1、深度学习和传统算法并不割裂。深度学习中融合传统算法,比如某网络某一层受到传统算法启发。这是学术上。
工程上,很多算法优先考虑传统的。工程上深度学习需要大量数据,没有足够数据很不稳定。一个cv类的产品,是一连串cv算法的组合,这里面还要用到各种传统cv算法。深度学习很慢,可能需要使用GPU。
2、Image-based rendering
Image-based rendering (IBR) refers to a collection of techniques and representations that allows 3D scenes and objects to be visualized in a realistic way without full 3D model reconstruction.
渲染的目的就是在屏幕上渲染出物体。
光栅化等渲染讲解:
https://www.zhihu.com/question/31971846
3、AI的图像理解不仅需要准确识别物体,还必须学会以三维视角理解视觉场景,比如将二维图片中的沙发以三维建模的方式重现。这要求它知道如何判断景深,甚至推断出缺失部分的样子。
——新浪
4、对图像进行高斯模糊,然后提取特征点,可以减少噪声。
6、计算机视觉不管哪个方向要学像素级的图像处理知识。冈萨雷斯的图像处理,或者Opencv。
7、几乎所有优化问题都是最小二乘。
权龙
1、图像识别的突破是2012年卷积神经网络的兴起。
2、2012年图像特征逐渐由神经网络自动学习。
3、需要把三维重建和识别融为一体。
render和光栅化
通过规则化采样生成图像,叫做光栅化(rasterization)。
the process of generating an image from the 3D world is called rendering.