跳转至

1 Computer Vision – Summer 2022

约 580 个字 预计阅读时间 3 分钟

说明

  • 本课程主题:Introduction
  • 本课程概述:简单宏观了解计算机视觉的基本概念和应用。

1.1 Introduction

1.1.1 Artificial Intelligence

AI领域包括
  • Machine Learning
  • Computer Vision
  • Computer graphics
  • Natural language processing
  • Robotics & Control
  • Art, Industry 4.0, Education

这些领域都是互相关联的。例如一个机器人系统,需要视觉、语言、控制等多个领域的知识。

1.1.2 Computer Vision

计算机视觉可以被非常一般地描述为将转换为意义。这个意义可以是几何(geometry),用几何或语义(semantics)来重建场景,识别我们所看到的某些方面。计算机视觉接收到的作为输入的是对光图像(light pattern)的采样(sample)。

主要任务:

  • 三维重建 / Reconstruction
  • 图像理解 / Understanding
  • 图像合成 / Synthesis

1.1.3 Computer Vision vs. Computer Graphics

  • 计算机图形学中,给定由物体、材料、某些语义姿态和运动组成的三维场景,我们关心的是如何渲染该场景逼真的二维图像。
  • 计算机视觉中,我们试图反过来解决问题。这就是为什么有时我们也说这是逆图形(inverse graphic)。

Computer Vision vs. Computer Graphics

1.1.4 Computer Vision vs. Image Processing

  • 图像处理是对图像进行操作,图像处理涉及到对图像的低水平操作,如颜色调整、边缘检测、去噪、图像扭曲和图像变形等。这一切都发生在2D环境中。
  • 计算机视觉关注的是获得一个更整体的场景表示和场景理解。特别是恢复世界的底层三维结构,这在图像处理正在处理的二维表示中是不存在的。

1.1.5 Computer Vision vs. Machine Learning

  • 机器学习是一种方法,它允许计算机从数据中学习,而不是通过明确编程来执行任务。机器学习的目标是让计算机能够自动学习,而不是明确地编程。
  • 计算机视觉是一种应用,它使用机器学习方法来解决计算机视觉问题。计算机视觉的目标是让计算机能够看到,理解和解释视觉世界。

1.1.6 学术圈概况

CV 领域的几个顶会

  • CVPR (Computer Vision and Pattern Recognition)
  • ICCV (International Conference on Computer Vision)
  • ECCV (European Conference on Computer Vision)