly able to assemble 8:54 dolap. Başka bir deyişle, bu, engellenme ve kaybolan bilgilerin nasıl izlendiğini gösteriyor. the cabinet. In other words, this is how it tracks through occlusion and disappearing information. 9:01 Şaşırtıcı bir şekilde, burada öğrenecek daha çok şey var. Dinleyin. Elfler, birbirleriyle konuşmadıkları için sahneyi 300 kat daha hızlı inşa ediyorlar. Bu harika bir hayat tavsiyesi. Bazen iş birliğinin bir bedeli vardır. Bazen bunun yerine, ulaşılamaz olduğunuz, sıfır iletişim içeren birkaç Now surprisingly, there is more to learn here. Listen. The elves build the scene 300x faster because they do not talk to each other. That is excellent life advice. Sometimes collaboration has a tax. Sometimes instead you need to create a few 9:19 saatlik derin çalışma blokları oluşturmanız gerekir. Bunu her yaptığımda, kısa sürede ne kadar çok iş yapabildiğime şaşıyorum. hours of zero-communication deep work blocks where you are unreachable. Whenever I do that, I am often surprised by how much I can get done in little time. 9:30 Bu, Google DeepMind'deki, Londra Üniversitesi College'ındaki ve Oxford Üniversitesi'ndeki büyücülerin bir iş birliğidir. Bunlar, geleceğin güç aletlerini icat eden ve hepsini ücretsiz olarak bizimle paylaşan insanlardır. Çok teşekkürler! Hayatta olmak için ne güzel bir zaman! This is a collaboration between the wizards at Google DeepMind, University College London, and University of Oxford. These are the people inventing the power tools of the future and giving it away for all of us for free. Thank you so much! What a time to be alive! 9:48 İşte buyurun. Geleceğin bir bakışı ve dijital dünyaların yakında nasıl oluşturulabileceği. Herkesin anlayabileceği basit kelimelerle anlatılan gerçekten ileri düzey bir makale. Bunu takdir ediyorsanız, abone olmayı, zili tıklamayı ve nazik bir yorum bırakmayı unutmayın. Böylece daha fazla So, here you go. A glimpse of the future and how digital worlds could be created soon. A really advanced paper described in simple words anyone can understand. If you appreciate that, make sure to subscribe, hit the bell and leave a kind comment. So you’ll get more 10:06 bu tür videolardan alırsınız. Endişelenmeyin, burada hepimiz makale bağımlısıyız. videos like this. Don’t worry about it, we are all paper addicts here. Altyazı bilgisayarımda üretildi ve videoyla ilerler; bir satıra tıklayın, o ana atlasın. Subtitles generated on my computer; they follow the video — click a line to jump there.
Google DeepMind'in yeni yapay zekâsı, video verilerinden hareketli nesnelerin zaman boyutundaki davranışlarını modelleyerek göremediği sahneleri 4 boyutlu olarak yeniden oluşturuyor. Google DeepMind's new artificial intelligence reconstructs unseen scenes in 4D by modeling the temporal behavior of moving objects from video data.
Bu video youtube.com üzerinde yayımlandı; buradaki oynatıcı YouTube’undur. Türkçe özet ve altyazı AiPulse için hazırlanmıştır. This video is published on youtube.com ; the player here is YouTube’s. The Turkish summary and subtitles are prepared for AiPulse .
YouTube’da izle Watch on YouTube AI Kritik → AI Critique →