关于方向

    今年的siggraph一个显著的特点是sketch技术的盛行，从建模到绘制（主要是NPR）都可以看到，当然主要是建模，可以说是让用户从繁琐的建模步骤中解放出来。由于此前关注的是NPR中的line-drawing，所以看到了日本人一篇关于此的文章，其中就用到的sketch。
    本来想在baidu里看看国内有没有开展类似的研究（个人认为baidu搜索中文比google强一些），随手输入了sketch＋计算机图形学，没想发现了一个关于计算机视觉的介绍，原文地址见 http://ffb93bb549a2b51b3ec4bfbb5d0f67be.zh.infofx.net/ 。之所以引起关注是因为前几天接触了一些关于openCV的知识。大致浏览了之后忽然意识到：计算机视觉是不是和计算机图形学正好是相反的过程？
    以下为摘录：
    最早的，而且目前还具有巨大影响的一种计算机视觉的框架理论是由David Marr在1970年代末期提出的，在他看来，计算机视觉系统的输入是现实世界的二维图像，而输出应该是基于3D表示的定性的和定量的场景理解。这是一种自底向上的研究思路，在这一体系中涉及到对信息的四种不同表示： （1）输入的二维图像； （2）初始简图（Primal Sketch）：提取出明显的轮廓和边缘信息; （3）2.5维简图（2.5D Sketch）：提取图像中物体在3D世界中的深度信息和其表面各处的方向信息； （4）以物体为中心的3维表示（3D representation）：得到场景的三维几何信息。 其中，从（1）到（2）主要利用各种图像边缘检测算 子或工具，其中比较著名的有Canny/Deriche算法、Shen算法，Sobel算子，LoG算子等。目前人们已经提出了数百种边缘检测算法。 从（2）到（3）由各种shape from X来实现。比如shape from shading,shape from contour, shape from texture, shape from motion, shape from stereo 等等。遗憾的是，这些过程大多是病态问题，即使是良态的，结果也极易受到噪声的干扰。 同样的，从（3）到（4）的过程也不简单，这些都是David Marr理论框架为人诟病的地方。 在David Marr（此君英年早逝）之后，又相继提出了active vision,purposive vision等有一定影响的理论框架，并在这些理论的指导下，取得了一些进展。
    其中的shape from contour引起了注意，这不是line-drawing 的目的么？当然line-drawing 中的contour是广义上的，如suggestive contour（siggraph03），而今年的siggraph中《line drawing from abstracted shading》明显是利用了shape from shading的效果，只是作者没有指出而已。但其中也提到（是不是最终稿不记得了）了可以显示出texture的效果。
    因此，在NPR中是不是可以考虑如何着重强调诸如contour、shading、texture等信息呢，当然，目的是为了改善人的视觉效果，但是计算机视觉不就是人的视觉的模拟么？（详见上面网址中的介绍）