極為簡略的介紹下當前計算機視覺的基本概念和基本的研究方向。

是什麼：使機器“看”的科學

• 是什麼（分類）
• 在哪兒（檢測、定位、分割）
• 直接從圖片資料產生知識

為什麼：視覺是人最主要的資訊輸入

• 70~80%資訊來自人眼
• 移動多媒體時代產生更多的是圖片和影片資料
• 圖片和影片價值沒有完全挖掘，屬於“暗資料”
• 圖片影片包含更多的資訊

基本任務

分為圖片和影片兩部分，主要羅列比較成熟熱門的幾個方向。

分類（Classification）

• 預測圖片的類別（What）
• 子任務
• 單標籤（Single-Label）
• 多標籤（Multi-Label）
• 粗粒度（Coarse-Grained）
• 細粒度（Fine-Grained）
• 典型應用：搜尋、分類

檢測（Detection）

• 定位物體位置（Where）
• 子任務
• D檢測
• 3D檢測
• 顯著性檢測
• 遙感檢測
• 典型應用：人臉檢測、汽車檢測

分割（Segmentation）

• 畫素級的內容理解和定位
• 子任務：
• 語義分割/例項分割
• Alpha Matting
• 3D分割
• 典型應用：換天、人像摳圖

影象生成（Generation）

• 透過演算法生成圖片
• 子任務
• 隨機生成
• 風格遷移
• 圖片合成
• 圖片翻譯
• 典型應用：卡通化、換臉、換裝

關鍵點定位（KeyPoint）

• 定點陣圖像中的關鍵畫素點
• 子任務
• 人臉關鍵點
• 人體關鍵點
• 手勢關鍵點
• 物體姿態估計
• 典型應用：人臉配準、手勢識別

影象恢復（Restoration）

• 蛻化影象生成高質量影象
• 子任務
• 超解析度
• 影象去噪
• 影象修補
• 去模糊
• 上色、去霧、去雨等
• 典型應用：拍照畫質增強、老照片修復

影片

影片跟蹤（Tracking）

• 跟蹤影片指定物體
• 子任務
• 單目標跟蹤
• 多目標跟蹤
• 典型應用：自動駕駛、安防監控

影片識別（Video Recognition）

• 識別影片中的特定行為
• 子任務
• 人體行為識別
• 事件識別
• 典型應用：監控、安防

影片摘要（Video Summarization）

• 提取有意義（精彩）的片段
• 子任務
• 精彩鏡頭
• 縮圖
• 典型應用：影片動態封面

影片插幀（Video Interpolation）

• 合成任意時刻的影片幀，從而最佳化解決影片中卡頓、抖動等畫
• 典型應用：慢動作影片製作

影片其他任務

一些典型的垂直應用

• 人臉
• 人臉檢測/跟蹤
• 關鍵點定位
• 姿態估計
• 人臉識別
• 人臉聚類
• 性別識別
• 年齡估計
• 表情識別
• 活體檢測
• 閉眼檢測
• 口罩檢測
• 人臉質量評估
• 文件
• 印刷體檢測/識別（OCR）
• 手寫體檢測/識別（HCR）
• 自然場景識別（NCR）
• 文件佈局識別
• 文件重建
• 票證類識別
• 表格識別
• 人體
• 人體檢測
• 姿態估計
• 行人重識別
• 行人追蹤
• 手勢識別
• 人流量統計/人群密度分析
• 動作行為識別
• 人像分割
• 屬性分析

未來趨勢

• 影片
• 3D（VR/AR）
• 多模態：融合文字、音訊、視覺資訊
• 細粒度理解（分割、系列度分類）
• 大規模資料預訓練（例如：GPT-3）