计算机视觉如何寻找突破口？三维重建或许是一个

    
    又一年ICCV论文提交截止，ICCV2019的官方推特也在上周末第一时间公布了本届会议的论文投递情况。根据官方消息，2019年共收获4328篇论文，与上一届2143篇相比，数量多出了将近一倍。
    ICCV由IEEE主办，全称为IEEE International Conference on Computer Vision，即国际计算机视觉大会。与计算机视觉模式识别会议CVPR和欧洲计算机视觉会议ECCV并称计算机视觉三大顶级会议。ICCV论文数量的翻倍，也能看出近年来计算机视觉的发展有多么迅猛，无论是国内还是国外，都诞生了很多一批专注于计算机视觉的企业，如旷视科技、商汤科技、极链科技Video＋＋、依图科技等优秀的初创AI企业，微软、阿里巴巴、百度等大厂。
    计算机视觉的爆发
    
    1998年到2012年，十几年来，卷积神经网络的架构还是一样的，但是它的内部发生了很大的变化，而发生这些变化有亮点非常重要：当下因为深度学习技术的发展，人工智能变得愈加火爆，计算机视觉作为人工智能的一个领域，也逐渐被企业所重视。不过当前计算机视觉的研究和应用主要集中在“识别”上，“识别”只是计算机视觉的一部分，如果要去做一些交互和感知，必须先恢复三维，所以在识别的基础上，下一个层次必须走向“三维重建”。
    一．英伟达研发了GPU，GPU最早是为游戏而不是人工智能诞生的。
    二．华人学者、斯坦福大学教授李飞飞创建了ImageNet，她把数百万张照片发到了网络上并发动群众做了标注。
    至今，在2012年训练AlexNet模型需要使用两块GPU，花费6天时间，到今天做同样的事情只需要一块最新GPU，十几分钟就能搞定。
    计算机视觉与三维重建
    
    三维重建指对三维物体建立适合计算机表示和处理的数学模型，是在计算机环境下对其进行处理、操作和分析其性质的基础，也是在计算机中建立表达客观世界的虚拟现实的关键技术。
    上世纪80年代左右，计算机视觉有了最初的发展。那个年代基本所有的计算机视觉研究都以D．Marr的研究为理论依据。他的可计算数学模型都是以edges为主的边缘提取。有了edge之后，再把它高层话后的线段元做简单的统计分类或者三维重建。
    它从外部世界的图像逐步产生对景物的三个层次的描述：
    1．初始简图：这是最基本意义的灰度变动的局部几何性质，以线条勾画出的草图形式出现。
    2．二维半简图：该图主要描述物体可视面的表面方向和观察点到表面的距离。
    3．三维模型表示：这是物体形状的全部而清晰的描述。也是D．Marr教授的视觉计算理论对计算机视觉研究的最杰出的贡献。
    当前，每个人都在研究“识别”，但是识别只是计算机视觉的一部分，真正意义上的计算机视觉要超越识别，感知三维环境，做到交互和感知，就需要把世界恢复到三维。人类可以通过眼睛得到有深度的三维信息，但获取深度信息的挑战很大。它本质上是一个三角测量的问题，第一步需要将两幅图像或两只眼睛感知到的东西进行匹配，也就是“识别”。但这里的“识别”是有标注情况下的识别，是通过两幅图像之间的识别，没有数据库，不仅要识别物体，还要识别每一个像素，所以对计算机要求非常高。
    计算机视觉：机遇与挑战并存
    伴随着人工智能产业升温，计算机视觉行业有望迈向新的发展阶段。据专业机构预测，2016－2020年中国计算机视觉市场将维持20％的增长率，远高于全球的8．4％平均水平，中国计算机视觉产业将迎来新一轮爆发式增长。虽然整个计算机视觉领域迎来了前所未有的关注和接踵而至的投资热潮，这些既来自于风险投资、互联网公司和传统公司，还吸引了国家政府前所未有的关注，但在此过程中，挑战也依然存在，抛开计算机视觉产业链，上层为基础支撑层，包括人工智能芯片、算法技术和数据。中层为技术提供层。下层则是具体的场景应用。当前国内计算机视觉领域初创公司中，布局中上层的企业非常少，绝大多数企业都只是集中于中下游技术提供层和场景应用层，能打通全产业链的企业更是凤毛麟角。
    举几个已经基本达到商业化的例子：
    1．八九十年代的指纹识别算法已经非常成熟，在指纹的图案上面去寻找一些关键点，寻找具有特殊几何特征的点，然后把两个指纹的关键点进行比对，判断是否匹配。
    2．2001年基于Haar的人脸检测算法，在当时的硬件条件下已经能够达到实时人脸检测，现在手机相机里的人脸检测，都是基于它或者它的变种。
    3．基于HoG特征的物体检测，它和所对应的SVM分类器组合起来的就是著名的DPM算法。DPM算法在物体检测上超过了所有的算法，取得了不错的成绩。
    但这种成功例子太少了，因为手工设计特征需要大量的经验，需要你对这个领域和数据特别了解，然后设计出来特征还需要大量的调试工作。另一个难点在于，你不只需要手工设计特征，还要在此基础上有一个比较合适的分类器算法。同时设计特征然后选择一个分类器，这两者合并达到最优的效果，几乎很难完成。
    小结：
    随着计算机视觉和深度学习的发展，自动驾驶、生物识别、视频识别、无人机等都迎来了发展的浪潮，但这些领域想要达到完全的商业落地，三维重建或许是一个很好的突破口，但是真正能发展到何种程度，还是得看企业对三维重建的重视与利用。