低阶视觉学习简介-CMLab.PDFVIP

July 7, 2006, v.1.0 Introduction to Low-Level Vision Learning 低階視覺學習簡介 鄭文皇 (wisley@.tw) ，謝致仁 (jerry@.tw) 《內容大綱》 1. 低階視覺學習初步 2. 馬可夫網路 (Markov Network) (1) 無迴圈網路推論 (Inference in networks without loops) (2) 迴圈網路推論 (Inference in networks with loops) (3) 協調函式學習 (Learning the compatibility functions) 3. 相關應用 (1) 超級解析度 (Super-resolution) (2) 遮光與反射估計 (Shading reflectance estimation) (3) 移動估計 (Motion estimation) 4. 結論 5. 參考資料 1. 低階視覺學習初步 一般而言，低階視覺學習指的是在給定拍攝影像(image)資料的情況下，評估該 影像所對應之真實場景 (scene)參數的問題。舉例來說，所欲評估的場景參數可以 是經投影後的物體速度 (projected object velocity) 、表面形狀與反射形態(surface shape reflectance pattern) 、缺損之高頻細節(missing high frequency detail) 等等。 圖一、低階視覺學習問題實例。給定 影像“ ”資訊，評估其所對應之真實 “場景” 。 1 July 7, 2006, v.1.0 在文獻中，傳統低階視覺學習問題的解法可分為兩大類。第一類是採用貝氏 (Bayesian)與規則化(regularization)技巧。基本上，它們對於事件發生的事前機率 (prior probability)或條件限制是經由假設而非 學習而得，因此難以處理內容複雜 的真實影像。第二類則是計算影像的統計資料，並將其與人類視覺系統 (human visual system)的特性相關聯，例如用來分析並合成幾可亂真的影像材質 (texture) 。然而，它們並沒有處理視覺系統如何理解影像的問題，例如評估所對 應的真實場景。 因此，目前文獻提出以機器學習的方式來整合兩類傳統解法的優點，稱為 VISTA 架構。具體來說，此種方式是針對某種場景參數，給定部份對應的影像與場景做 為訓練資料(training data) ，藉由研究影像的統計特性來學習如何由給定的任一影 像推論 (infer) 出其相對應的場景。我們以圖二進一步說明，我們一開始先對原始 真實場景進行特定運算(operations)以得到相對應的影像。此運算的選擇與我們的 目的有關，若所欲評估的場景參數為移動估計 (motion estimation) ，則運算則是人 為的影像平移；同樣地，若評估參數為超級解析度(super-resolution) ，則運算為 高頻濾波器 (high-frequency filter) 。如此一來，即可得到多組不同的場景影像組，/ 並透過馬可夫網路(Markov network)自動學習出影像與場景間的對應關係。得到 這樣一個經訓練的馬可夫網路後，將來只要輸入任何一張影像，則可經由自動的 貝氏可信度傳遞 (Bayesian belief propagation)測試，找到該影像最可能的對應場景 使得事後機率( P(scene|image)最大) ，而得知該影像所隱含的場景參數。 圖二、 VISTA(Vision by Image/Scene TrAining)架構[1] 。 2. 馬可夫網路 馬可夫網路是低階視覺學習架構的核心，其可視為貝氏網路 (Bayesian network) 的一種變形。與貝氏網路所不同之處在於其邊 (edge)為無向性的(undirected) ，因 此可表示循環式的依賴關係