Emil Wallner นักวิจัยปัญญาประดิษฐ์ได้สร้างเว็บไซต์ Palette.fm ซึ่งมีระบบปัญญาประดิษฐ์ที่เขาพัฒนาขึ้น สามารถเปลี่ยนภาพขาวดำที่ถูกอัพโหลดขึ้นไป ให้กลายเป็นภาพสีได้ภายในคลิกเดียว นอกจากนี้ผู้ใช้ยังสามารถแก้ไขข้อความบรรยายภาพเพื่อปรับแต่งภาพสีที่ได้ให้มีลักษณะตรงความต้องการได้มากขึ้นด้วย

Pellete.fm จะเรียนรู้วัตถุในภาพที่มันได้รับและทายว่าวัตถุนั้นมีสีอะไรตามธรรมชาติโดยอาศัยข้อมูลจากที่มันได้รับการเทรนมา Wallner อธิบายว่าเขาสร้างโมเดลปัญญาประดิษฐ์ขึ้นมา 2 โมเดล โมเดลแรกจะดูภาพและสร้างข้อความบรรยายภาพนั้นขึ้นมา ส่วนโมเดลที่ 2 จะใช้ข้อความที่ถูกสร้างขึ้นประกอบกับภาพขาวดำที่ถูกป้อนให้มันมาประมวลรวมกันเพื่อเปลี่ยนภาพดังกล่าวให้เป็นภาพสี

มีรายงานว่าแอปเปิลได้ซื้อกิจการสตาร์ทอัพจากอังกฤษ Spectral Edge ด้วยมูลค่าที่ไม่เปิดเผย อย่างไรก็ตามแอปเปิลไม่ได้ออกมายืนยันถึงดีลดังกล่าวแบบในอดีต แต่สำนักข่าว Bloomberg ยืนยันแหล่งข่าวและเอกสารว่าดีลนี้เกิดขึ้นแล้ว

Spectral Edge เป็นผู้พัฒนาอัลกอริทึมสำหรับปรับปรุงภาพถ่ายให้มีความคมชัดมากขึ้น มีสีที่ถูกต้องมากขึ้น ในระดับเรียลไทม์ คาดว่าแอปเปิลจะนำเทคนิคนี้มาใช้กับกล้องของ iPhone

ที่มา: 9to5Mac

ภาพ Lena Söderberg นางแบบนิตยสาร Playboy ที่ตีพิมพ์เป็นภาพกลางเล่มนิตยสารฉบับพฤศจิกายน 1972 และในปี 1973 ระหว่างทีมวิจัยใน University of Southern California กำลังพัฒนาอัลกอริธึมในการบีบอัดภาพที่เป็นต้นกำเนิดของ JPEG ทีมวิจัยก็ตัดสินใจใช้ภาพกลางเล่มนิตยสาร Playboy วันนี้สารคดี Losing Lena แสดงปัญหาว่าการใช้ภาพ Lena โดยไม่ได้ใส่ใจ ส่งผลต่อการผลักดันผู้หญิงออกจากวงการวิทยาการศาสตร์อย่างไร

หลังจากนั้นทีมวิจัยส่งต่อภาพสแกนให้ทีมวิจัยอื่นเพื่อทดสอบประสิทธิภาพของอัลกอริธึมเพื่อมาเทียบผลกัน เนื่องจากภาพของ Lena เป็นภาพตัวอย่างที่ดีภาพหนึ่งในยุคนั้น จากการเป็นภาพพอตเทรตที่ต้องไล่สีผิว มีรายละเอียดทั้งผมและใบหน้า

มีรายงานจากสื่อในเดนมาร์ก ว่าแอปเปิลได้เข้าซื้อกิจการสตาร์ทอัพ Spektral ซึ่งเชี่ยวชาญการทำ Machine Learning ตัดและซ้อนภาพฉากหลัง (Green Screen) แบบเรียลไทม์ โดยดีลดังกล่าวมีมูลค่าราว 30 ล้านดอลลาร์ และปิดดีลกันไปตั้งแต่ปีที่แล้ว

Toke Jansen หนึ่งในผู้ร่วมก่อตั้ง ปัจจุบันมีตำแหน่งเป็นผู้จัดการฝ่าย Computational Imaging ที่แอปเปิล

Spektral เป็นสตาร์ทอัพที่เน้นด้านเทคโนโลยีการแยกวัตถุหลักออกจากพื้นหลังในวิดีโอ ซึ่งสามารถทำงานได้ถึงระดับ 60fps นอกจากนี้ยังสามารถซ้อนภาพฉากหลังอื่นเข้ามาแทนที่ เหมือนกับเทคโนโลยีฉากหลังสีเขียวในรายการโทรทัศน์

นักวิจัยจาก Nvidia, MIT และ Aalto University ได้ร่วมกันพัฒนาระบบจัดการลบสัญญาณรบกวนหรือน้อยส์จากภาพถ่ายโดยใช้ AI จากการใช้ ImageNet จำนวนกว่า 5 หมื่นภาพ, ภาพถ่ายที่ถูกสร้างขึ้นจากคอมพิวเตอร์และ MRI เป็น dataset สำหรับใช้เทรน ซึ่งตัว AI นี้สามารถจัดการกับน้อยส์และให้ภาพถ่ายที่มีคุณภาพที่ดีออกมาได้

ระบบ AI นี้มีชื่อว่า Noise2Noise ถูกสร้างขึ้นโดยใช้ deep learning เมื่อใส่ภาพแบบเป็นน้อยส์ไปแล้ว ตัว AI จะให้ภาพที่มีคุณภาพสูงออกมาได้ ซึ่งภาพจาก ImageNet นี้ทีมวิจัยได้ใส่ randomized noise เข้าไปเพื่อใช้ในการเทรน และทีมวิจัยคาดว่าวิธีนี้สามารถนำไปใช้เพื่อจัดการภาพถ่ายที่มีน้อยส์ปริมาณมากอย่างเช่นภาพถ่ายอวกาศ ไปจนถึงสัญญาณอื่น ๆ อย่างเช่น MRI ก็ได้

Facebook เผยแพร่งานวิจัย ของระบบในการแก้ไขภาพถ่าย ที่ผู้ถูกถ่ายภาพเผลอหลับตา โดยสามารถเติมดวงตาเข้าไปได้ด้วย AI อาศัยข้อมูลพื้นฐานจากภาพถ่ายอื่นประกอบ ซึ่งแตกต่างจากงานแก้ไขภาพแบบอื่น ที่มักอาศัยองค์ประกอบโดยรอบในภาพ แต่หากคนในภาพหลับตาแล้ว ก็จำเป็นต้องใช้ข้อมูลอดีตมาช่วย

วิธีการแก้ไขภาพนี้อาศัยเครือข่ายแบบ Generative Adversarial Networks (GAN) ทำให้เรียนรู้ได้ว่าดวงตาที่ควรนำไปใส่ในภาพที่ต้องการแก้ไข เป็นของใคร และควรปรับสี และรูปทรงให้เข้าภาพนั้นอย่างไร

ดาวน์โหลดเปเปอร์เพิ่มเติมได้ที่นี่

Google พัฒนาปัญญาประดิษฐ์ให้วิเคราะห์ภาพจากกล้องจุลทรรศน์ ด้วยการเรียนรู้ภาพเนื้อเยื่อเซลล์มะเร็งที่ผ่านการวินิจฉัยจากแพทย์มาแล้วมากมาย มันสามารถมองภาพที่ถ่ายมาใหม่ๆ แล้วแยกแยะได้ว่าตรงไหนเป็นเนื้อร้ายที่กลายเป็นเซลล์มะเร็ง หรือเนื้อเยื่อส่วนไหนที่มีความผิดปกติ

สิ่งที่ปัญญาประดิษฐ์ของ Google ทำนี้ คือการช่วยแบ่งเบาภาระหน้าที่ของพยาธิแพทย์ เมื่อถาดใส่เนื้อเยื่อสำหรับการวิเคราะห์ถูกใส่เข้ามาในกล้องจุลทรรศน์ที่ได้รับการดัดแปลงพิเศษ ภาพของเนื้อเยื่อนั้นจะถูกสะท้อนด้วยกระจกไปยังหน่วยประมวลผลปัญญาประดิษฐ์ด้วย ในขณะที่โปรแกรมทำการวิเคราะห์ภาพเนื้อเยื่อที่อยู่ในกล้องจุลทรรศน์ มันจะแสดงผลเป็นภาพ AR ปรากฏบนหน้าจอสะท้อนไปยังตาของผู้ใช้ที่กำลังจับจ้องผ่านช่องส่องภาพของกล้องจุลทรรศน์

ปีที่แล้ว อินเทลซื้อ Movidius เจ้าของชิปประมวลผลภาพ Vision Processing Unit (VPU) วันนี้ชิปตัวนี้เปิดตัวอย่างเป็นทางการในชื่อว่า Movidius Myriad X

Myriad X เป็น SoC ที่มีเอนจิน Neural Compute Engine แยกเฉพาะสำหรับงานประมวลผล deep learning ที่ระดับฮาร์ดแวร์ ช่วยให้ประสิทธิภาพงาน deep learning เพิ่มสูงขึ้น (ที่ระดับ 1 TOPS - trillion operations per second) โดยยังรักษาคุณสมบัติเรื่องประหยัดพลังงานเอาไว้

กลุ่มเป้าหมายของ Myriad X มีตั้งแต่รถยนต์ไร้คนขับ โดรน หุ่นยนต์ กล้องวงจรปิด และแว่น VR ตัวมันรองรับภาพจากกล้องความละเอียด HD จำนวนสูงสุด 8 ตัวพร้อมกัน สามารถประมวลผลสัญญาณภาพได้ 700 ล้านพิกเซลต่อวินาที

คงจะเคยดูหนังหรือละครต่างประเทศแนวสืบสวนสอบสวนกันมาบ้าง หลายครั้งที่เราเห็นฉากการตามหาคนแล้วดึงภาพมาจากกล้องวงจรปิด หรือกล้องมือถือที่ไหนสักแห่งแล้วเห็นภาพบุคคลเป้าหมายเบลอๆ เห็นแค่เม็ดพิกเซลเหมือนภาพโมเสค จากนั้นเจ้าหน้าที่ก็ซูมภาพ ซูมแล้วซูมอีก แล้วใช้ซอฟต์แวร์ปรับแต่งภาพให้มีความคมชัดขึ้น จากภาพเบลอๆ เหลี่ยมๆ ก็กลายเป็นภาพใบหน้าคนที่มีความคมชัดขึ้น วันนี้อยากบอกให้รู้ว่าเรื่องพวกนี้มันไม่ได้ขี้โม้เกินจริงสักเท่าไหร่เลย ตัวอย่างโปรแกรมของชายที่ชื่อ David Garcia พิสูจน์เรื่องนี้ให้เห็นได้อย่างดี

Google พัฒนา PlaNet ปัญญาประดิษฐ์ที่สามารถเดาได้ว่าภาพถ่ายที่มันเห็นถูกถ่ายจากที่ไหนบนโลก โดยอาศัยข้อมูลจากสิ่งที่ปรากฏในภาพเท่านั้น ไม่ต้องใช้ข้อมูลแท็กสถานที่ (geotag) ของภาพถ่าย

Tobias Weyand ผู้เชี่ยวชาญด้านคอมพิวเตอร์วิทัศน์ของ Google คือผู้นำทีมในการพัฒนา PlaNet พวกเขาสอนให้มันรู้จักภาพถ่ายจากสารพัดสถานที่กระจายกันรอบโลกถึง 126 ล้านภาพ ซึ่งผลลัพธ์ที่ได้ก็ทำให้ PlaNet สามารถระบุสถานที่ที่แต่ละภาพถูกถ่ายมาได้แม่นยำกว่าคนมาก

ปลายปีที่แล้ว กูเกิลเปิดให้นักพัฒนาภายนอกบริษัทเข้าถึงฟีเจอร์การแยกแยะรูปภาพแบบเดียวกับใน Google Photos โดยใช้ชื่อว่า Cloud Vision API แต่ยังจำกัดการทดสอบเฉพาะกลุ่มอยู่

วันนี้กูเกิลเปิดให้ใครก็ได้ที่สนใจ สามารถเขียนโปรแกรมส่งภาพผ่าน API เพื่อให้ระบบปัญญาประดิษฐ์แยกแยะภาพได้แล้ว รวมถึงประกาศราคาค่าใช้งาน โดยคนที่ใช้ต่ำกว่า 1,000 ภาพต่อเดือนสามารถใช้ได้ฟรี ถ้าใช้มากกว่านั้นเริ่มต้นที่ 2.5 ดอลลาร์ต่อ 1,000 ภาพต่อเดือน (ราคาขึ้นกับว่าแยกแยะหาข้อมูลอะไรในภาพ)

Omron เปิดตัวโครงการ Sensing Egg ชุดกล้องวงจรปิดที่มี API ระดับสูงให้นักพัฒนาภายนอกสามารถพัฒนาแอพพลิเคชั่นใหม่ๆ ลงไปได้

API ที่มีในกล้องชุดนี้ได้แก่ ตรวจจับใบหน้า, จดจำใบหน้า, คาดเดาเพศ, คาดเดาอายุ, วัดอารมณ์จากใบหน้า, ทิศทางการหัน, ทิศทางสายตา, ตำแหน่งของตา, ตรวจจับมือ, ตรวจจับร่างกายคนในภาพ, ตรวจจับสัตว์เลี้ยงและจดจำใบหน้าสัตว์เลี้ยง

ตัวกล้องมาพร้อมกับ SDK ให้นักพัฒนาภายนอกช่วยกันคิดว่าจะใช้ความสามารถเหล่านี้ทำอะไรได้บ้าง โดยทาง Omron พัฒนาแอพพลิเคชั่นสองตัวมาพร้อมกับกล้อง ได้แก่

งานวิจัยของ MIT ที่ได้รับความร่วมมือจาก Google อาจกลายเป็นหนึ่งฟีเจอร์สำคัญของกล้องและสมาร์ทโฟนในอนาคต ด้วยการใช้อัลกอริทึมของงานวิจัยนี้ ทำให้การถ่ายภาพหน้ารั้วตาข่าย หรือถ่ายวิวนอกห้องผ่านกระจกหน้าต่าง จะได้ภาพชัดที่ไม่ถูกบดบังด้วยภาพของรั้วหรือเงาสะท้อนในกระจกอีกต่อไป

หลังจากออกรุ่น OpenCV 2.4.x มาอย่างยาวนาน เมื่อวันที่ 4 มิถุนายนที่ผ่านมา ทางทีมงาน OpenCV ได้ประกาศออกรุ่น OpenCV 3.0 เรียบร้อยแล้ว ในรุ่นนี้ได้เพิ่มฟังก์ชันการประมวลผลภาพและปรับปรุงเวลาการประมวลผลให้เร็วขึ้น อีกทั้งมีเสถียรภาพมากขึ้นด้วย นอกจากส่วนหลักของ OpenCV 3.0 แล้ว ยังมีส่วนขยายเพิ่มเติม โดยเพิ่มฟังก์ชันใหม่ต่างๆ ที่อาจจะยังไม่มีเสถียรภาพมากเพียงพอ หรือยังไม่ผ่านการทดสอบที่เพียงพอที่จะนำเข้าโครงการหลัก จะปรากฏในส่วนของ opencv_contrib

ส่วนที่น่าสนใจในเวอร์ชันนี้คือ

เดือนที่แล้วไมโครซอฟท์สร้างความฮือฮาไปทั่วโลกด้วยเว็บ How-Old.net อัพโหลดภาพเพื่อทายอายุ (ซึ่งเป้าหมายจริงๆ คือโชว์ความสามารถของ Azure Machine Learning)

เดือนนี้ไมโครซอฟท์กลับมาอีกครั้งกับเว็บคล้ายๆ กันชื่อ TwinsOrNot.net อัพโหลดภาพไป 2 ภาพเพื่อตรวจสอบว่าเป็นฝาแฝดกันหรือไม่

ในแง่การใช้งาน เว็บนี้อาจไม่ต่างไปจาก How-Old.net มากนัก แต่จุดที่น่าสนใจจริงๆ คือเบื้องหลังการสร้างเว็บนี้ เพราะ Mat Velloso วิศวกรของไมโครซอฟท์ใช้เวลาแค่ 4 ชั่วโมง โดยใช้ Face API ของไมโครซอฟท์ เขียนเว็บด้วย ASP.NET MVC และรันทั้งหมดบน Azure

จำได้ไหม? พวกเราจำได้ใช่ไหม? ปีที่แล้ว Google เผยแพร่งานวิจัยการใช้โครงข่ายประสาทเทียมที่เรียนรู้จนสามารถแยกแยะวัตถุที่เห็นในภาพต่างๆ ได้ ล่าสุด Microsoft ก็โชว์ผลงานลักษณะเดียวกันนี้ให้เห็นบ้าง โดย Microsoft อ้างว่านี่เป็นครั้งแรกที่ระบบซอฟต์แวร์สามารถเอาชนะมนุษย์ได้สำเร็จในการแยกแยะวัตถุในภาพ

ไมโครซอฟท์ รีเสิร์ช อัพเดต Image Composite Editor (ICE) แอพทำภาพพาโนรามา จากรุ่น 1.4.4 เป็นรุ่น 2.0 โดยแอพรุ่นล่าสุดมากับส่วนติดต่อผู้ใช้ (UI) ใหม่หมด เพิ่ม Image Autocomplete ฟีเจอร์เติมเต็มส่วนของภาพที่หายไปหลังการรวมภาพ (ดูภาพเปรียบเทียบที่ท้ายข่าวประกอบ) และฟีเจอร์ทำภาพพาโนรามาจากวิดีโอ สนับสนุนซีพียู 64 บิต เป็นต้น

ดูคลิปนำเสนอแอพได้ที่ท้ายข่าว และดาวน์โหลดแอพได้จากที่มาของข่าวครับ

ที่มา: WinBeta

ผลของการจับเอางานวิจัยด้านการรู้จำและแยกแยะวัตถุในภาพของ Google มารวมพลังกับงานวิจัยด้านภาษาธรรมชาติของ Stanford ทำให้ได้ระบบซอฟต์แวร์ที่สามารถทำความเข้าใจองค์ประกอบของภาพถ่าย และบรรยายออกมาเป็นประโยคด้วยถ้อยคำที่เป็นธรรมชาติ

ไมโครซอฟท์มีแอพชื่อ Office Lens บน Windows Phone ใช้สำหรับถ่ายภาพเอกสารแล้วแปลงเป็นโน้ตของ OneNote (ข่าวเก่า) ล่าสุดไมโครซอฟท์อัพเกรดความสามารถของมันเพิ่มเติม ให้สามารถถ่ายภาพเอกสารแล้วแปลงเป็นไฟล์ Word หรือ PowerPoint ได้ด้วย

หลักการทำงานของมันคือใช้เทคนิค image processing ช่วยแปลงเอกสารที่อาจถ่ายมุมเอียง กลับมาเป็นเอกสารที่ถูกสแกนมาแบบแนวราบ จากนั้นใช้เทคนิค OCR แปลงข้อความบนเอกสารเป็นไฟล์ข้อความ โดยยังคงรักษาฟอร์แมตของเอกสารเอาไว้ (ทำได้แม้กระทั่งตาราง) แนะนำให้ดูภาพและวิดีโอประกอบ

เทคโนโลยีการใช้ระบบคอมพิวเตอร์มาจดจำภาพใบหน้าของมนุษย์เพื่อแยกแยะจำแนกบุคคลนั้นว่าน่าทึ่งแล้ว แต่เทคโนโลยีในห้องวิจัยนั้นยังคงเดินหน้าต่อไปเรื่อยจนถึงขนาดที่ว่าระบบคอมพิวเตอร์สามารถระบุได้ว่าวัตถุต่างๆ ที่ปรากฏในภาพถ่ายที่มันมองเห็นนั้นคืออะไร

Google ได้เล่าเรื่องราวเกี่ยวกับการประกวด ILSVRC ซึ่งจัดขึ้นเพื่อให้ผู้เข้าร่วมแข่งขันนำเอาระบบซอฟต์แวร์จำแนกและระบุตำแหน่งวัตถุสิ่งของในภาพมาทำการแข่งขันเปรียบเทียบประสิทธิภาพกันใน 3 หมวด อันได้แก่ "การแยกแยะ", "การแยกแยะและระบุตำแหน่ง" และ "การตรวจจับ" ซึ่งในปีนี้ทีมวิจัยของ Google ที่มีชื่อว่า GoogLeNet ได้รับรางวัลชนะเลิศจากงานนี้ในหมวดแรกและหมวดสุดท้าย

Baidu ระบุว่ากำลังสร้าง "ซูเปอร์คลัสเตอร์" ระบบคลัสเตอร์ที่ใหญ่ที่สุดในโลก เพื่อมาคำนวณระบบ image recognition เพื่อรองรับตลาดไอทีที่เปลี่ยนไปจากข้อความสู่ยุคของข้อมูลภาพ/เสียง

คอมพิวเตอร์รุ่นนี้ของ Baidu จะแรงกว่าคอมพิวเตอร์ "Google Brain" ที่กูเกิลสร้างขึ้นในปี 2012 ถึง 100 เท่า โดยหัวหน้านักวิทยาศาสตร์ของโครงการนี้คือ Andrew Ng อดีตนักวิทยาศาสตร์ของกูเกิลผู้เชี่ยวชาญเรื่อง deep learning ที่ย้ายกลับไปอยู่กับบริษัทจีน (อ่านเรื่องนี้ได้ที่ Thai Robotics) นอกจากนี้ถ้าเทียบกับคลัสเตอร์ AI ของมหาวิทยาลัยสแตนฟอร์ดก็ดีกว่ากัน 10 เท่า

แม้ข่าวนี้จะมาช้าไปหน่อย (ราว 2 สัปดาห์) แต่ก็ถือว่าควรค่าแก่การติดตาม กับผลงานการวิจัยจาก MIT เกี่ยวกับเทคนิคที่เรียกว่า Visual Microphone ซึ่งสามารถถอดรหัสเสียงจากคลิปวิดีโอที่ถ่ายภาพวัตถุในบริเวณที่มีเสียงนั้น

เราคงพอรู้จักเทคนิคการอ่านปากจากในหนังหรือตามข่าวต่างๆ ถึงความสามารถในการเข้าใจคำพูดของบุคคลได้โดยพิจารณาจากลักษณะริมฝีปากของผู้พูด และนั่นทำให้เรารู้ได้ว่าเขากำลังพูดว่าอะไรแม้ว่าในความจริงแล้วเราจะไม่ได้ยินเสียงพูดนั้น แต่ผลงานวิจัยของ MIT นั้นล้ำไปกว่านั้น เพราะอัลกอริธึมของงานวิจัยนี้สามารถรู้ถึงเสียงพูดได้โดยการวิเคราะห์การสั่นไหวของวัตถุซึ่งอยู่ในสถานที่นั้น

จากข่าว Amazon เตรียมเปิดตัวสมาร์ทโฟน 3D Phone 18 มิถุนายนนี้ โดยตัวโทรศัพท์นั้นมีเทคโนโลยีตรวจจับใบหน้าจากกล้องที่ติดอยู่รอบตัวเครื่อง

เว็บไซต์ TechCrunch ได้ข้อมูลที่ยังไม่ได้รับการยืนยันว่า Amazon นำเทคโนโลยีตรวจจับใบหน้าชื่อ OKAO Vision ของบริษัท OMRON จากญี่ปุ่นมาดัดแปลงอีกต่อหนึ่ง

เอกสารงานวิจัยที่เพิ่งได้รับการเผยแพร่ใหม่ระบุว่า ภาพถ่ายดิจิทัลแต่ละภาพมีลักษณะเฉพาะซึ่งรวมถึงรูปแบบของ noise ที่เกิดในภาพแตกต่างกันออกไป ซึ่งอาจทำให้ระบุได้ว่าภาพถ่ายนั้นถูกถ่ายโดยใคร และงานวิจัยนี้อาจเป็นประโยชน์ต่องานสืบสวนหาผู้กระทำผิด (เช่น ถ่ายภาพอนาจารเด็ก, ขโมยสมาร์ทโฟนแล้วมาใช้งานถ่ายภาพ) ในอนาคต

Toshiba เผยโมดูลกล้องถ่ายภาพก่อนโฟกัสทีหลัง TCM9518MD สำหรับอุปกรณ์พกพาอย่างสมาร์ทโฟนและแท็บเล็ต และจะจัดแสดงโมดูลนี้ในงาน CES 2014

TCM9518MD ประกอบด้วยเซ็นเซอร์ 5 ล้านพิกเซลสองตัว และชิปประมวลผลที่สามารถถ่ายภาพและเก็บข้อมูลความลึกในเวลาเดียวกัน เทคนิคถ่ายภาพแบบนี้คล้ายกับที่ Pelican Imaging ผู้พัฒนาเทคโนโลยีถ่ายก่อนโฟกัสทีหลังบนสมาร์ทโฟนที่มีข่าวว่า Nokia ไปลงทุน

Toshiba กล่าวว่าทดลองผลิตโมดูลกล้องใหม่นี้แล้ว เว็บไซต์ The Verge เสริมว่าหากโมดูลนี้ดีจริงดังที่ว่า คาดว่าเราจะได้เห็นโมดูลนี้ในอุปกรณ์ที่วางขายในท้องตลาดภายในปีหน้า