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

正像前面所述，物體表達是計算機視覺的一個核心科學問題。這里，“物體表達理論”與“物體表達模型”需要加以區(qū)別。“表達理論”是指文獻中大家比較認可的方法。“表達模型”容易誤解為“數(shù)學上對物體的某種描述”。計算機視覺領域，比較有名的物體表達理論有以下三種：

1）馬爾的三維物體表達

前面已經(jīng)介紹過，馬爾視覺計算理論認為物體的表達是物體坐標系下的三維表達

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

盡管理論上一個三維物體可以成像為無限多不同的二維圖像，但人的視覺系統(tǒng)僅僅可以識別“有限個圖像”。鑒于神經(jīng)科學對于猴子腹部通道（ventral pathway）(注：腹部通道認為是物體識別通道)的研究進展，T. Poggio 等提出了基于圖像的物體表達（Poggio & Bizzi, 2004），即對一個三維物體的表達是該物體的一組典型的二維圖像（view）。目前，也有人認為 Poggio等的”view”不能狹義地理解為二維圖像，也包含以觀測者為坐標系下的三維表示，即馬爾的2.5維表示（Anzai & DeAngelis，2010）。

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

長期以來，人們認為物體識別模型為“鑒別模型”（ discriminative model），而不是“生成模型”（ generative model ）。近期對猴子腹部通道的物體識別研究表明，猴子大腦皮層的IT 區(qū)（ Inferior Temporal: 物體表達區(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)就可以生成對應圖像，所以對這些參數(shù)的編碼可以認為是逆生成模型表達。逆生成模型表達可以解釋為什么深度學習中的Encoder-decoder 網(wǎng)絡結(jié)( Badrinarayanan et al. 2015) 可以取得比較好的效果，因為Encoder本質(zhì)上就是圖像的逆生成模型。另外，深度學習中提出的“逆圖形學”概念（ Inverse Graphic）( Kulkarniet al. 2015),從原理上也是一種逆生成模型。逆圖形學是指先從圖像學習到圖像生成參數(shù)，然后把同一物體在不同參數(shù)下的圖像歸類為同一物體，通過這種“等變物體識別”(Equivariant recognition) 來達到最終的“不變物體識別”（invariantrecognition）。

總之，本文對計算機視覺的理論、現(xiàn)狀和未來發(fā)展趨勢進行了一些總結(jié)和展望，希望能給讀者了解該領域提供一些幫助。特別需要指出的是，這里很多內(nèi)容也僅僅是筆者的一些“個人觀點”和“個人偏好”下總結(jié)的一些內(nèi)容，以期對讀者有所幫助但不引起誤導。另外，筆者始終認為，任何一門學科的核心關(guān)鍵文獻并不多，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。（來源：網(wǎng)絡）