据外媒报道，华盛顿大学（UW）电气与计算机工程和物理学教授Arka Majumdar与普林斯顿大学（Princeton University）计算机科学助理教授Felix Heide带领学生开展突破性研究，将摄像头缩小至盐粒大小，同时仍能拍摄清晰的图像。

 （图片来源：华盛顿大学）

这一新型紧凑型摄像头专为计算机视觉（一种允许计算机识别图像和视频中的物体的人工智能）而设计。该研究原型利用光学计算，从而大大降低功耗，并使摄像头能够以光速识别物体。这代表了计算机视觉领域的一种新方法。

Majumdar表示：“这是一种全新的光学思维方式，与传统光学截然不同。这种端到端设计对光学元件与计算块进行协同设计。我们使用工程光学元件来取代摄像镜头，因此能够在光学元件中进行大量计算。”

Heide表示：“这项研究具有广泛的应用潜力，例如自动驾驶汽车、自动驾驶卡车，以及其他机器人技术、医疗设备和智能手机。这项工作仍处于非常早期的阶段，但未来有望使这些应用受益。”

Heide及其学生提供了摄像头原型设计，这是一个紧凑的光学计算芯片。而Majumdar贡献其在光学方面的专业知识来帮助设计摄像头，并和他的学生在华盛顿纳米制造实验室（Washington Nanofabrication Laboratory）制造了芯片。

（图片来源：华盛顿大学）

用工程光学元件取代摄像镜头

该摄像头的光学元件没有使用由玻璃或塑料制成的传统镜头，而是依靠50个元透镜层，这种扁平、轻巧的光学元件利用微观纳米结构来操控光线。这种元透镜还可用作光学神经网络（以人脑为模型的人工智能计算机系统）。这种独特的方法具有若干关键优势，首先是速度快，由于大部分计算都是以光速进行的，该系统识别和分类图像的速度比使用传统计算机硬件的神经网络快200多倍，而且具有相当的准确性；其次，由于摄像头中的光学元件依靠入射光（而不是电力）运行，功耗大大降低。

Heide表示：“我们的想法是利用Arka在超表面方面的一些开创性成果，将一些传统上以电子方式进行的计算以光速带入光学系统中。通过这种方式，我们制作了新的计算机视觉系统，能够进行大量光学计算。”

Majumdar和Heide打算继续合作，并在下一步的研究中进行进一步迭代和改进原型等，以使其更适用于自动驾驶汽车的自动导航。他们还计划处理更复杂的数据集，以及需要更大计算能力才能解决的问题，例如对象检测（在图像中定位特定对象），这是计算机视觉的一个重要功能。

Majumdar表示：“目前，该光学计算系统还是研究原型，仅适合一种特定的应用。但是，该系统有望广泛应用于许多技术。与其他现有神经网络光学实现相比，这是一个巨大的进步。”