幾種典型的物體表達(dá)理論（Object representation theories）

正像前面所述，物體表達(dá)是計(jì)算機(jī)視覺(jué)的一個(gè)核心科學(xué)問(wèn)題。這里，“物體表達(dá)理論”與“物體表達(dá)模型”需要加以區(qū)別。“表達(dá)理論”是指文獻(xiàn)中大家比較認(rèn)可的方法。“表達(dá)模型”容易誤解為“數(shù)學(xué)上對(duì)物體的某種描述”。計(jì)算機(jī)視覺(jué)領(lǐng)域，物體表達(dá)理論有以下三種：

 

1）馬爾的三維物體表達(dá)

前面已經(jīng)介紹過(guò)，馬爾視覺(jué)計(jì)算理論認(rèn)為物體的表達(dá)是物體坐標(biāo)系下的三維表達(dá)

 

2）基于二維圖像的物體表達(dá)（View-basedobject representation）

盡管理論上一個(gè)三維物體可以成像為無(wú)限多不同的二維圖像，但人的視覺(jué)系統(tǒng)僅僅可以識(shí)別“有限個(gè)圖像”。鑒于神經(jīng)科學(xué)對(duì)于猴子腹部通道（ventral pathway）(注：腹部通道認(rèn)為是物體識(shí)別通道)的研究進(jìn)展，T. Poggio 等提出了基于圖像的物體表達(dá)（Poggio & Bizzi, 2004），即對(duì)一個(gè)三維物體的表達(dá)是該物體的一組典型的二維圖像（view）。目前，也有人認(rèn)為 Poggio等的”view”不能狹義地理解為二維圖像，也包含以觀測(cè)者為坐標(biāo)系下的三維表示，即馬爾的2.5維表示（Anzai & DeAngelis，2010）。

 

3）逆生成模型表達(dá)（Inversegenerative model representation ）

長(zhǎng)期以來(lái)，人們認(rèn)為物體識(shí)別模型為“鑒別模型”（ discriminative model），而不是“生成模型”（ generative model ）。近期對(duì)猴子腹部通道的物體識(shí)別研究表明，猴子大腦皮層的IT 區(qū)（ Inferior Temporal: 物體表達(dá)區(qū)域）可能在于編碼物體及其成像參數(shù)（如光照和姿態(tài)，幾何形狀，紋理等）（Yildirim et al. 2015）（Yamins &DiCarlo，2016b.）。由于已知這些參數(shù)就可以生成對(duì)應(yīng)圖像，所以對(duì)這些參數(shù)的編碼可以認(rèn)為是逆生成模型表達(dá)。逆生成模型表達(dá)可以解釋為什么深度學(xué)習(xí)中的Encoder-decoder 網(wǎng)絡(luò)結(jié)( Badrinarayanan et al. 2015) 可以取得比較好的效果，因?yàn)镋ncoder本質(zhì)上就是圖像的逆生成模型。另外，深度學(xué)習(xí)中提出的“逆圖形學(xué)”概念（ Inverse Graphic）( Kulkarniet al. 2015),從原理上也是一種逆生成模型。逆圖形學(xué)是指先從圖像學(xué)習(xí)到圖像生成參數(shù)，然后把同一物體在不同參數(shù)下的圖像歸類(lèi)為同一物體，通過(guò)這種“等變物體識(shí)別”(Equivariant recognition) 來(lái)達(dá)到“不變物體識(shí)別”（invariantrecognition）。

 

總之，本文對(duì)計(jì)算機(jī)視覺(jué)的理論、現(xiàn)狀和未來(lái)發(fā)展趨勢(shì)進(jìn)行了一些總結(jié)和展望，希望能給讀者了解該領(lǐng)域提供一些幫助。特別需要指出的是，這里很多內(nèi)容也僅僅是筆者的一些“個(gè)人觀點(diǎn)”和“個(gè)人偏好”下總結(jié)的一些內(nèi)容，以期對(duì)讀者有所幫助但不引起誤導(dǎo)。另外，筆者始終認(rèn)為，任何一門(mén)學(xué)科的核心關(guān)鍵文獻(xiàn)并不多，為了讀者閱讀方便，所以本文也僅僅給出了一些必要的代表性文獻(xiàn)。（來(lái)源：網(wǎng)絡(luò)）