|
|---|
|
|
|
|
|
|
N*********6
发帖数: 2302 | 1 【 以下文字转载自 ComputerGraphics 讨论区 】
发信人: sighfromsoul (三番叟), 信区: ComputerGraphics
标 题: [心得]图形和图像 ZZ
发信站: BBS 未名空间站 (Sat Dec 27 00:58:23 2014, 美东)
[心得]图形和图像
发信站: 水木社区 (Thu Dec 18 21:45:24 2014), 站内
既然这个板块是讲这个两个领域，恰巧学在图形（Graph），干在图像（Image），聊聊
两者的异同。一家之言，想到哪儿，写到哪儿，还望指正。
图形是以点线面等3D的元素来描述这个世界，大多数的时候是以矢量的形式来呈现。而
图像是是以2D的一个一个像素来真实的呈现这个世界，多数时候是标量的单个像素的矩
阵表示。图像加上时间维度就成了视频。图像是人眼对于世界最原始的还原，而图形则
是人类对世界的抽象。通俗点，如果要描述一张桌子，拿着相机咔嚓一下就是一张图像
，而图形则要用点线面来构建一个模型，然后加上材质光照来通过一定的模型来渲染而
变成一个图像。
图形的主要内容是建模（Modeling）和绘制（Rendering），建模的代表软件是建筑类
的CAD类的软件，譬如AutoCAD，比较通用的3DMax，Maya等。绘制最著名的软件是
RenderMan，专门用来制作电影的。图形学现在的发展方向是模型编辑，大场景建模，
真实感绘制，非真实感绘制，群体动画，运动捕获，基于物理的仿真等。图形学每个子
领域的知识点都很深，譬如做绘制的和做建模的差异就很大，做头发模拟的和做衣服模
拟的也千差万别。在国内，浙江大学的CADCG实验室以及微软亚研是世界顶级的研究单
位，他们在SIGGRAPH（顶级图形学会议，科技界奥运会）的文章在2000年后每年都有3-
4篇。
图形对人类的影响：1.游戏，这个就不说了，有目共睹。2.电影，特别是那些3D动画电
影。3.工业设计。4. 对计算机显卡能力的提高，由于图形学的大量的三角面片的处理
（很多早起的工作站和小型机是用来跑图形学任务的。），使得显卡从固定模式走向可
编程模式，计算速度大大超过了普通的CPU。而这又直接的催化了当前的比较盛行的
Deep Learning技术。现在DL中的CNN模型和80年代的没有本质的区别，由于计算能力的
限制以前基本在5层以下，现在能够做到20多层（GoogLeNet的23层），其实其训练还是
用的基本的BP方法，加了些防止Overfitting的trick。这些都归功于NVIDIA的Kesla系
列显卡。
图形的发展方向以及可能的钱点：1.傻瓜式的操作，譬如用户用手势就可以将人物动起
来。2.虚拟试衣。
图像的主要内容是处理（Processing）和理解（Understanding），前者很容易理解，
譬如除燥，美颜，分割等，代表软件是Photoshop，变成傻瓜点的美图秀秀等。这些基
本是单张相片的处理，涉及到多张图片的话，如果加上时间，就是视频。如果两张相片
，涉及到不同的视点的，可以归纳为视觉（Vision），对于视觉来说，最大的问题就是
通过匹配找到视差，通过多个2D image，试图重建当时的3D场景。这个就是逆向工程，
是图形图像结合的比较深的部分。通过2D image来建模3D的场景，这个是3D打印的前提
。3D打印能不能流行，个人认为如果能够以经济的方式来快速重建某个物体的3D模型，
那么这扇大门将会顺利的打开。另外属于图像的还有一部分就是编码，这个是图像的重
要分支。 理解在图像里面叫做模式识别，譬如字符识别，人脸识别，指纹识别，物体
识别等等。基本的思路是提取特征，然后使用某个分类算法进行比对。最近比较流行的
Deep Learning，不提特征，直接进行学习，使得一些传统的任务得到质的飞越。譬如
2014年，google在imagenet的task 1中利用23层CNN吧错误率降到了6%多（TOP5）。正
如罗马不是一日养成的，CNN最近这么受到工业界的青睐，是得益于当今GPU技术的发展
以及云计算的普及（大的计算都是在云端完成）。DL所缺少的是背后的理论基础，不能
在原理上解释为什么可以这么牛？
图像的一些思考： 其实图像只是人眼看到的一部分，图像中缺少的是人眼中的深度信
息，而这个深度信息的缺失对于一些图像任务来说非常重要。我觉得这个是图像在工业
界的发展不温不火的主要原因，也就是图像没有一个形成巨大市场的应用。其实现在摄
像头遍布各地，大多时候还是靠人工取查询检索。如果能够改造现在的摄像头，使得其
加上深度信息（微软的Kinect，室内4M左右的精度），那么就会使得一些任务变成可以
实用。我想这个领域应该可以成长出一个千亿市值的公司。 |
|
|
|
|
|
|
