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光转换为意义。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¶
- 在计算机图形学中,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。
- 在计算机视觉中,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)。
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)