Computer Vision Hierarchy
•
Low-Level
◦
Image → Image
◦
Image Processing, Edge Detection, Optical Flow Computation
•
Mid-Level
◦
Image → Features
◦
Boundary Detection, Segmentation, SFM
▪
Edge Detection VS Boundary Detection
•
Boundary Detection 은 Semantic Meaningful 한 Object 의 경계만을 찾아냄
•
Edge Detection 은 Gray Scale 의 큰 변화가 나타나는 모든 부분들을 찾아냄
•
High-Level
◦
Image → Semantics
◦
Object Recognition, Scene Understanding
Computer Vision VS Image Processing
•
Image Processing
◦
Low-Level Vision Task 에 집중하는 분야
◦
Image → Image Transformation
◦
Image Compression, Image Restoration, Image Enhancement
•
Computer Vision
◦
Image 를 해석하고 이해하는 것에 집중하는 분야
◦
Image Processing 기술을 많이 사용
What is Computer Vision?
•
Image Formation, Graphics 의 역과정
•
Image 로부터 시작되는 다양한 이해와 분석 (Low, Mid, High Level)
•
다양한 분야와 밀접한 관련 (ex. 통계학, 최적화, 기하학…)
Best Ways to Learn Computer Vision
•
CVPR, ICCV, ECCV 의 최신 논문을 읽는 것
•
Github Repository 에 코드들을 돌려볼 수 있는 경우가 많음
•
저널도 있지만, 학회를 타겟으로 보통 연구를 많이 함
Computer Vision is Super-Hot!
•
Google Scholar Metric 기준으로 CVPR 은 4th place, ICCV 와 ECCV 는 각각 31th, 27th place
•
CVPR 에 제출, 게재되는 논문의 수는 exponential 하게 증가하고 있음
(Disclaimer) Deep Learning
•
Computer Vision 영역에서의 SOTA 는 대부분 Deep Learning 을 적용하는 형태
•
본 강의에서는 Deep Learning 을 다루지는 않음
•
Deep Learning 은 Computer Vision Task 에서 좋은 feature 를 extract 하는데 매우 능하지만, 설명가능한 결과를 주진 못함
Materials
•
Computer Vision 은 쉽게 outdated 되는 분야이기 때문에 교재를 작성하기 꺼려지는 사람이 많고, 좋은 교재가 많이 있지는 않음
•
Computer Vision 이 가장 추천할 만한 책
•
Multi-View Geometry 는 이미지로부터 3차원 정보를 알아내는데 관심이 있으면 읽어보는 것을 추천
•
Visual Object Recognition 은 비전 분야를 공부해본 사람이면 들어봤을만한 두 분인 K.Grauman B.Leibe 가 작성한 책
•
책을 보아도 좋지만, 구글링을 통해 적극 자료를 참고하시는 것을 추천함
