更人性化的電腦視覺系統 - 科學Online

電影蒙太奇的手法將人類視覺認知的優勢發揮到極致：除了辨識，還有辨識後 ... 與「自下而上和自上而下處理」（Top-down and bottom-up processing）。

Saturday1stOctober2022 1-Oct-2022 人工智慧 化學 物理 數學 生命科學 生命科學文章 植物圖鑑 地球科學 環境能源 科學繪圖 高瞻專區 第一期高瞻計畫 第二期高瞻計畫 第三期高瞻計畫 綠色奇蹟－中等學校探究課程發展計畫 關於我們 網站主選單 更人性化的電腦視覺系統 編譯／林采萱 月黑風高的夜晚。

水面波光粼粼。

一隻手拿著船槳滑著。

連續三個不相干的鏡頭，卻能讓觀眾清楚知道：有一個人正在夜裡滑著船。

電影蒙太奇的手法將人類視覺認知的優勢發揮到極致：除了辨識，還有辨識後透過聯想、詮釋，而後逐步拼湊出影像全貌的能力。

而這樣的能力，在現有多數電腦視覺系統中仍付之闕如。

生物圖像辨識 關於人類視覺認知系統的理論主要有六種：「模板符合」（Templatematching）、「特徵分析」（Featureanalysis）、「原型符合」（Prototypematching）、「多重判別標度」（Multiplediscriminationscaling）、「元件辨識理論」（Recognitionbycomponentstheory）與「自下而上和自上而下處理」（Top-downandbottom-upprocessing）。

某些理論其實或多或少受到電腦視覺的啟發，而與一般影像辨識技術的開發原理不謀而合。

例如：「模板符合理論」認為當我們在學習，例如英文字母時，會記住符號的樣式與意義，並將所接收的外界資訊與內部記憶中的樣態比對，搜尋完全一模一樣的圖樣，於是符號A是字母A、符號B是字母B。

「特徵分析理論」則認為神經系統透過頻繁接觸以及分析視覺資訊中的特徵，以達到圖像辨識的目的。

然而在現實生活中，人類的視覺認知遠不止此。

其一，我們的視覺認知十分靈活，即使只有有限的視角、只能看到物件的一小部分，仍能推斷物體的全貌與種類，甚至能清楚知道所看到的是整體物件的哪一部位，不受觀看（或拍照）角度、時間與光線的限制。

這種能力部分歸功於年幼時的「脈絡學習」（contextuallearning）：曾經在不同的場景下，重複接觸相同的目標物件，以及經常伴隨目標物件出現的其他物件。

再者，現有多數電腦視覺系統皆有其特殊目的，所以儘管海關的人臉辨識、手機的指紋辨識或虹膜辨識技術純熟且準確率高，但受限於編程與訓練資料集，應用範圍十分狹隘。

Viewlet 為了打破這些局限，加州大學洛杉磯分校的Samueli工程學院的團隊打造了新的電腦視覺系統，其採用沉浸式學習法（immersivelearning），讓系統能有足夠的發展空間，而不受訓練方式與資料的侷限。

新系統的運作可以大致區分為三部分： 物件原型-SUVM（StructuralUnsupervisedViewletsModel） 仿效人腦的運作方式，將影像中不同顏色、質地的區塊，細分為稱作「viewlet」的個別元件，類似將圖片拆成一片片拼圖的概念。

圖一、在不同視角及解析度下偵測的人物臉部。

(來源：L.Chenetal.,2019.) 建立空間關係-SRN（SpatialRelationshipNetwork） 利用彈簧網絡模型（springnetworkmodel）的變異程度來了解每一個viewlet之間的構成關係、尺度比例變化，以及集體構成大圖時的空間配置。

連結取樣點資訊 辨認取樣點周圍的資訊，判斷哪些鄰近物件有助於目標物件的辨識，以及在不同尺度與情境下資訊的改變程度。

此部分融合前述模型、GPE（globalpositionalembedding）和其他如集群分析（clustering）、最大概似估計（MLE）等非監督學習方法，主要用以推估不同viewlets間最有可能的相對位置。

研究共使用9,000張不同人物但包含其他物件入鏡的圖像對系統進行測試。

這些圖像主要來自網際網路，不僅物件的種類多樣，還有由各個角度、多種環境下的畫面，甚至那些模糊、倒置一般認為「拍壞了」的影像，讓系統在無監督、沒有外界指引的情況下，學習如何辨認人體各部位以及彼此間的相對位置，自行構築出詳盡的人體模型。

圖二、彩色的點代表系統推估各viewlet在人體的相對位置。

這樣的相對位置不會因人的姿態或動作而改變。

(來源：L.Chenetal.,2019.) 此外，研究團隊也以摩托車、汽車和飛機的圖像作測試，相較於已開發多年的傳統電腦視覺系統，新系統的表現有過之而無不及：不論是模糊影像，抑或不同角度、不同部位的視角，大都能模擬出該部位在完整物件中的所在位置，並且準確識別圖像類別，料將在電腦視覺領域引領一波新革命。

  編譯來源 UCLASamueliNewsroom,”NewAIcomputervisionsystemmimicshowhumansvisualizeandidentifyobjects“,UCLASamueliSchoolofEngineering,2018. 參考資料 L.Chen,S.Singh,T.Kailath,andV.Roychowdhury,“Brain-inspiredautomatedvisualobjectdiscoveryanddetection“,PNAS,2019. (本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯) Tags:模板符合,特徵分析,認知神經科學 前一篇文章下一篇文章 您或許對這些文章有興趣 未來車不撞車(3/3) 以人工智慧一窺基因鑰匙孔 從資料之海撈出冠軍杯(1/2) 踩著球走的機器人(1/2) 醫療資訊管理以及巨量健康資料分析應用 巨量資料下誰有隱私？(3/3) 鑑往知來──從機器人與智慧車聊科技 相較於愛情與佛法，AI更具可解釋性 發表迴響Cancelcommentreply 你的電子郵件位址並不會被公開。

必要欄位標記為*迴響名稱* 電子郵件* 個人網站 驗證問題* +3=4 熱門文章 理想氣體方程式 細胞膜運輸物質的方式 畢氏定理的證明 算幾不等式 母體變異數v.s.樣本變異數 三角函數圖形的平移與伸縮 細胞膜的構造 膠體電泳概述 點到直線的距離公式 導出單位 總點閱排行 點到直線的距離公式 細胞膜運輸物質的方式 比爾定律與吸收度 混成軌域 準確度和精確度 腎素-血管收縮素-醛固酮系統 穿透式電子顯微鏡 好站鏈接 科學online粉絲專頁 Insertmathas Block Inline Additionalsettings Formulacolor Textcolor #333333 FormulaID Formulaclasses TypemathusingLaTeX Preview \({}\) Nothingtopreview Insert