一文说说这十多年来计算机玩摄影的历史

摄影测量与计算机视觉的联系与区别 摄影测量是测绘学科的一个分支,它是对由摄影机提取的影像(二维)进行量测,测定物体在三维空间的位置、形状、大小、乃至物体的运动。摄影测量在近百年的历史中经历了:模拟、解析与数字摄影测量三个阶段。当被测物体的尺寸或摄影距离小于100米时的摄影测量称之为近景摄影测量(Close-range photogrammetry)。随着数字传感器技术的发展,尤其是CCD器件和CMOS器件的迅速发展,利用C 阅读详情

0 导论

我是一个AI行业的从业者,也是一个摄影爱好者。

在不断接触摄影技术的过程中,也不断地开始了解计算机算法,尤其是最新的深度学习技术在其中发挥的作用。

这篇文章的目的,是一个导论,面向的对象,也是大众。但是,本着稍求甚解的原则,我接下来会尽量照顾受众的同时,也说点技术。

摄影,说的粗浅一点,就说拍照吧,本身并不是一个技术很高的活,稍加训练,就能成为合格的摄影师。

当然,摄影本身也可以是一门艺术,好的作品往往会带入情绪等等。这是一个充满抽象与主观因素的领域。但我们不能因此陷在这个点上,不然下面就没法说了。

好的照片,让大众心情愉悦,欣赏点赞的照片,是有共性的,而计算机玩摄影,就是要解决这个问题,怎么学习到摄影师和大众的审美。


所以下面正式抛出关键词:photo aesthetics

1 一窥 aesthetics

总的来说,包含以下几个大方向;

所谓photo aesthetics,即计算机美学,这是计算机视觉的一个研究方向。它研究通过计算机来学会人的审美,狭义而简单的来说,就是判断一张图片是高质量的,还是低质量的,也就是好与坏,数学上这是一个2分类问题。很多早期的研究,以及相应的数据库CUHK【1】,CUHKPQ【2】的标注,都是为这个而服务。

从下图相关论文的数量趋势来看,现在是一个很活跃的领域。

从研究的现状来看,这也是一个远远没有饱和的区域。

相比人脸检测,美颜等,这是一个更抽象,更难的问题,还处于高速发展期。

0?wx_fmt=png

从2006年左右,这个领域开始有了比较系统的研究,至今十年出头。所以,我接下来的介绍,也是近10年的一个概览。

上面说了,最简单也是最直观最早期的研究,就是分辨一张图是好,还是不好,是个2分类问题。

但是2分类问题有它的两个重大的局限性:

(1) 美学不是一个很严谨的数学问题,而是有很强的主观性,有很多的图,介于好图与非好图之间,难以2分类,分界面实在不清晰。这导致问题本身定义不明确,数据的标注也很困难。

(2) 如果只是一直做2分类问题研究,那很多的应用无法实现,直接点的如图像检索排名,间接点的如构图推荐,自适应滤镜。

演变到后来,先是升级到了回归问题,不仅分好坏,还要打个等级分。

什么意思呢?每一个样本的标注不再是2分类,不仅仅是包含好图与坏图的标注,而是有了一个量化的分数,比如AVA数据集【3】分数的标注从1到10。

研究就变成了如何回归出其标注的分数,最后给出每张图片的平均分数。

从应用层面上讲,主要包括了图像检索,自动构图,智能滤镜,甚至是直接创作。

以上,就是通常意义下的photo aesthetics包含的内容,核心思想就是学习分辨与创作好图。

2 photo aesthetics的主要研究方法

在说应用之前,还是先说说我们的研究手段。

从技术的突破来说,以深度学习为界限,可以从传统方法和深度学习方法来说。不过对于大多数问题和应用这两者最大的区别就是:前者是手动设计特征,后者是自动学习特征。

所以,这里不从传统方法和深度学习方法的维度来说,而是从研究问题的演变发展上说。

(1) 二分类问题。

1说了,最开始的时候,美学问题仅仅是被当做一个2分类问题。

早期的数据集CUHK【1】,CUHKPQ【2】,都只包含2分类的标注,也就是数据集中的图片被人为分为了质量高与低的图。

为了让数据集更可靠,自然是选择了一些区分度比较大,也就是不太容易产生歧义的图片。质量好的,通常是大家都认为好,质量低的以此类推。

如下图:

0?wx_fmt=png

(a)是质量高的,(b)是质量低的,没有疑问。

【2】可以认为是在【1】的基础上问题的延续,它弥补了【1】中的巨大不足,就是不再对所有图片一视同仁,而是不同类型的照片区分对待。

将所有的图总共分为了7类,包括landscape,plant,animal,night,human,static,architecture。

0?wx_fmt=png

上图是一个示例,在研究过程中对不同的类别,开始采用不同的特征,考虑了图像的多样性(diversity)。

这是必须的,因为摄影中对待不同类型的照片,就是必须用不同的表现手法。

比如人像摄影中,尤其是近照,需要控制好光照,使用大光圈。而风景照中最需要的是好的构图与丰富的色彩表达。

2分类问题研究方法的进步,就是不断利用新的深度学习模型去提取特征,从alexnet【4】,到googlenet【5】到resnet【6】等的尝试,以后专题介绍。

(2) 回归问题。

由于2分类的局限性,自然而然的就演变成了回归问题。

这个时候也就出现了新的供我们使用的数据库,AVA【3】。

这是一个很大的数据库,包括250000张照片。每一张照片,都有一个评分从1~10分。同时还有语义级别和照片风格的标注,以后我们详说。

比较新的研究有【7】。相比于2分类问题,其实回归问题也没有太多新的东西,从数学上来说,无非就是输出维度变了,loss function变了。

不过在学习具体分数值的过程中,有些研究更进一步,预测了分数的分布。也就是不仅仅预测了图片的质量分数,还预测了它的分数概率图,比如【8】。

(3) 相对美学问题。

这个的出发点,是从人的主观上进行考虑。对于人来说,容易判断的是一张图片的相对好坏,而不是绝对分数。

同时又由于更可靠稳定的有打分标注的数据集的获取成本之高,催生了一些研究。就是在学习的过程中,没有一个绝对的分数来指导你。

【8】,【9】都是相关研究。

从训练上来看,这一般输入的训练是多个图像,可能是两个图像,也可能是多个图像,一起丢进网络去学习哪一个更好。

下面是一个结果展示,右边的比左边的质量高。相对美学,在图像检索和图像增强中是有很大的作用的。

0?wx_fmt=png

相对美学,是一个很值得研究的问题。

(4) 多任务学习问题

最简单粗暴的方法,就是不管是什么图像,都直接提特征,分类也好,回归也好。但是,显然这是不可能很好的解决问题的。

摄影美学是讲究因材施教的,不同类型的图像,审美标准完全不同。

那么,直接对所有的图片,采用同样的方法学习,是不通,所以就有方法,或利用图像style,semantic信息进行弱监督,或直接将style和score,semantic一起学习【10】。

至于怎么做,按住不表,下回再论。

3 Photo aesthetics应用

总的来说,包含以下几个大方向;

(1) 图像检索

我们在搜索引擎中搜索图片时,自然是希望能够尽量返回质量高的图,恨不得是高清原图。

但是目前的搜索引擎并不能做到。

因为,目前的都是基于tag做的检索,而不是图像本身的质量。

下面就在百度中搜了一个学校美照,出来的效果不怎么样。

学校没得到体现,人像很多也是普普通通的大头照,从摄影师的角度来看,真的很一般。

当然,你也可以去搜索更多的关键词,反正我在使用过程中常常不满意。Google图片质量比百度高,但是也还有很大的发展空间。

 

0?wx_fmt=png

(2) 图像自动构图

自动裁剪这个,自打用上iphone起,它的照片管理工具就自带这个功能了,但是其他好用的app,我还没有发现。

这是个什么问题,专业点的说法,就是摄影构图。

它做的就是去除不必要的元素,合理安排画面中的元素分布。

每一个摄影师拍完照做后期时,第一步肯定就是做图像裁剪。

就算是最后没有裁剪,第一步也会看是不是需要裁剪!

为什么。因为你拍照的时候,很多时候来不及细细的去构图,

只有在后期认真想的时候,

才会去精细地调整。

据我体验,目前iphone照片管理软件的自动裁剪功能,主要还是对人像管用,下面给大家看个例子就知道了。

干脆把两张前后对比图拿过来大家瞧瞧,想想为什么要这么裁剪?

自动裁剪前

0?wx_fmt=jpeg

  自动裁剪后

0?wx_fmt=jpeg

可以看出,去除了更多的干扰,使画面更加平衡与和谐。

关于更多的构图摄影知识,请关注我另一个摄影公众号《言有三工作室》,里面有大量的教程可以学习体验。

至于构图的一些研究,可以参考【11】【12】,下回说细节。

(3) 自适应滤镜

现在就没有一个app能够自动推荐滤镜,后期很多的时候是很繁琐的。

对于菜鸟来说,只能去各种尝试已有的滤镜。

对于高手来说,需要很多时间来积累经验,也需要时间去选择更好的方案。

费时费力,还不一定能达到最好的效果,所以,我们其实都很期待出现一个app,

能够自动帮我们选择一个好的风格滤镜。

可惜,现在比较优秀的后期app,如snapseed,泼辣修图,也仅仅是能够对图像的对比度,亮度等自适应地做些调整。

关于现有的发展,更详细的介绍,在我的摄影公众号《言有三工作室》的文章

Apple和Google他们为小白们的修图大业做了什么?中有详细的说明,大家有兴趣可以自行前往阅读。

现在比较好的研究,也有一些。

像名字取得比较吓人的【13】,号称end-to-end可以把手机照片提升至单反画质,不过实际效果看来,主要是减少了阴影,总体上学习到了使图像变得更加通透。缺点是对比度经常放的太高,同时因为采用了GAN,放大了噪声。

这种事当然不能少了汤晓鸥他们团队,EnhanceGAN算是很新的应用了【14】,也成功地学习到了颜色,对比度等调整方法,不是end-to-end的方法,而是image-crop与enhancement交叉训练。

最大的优点是不需要成对的标注图像了(这是通过gan,和一批有着2分类标签的高质量图和低质量图来实现的)。

早期的方法【15】是需要成对的标注图像,成本太高,所以数据集不可能很大。以后不需要成对图像做训练的方法,必将成为主流。

(4) 风格化

这个,其实已经踏进艺术的创作,而不仅仅是摄影的范畴了。

行内人士可能还记得《image style transfer using convolutional neural networks》【16】这篇文章,后来催生了prisma,当时那个很火的滤镜。

整个的流程就如同下面这样,一张原图,一个风格,最后做融合。

0?wx_fmt=png

不过,没过多久,就退烧了。毕竟,那样玩图太“高级”,不是大众刚需,也就没见人玩了。

但是,并不是说他就不重要的了。

像pixtopix【17】这样的文章出来之后,风格化仍然有很大的市场。

比如黑白图像上色,比如图像风格转化(夏天冬天风格转化)【18】,甚至做得极端点,cycle-gan【19】这样的,不需要成对地标注,把斑马和马相互转换的有意思的研究。

未来,还大有可为!

4 Photo aesthetics焦点问题

难点 

(1) 怎么利用数学的方法去建模内部的美学规则。

(2) 怎样自适应调整不同的图片之间的美学差异。

(3) 如何准确判断一张图采用的技术。

(4) 怎样获取一个标注详细的大数据库。

热点

(1) 网络结构设计相关问题,如多尺度多patch。

(2) 图片风格,语义信息的应用。

(3) 怎么自动获取数据的标注。

(4) 最新技术在其中的应用,GAN。

 

这一次,只是一个入门介绍,后续,敬请期待!

 

作者简介:

言有三,原360AI研究院工程师,一个摄影爱好者。

想了解更多的细节,就来我计算机视觉公众号《视若观火》,以及摄影公众号《言有三工作室》吧

0?wx_fmt=jpeg0?wx_fmt=jpeg

当然,摄影平台500px和图虫,更是天天更新噢。

0?wx_fmt=jpeg

0?wx_fmt=jpeg

另外,邀请你来我10天后的gitchat活动一起讨论学习。

http://gitbook.cn/m/mazi/activity/5a10fa46a625c025b1800fc3?giftToken=a8c65830-ccd9-11e7-a69c-c935a9531f2d&sut=844a9360d28611e79254eb304c8a2a1e

如果有土豪觉得文章OK,想打个赏,那就乐呵呵接受了!

0?wx_fmt=jpeg

【1】Y. Ke, X. Tang, and F. Jing. The design of high-level features for photo quality assessment. In CVPR, 2006. 1, 3, 6

【2】 W. Luo, X. Wang, and X. Tang. Content-based photo quality assessment. In ICCV, 2011. 1, 3, 6, 7

【3】Perronnin F, Marchesotti L, Murray N. AVA: A large-scale database for aesthetic visual analysis[C]// IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2012:2408-2415.

【4】Lu X, Lin Z, Jin H, et al. RAPID: Rating Pictorial Aesthetics using Deep Learning[J]. IEEE Transactions on Multimedia, 2015, 17(11):2021-2034.

【5】Jin X, Wu L, He Z, et al. Efficient Deep Aesthetic Image Classification using Connected Local and Global Features[J]. 2017:1-6.

【6】Murray N, Gordo A. A deep architecture for unified aesthetic prediction[J]. 2017.

【7】Malu G, Bapi R S, Indurkhya B. Learning Photography Aesthetics with Deep CNNs[J]. 2017.

【8】PKong S, Shen X, Lin Z, et al. Photo Aesthetics Ranking Network with Attributes and Content Adaptation[J]. 2016:662-679.

【9】Chandakkar P S, Gattupalli V, Li B. A Computational Approach to Relative Aesthetics[J]. 2017.

【10】 Kao Y, He R, Huang K. Deep Aesthetic Quality Assessment with Semantic Information[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society, 2017, 26(3):1482.

【11】Chen Y L, Huang T W, Chang K H, et al. Quantitative Analysis of Automatic Image Cropping Algorithms: A Dataset and Comparative Study[J]. 2017:226-234.

【12】Wang W, Shen J. Deep Cropping via Attention Box Prediction and Aesthetics Assessment[J]. 2017.

【13】Ignatov A, Kobyshev N, Timofte R, et al. DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks[J]. 2017.

【14】Deng Y, Chen C L, Tang X. Aesthetic-Driven Image Enhancement by Adversarial Learning[J]. 2017.

【15】Yan Z, Zhang H, Paris S, et al. Automatic Photo Adjustment Using Deep Neural Networks[J]. Acm Transactions on Graphics, 2016, 35(2):11.

【16】Gatys L A, Ecker A S, Bethge M. Image Style Transfer Using Convolutional Neural Networks[C]// Computer Vision and Pattern Recognition. IEEE, 2016:2414-2423.

【17】Isola P, Zhu J Y, Zhou T, et al. Image-to-Image Translation with Conditional Adversarial Networks[J]. 2016.

【18】Luan F, Paris S, Shechtman E, et al. Deep Photo Style Transfer[J]. 2017.

【19】Zhu J Y, Park T, Isola P, et al. Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks[J]. 2017.

MATLAB在摄影测量编程作业中的应用 本文还有配套的精品资源,点击获取 简介:摄影测量通过图像数据分析获取空间信息,MATLAB因其强大的数学和图像处理功能,成为学习该领域的理想工具。本编程作业涵盖后方交会、影像匹配和相对定向等关键技术,强调MATLAB编程技巧和数学基础的重要性,并介绍摄影测量在多个领域的应用。通过这个项目,学生能深入理解摄影测量的理论与实践,为未来解决实际问题打下基础。 1. 摄影... 阅读详情

相关推荐

文献阅读笔记:量子微波测量技术综述

量子微波测量技术研究进展:量子微波测量技术利用里德堡原子与微波电场的相干相互作用,突破了传统测量方法的物理限制。该技术基于电磁诱导透明效应和里德堡原子能级跃迁原理,通过激光激发原子并监测光谱变化来测量微波电场强度。相比传统方法,量子微波测量具有超高灵敏度(理论极限可达nV/cm)、宽动态范围(超过100dB)、小型化等显著优势,且测量结果可直接溯源至普朗克常数。典型实验系统包括光源、原子气室和探测器,采用光谱法、干涉法等多种测量方法。近年来,该技术在基础研究和应用方面取得重要进展,展现出在通信、雷达、计量等

Grow into a more wonderful you 991

图像美学质量评价技术综述

图像美学质量评价技术综述 1. 引言 随着智能手机的快速发展与普及,图像以爆炸性的速度在网络上增长,帮助人们了解图像的质量如何已经逐渐成为研究热点。图像美学质量评价是虚拟现实技术在图像方面的新应用,是目前计算机视觉领域研究的热点问题之一。 图像美学质量评价技术是计算机通过计算图像的质量和模拟人类对美的认知与感知来自动评价图像的美感。对于手机拍摄的多张相似的照片,该技术可以帮助人们筛选出最“美”的那张照片来克服选择恐惧;对于多张不同的视频封面,该技术可以帮助视频选择最“美”的封面来提高其点击率。图像美

weixin_53965540的博客 7003

别再为3D抓取发愁了!Halcon手眼标定保姆级教程(Eye-to-Hand模式,含完整代码)

本文提供Halcon手眼标定的保姆级教程,详细讲解Eye-to-Hand模式下的3D抓取实现方法。从硬件配置、坐标系系统到标定流程和核心算法,涵盖完整代码和实战经验,帮助用户快速掌握工业自动化中的精准抓取技术。

weixin_42523711的博客 271

美学评价算法总结

综述: 实习期间复现了一个美学评价算法,应用到我们的产品中的效果就是,单击一个按钮之后,前端能将当前所有的图片按照图片的“好看”程度进行排名,这样顾客在选择所需要的图片的时候可以首先用算法将好看一点的图片选出来,再自己筛选,美学评价算法相当于完成一个预筛选的过程。 论文在AlexNet上进行微调,我对论文进行了复现,同时将网络改成了ResNet-50,得到了更好的效果,相信使用更好的分类CNN进

小湉湉的博客 5317

告别GIS软件!用R语言ggplot2+ggmapcn绘制出版级世界地图(附5种投影对比图)

本文提供了一份完整的实践指南,教你如何利用R语言及其强大的ggplot2生态系统,结合ggmapcn包,绘制出出版级的世界地图。文章详细对比了五种经典地图投影(如摩尔维德、罗宾森投影)的代码实现与视觉差异,并讲解了如何添加比例尺、指北针等专业元素,最终导出高清PDF,实现从数据分析到专业可视化的全流程代码化操作,彻底告别传统GIS软件。

p5l2m9n4o6q的博客 410

保姆级教程:用Python+OpenCV实现相移法与格雷码三维重建(从生成条纹到点云生成)

本文详细介绍了使用Python和OpenCV实现相移法与格雷码三维重建的全流程,从条纹生成到点云计算。通过结构光技术,结合相移法和格雷码,实现高精度的三维重建,适用于无纹理物体表面的密集对应点生成。教程包含环境搭建、条纹生成、相位计算、三维点云重建及常见问题排查,适合计算机视觉开发者和研究人员。

weixin_33443333的博客 352

深度学习在摄影技术中的应用与发展

本文来自作者 言有三 在 GitChat 上分享 「深度学习在摄影技术中的应用与发展」,「阅读原文」查看交流实录。「文末高能」编辑 | 哈比我是一个 AI 行业的从业者,也是一个摄影爱好者。之前我在《言有三工作室》公众号分享过一篇文章,《干掉柯洁的下一步,阿尔法狗创始人又要毁掉这个行业(深度学习)》,感兴趣可以去看看。其中主要说的就是,DeepMind 的研究,已经让算法掌握了自动学习到构图,滤镜

技术杂谈 5601

555时基芯片的5种经典电路设计:从方波发生器到PWM调光实战

本文深入解析了555时基芯片的5种经典电路设计,从基础的无稳态方波发生器、单稳态触发器,到实用的占空比可调PWM信号源,并重点介绍了如何引入TVS保护电路增强系统鲁棒性。最后通过一个带保护的PWM LED调光台灯实战项目,综合展示了信号生成、功率驱动与电路保护的核心技术,是电子爱好者掌握模拟电路设计与应用的绝佳指南。

weixin_29207439的博客 495

AI留给摄影命的时间,不多了

0 导论我是一个AI行业的从业者,也是一个摄影爱好者。在不断接触摄影技术的过程中,也不断地开始了解计算机算法,尤其是最新的深度学习技术在其中发挥的作用。这篇文章的目的,是一个导论,面向的对象,也是大众。但是,本着稍求甚解的原则,我接下来会尽量照顾受众的同时,也说点技术。摄影,说的粗浅一点,就说拍照吧,本身并不是一个技术很高的活,稍加训练,就能成为合格的摄影师。当然,摄影本身也可以是一门艺术,好的作...

helloworld_Fly的博客 1381

【强化学习】11 —— Double DQN算法与Dueling DQN算法

可以看到由于数据点的分布,使得拟合出的价值函数无法与真实的价值函数吻合,甚至在部分区域产生了明显的偏差。Dueling DQN 是 DQN 另一种的改进算法,它在传统 DQN 的基础上只进行了微小的改动,但却能大幅提升 DQN 的表现。这样,即使其中一套神经网络的某个动作存在比较严重的过高估计问题,由于另一套神经网络的存在,这个动作最终使用的值不会存在很大的过高估计问题。.在同一个状态下,所有动作的优势值之和为 0,因为所有动作的动作价值的期望就是这个状态的状态价值。环境的状态包括倒立摆角度的正弦值。

sinat_52032317的博客 1万+

北斗导航 | ChatGPT之RTK、RTD、ARAIM算法原理及程序代码(ChatGPT看你怎么回答,附部分代码)

ChatGPT之RTK、RTD、ARAIM算法原理及程序代码

尘世冰封的专栏 3679

什么样才算好图——从生图模型质量度量方法看模型能力的发展

本文总结了近10年来的生图模型论文中用到的评价指标,并尝试解答两个问题不同时期的评价标准都有哪些特点?图片质量的评价如何辅助模型的迭代?前言随着各种文生图模型逐渐从toy project进入到生产链路,在线上实际落地并产生业务价值,同时自研/来源模型也进入了快速迭代的阶段。一套直指问题、综合拓展性和复用性的评价指标变得尤为宝贵,从效果上来讲,如果说数据质量决定了模型效果的上限,那么指标的好坏直接决...

淘系技术 4669

ASPICE学习笔记

ASPICE的全称是Automotive SPICE。

汽车电子软件领域知识分享 1356

近景摄影测量的历史

以下是我近期翻译的一篇论文中的一部分,写在这里以便以后需要时查看。 近景摄影测量的历史可以追溯到1840年由法国军方上将Aime´Laussedat研制的第一台摄影测量系统。1849年,Laussedat首次利用地形图像进行地形图的绘制和编辑。其研究成果于1862年被马德里皇家科学院所接受。随后Laussedat利用在屋顶拍摄的照片,绘制了巴黎的平面图。该成果于1867年在巴黎博览会上得到了展示...

weixin_30472035的博客 1087

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

摄影测量与计算机视觉--历史与发展

摄影测量学是测绘领域中使用二维影像进行三维测量的一个学科;而计算机视觉则是利用影像形成对周围世界的认识,其中一个重要的研究课题就是恢复影像中的三维信息。因此可以发现,两个学科的研究目标是具有一定程度的相似,然而两者不可避免的存在许多区别个差异。虽然随着学科的快速发展,两者间的差异逐渐减小;但是我们依然有必要明白两者之间的区别,从而加深对两个学科的理解。 本系列博客的主要目的是对比两个学科在三维重...

Yan 4347

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

摄影测量学和计算机视觉,摄影测量学

摄影测量学是通过影像研究信息的获取、处理、提取和成果表达的一门信息科学。传统的摄影测量学是利用光学摄影机摄得的影像,研究和确定被摄物体的形状、大小、性质和相互关系的一门科学与技术。它包括的内容有:获取被研究物体的影像,单张和多张像片处理的理论、方法、设备和技术,以及将所测得的成果如何用图形、图像或数字表示。[1]中文名摄影测量学外文名photogrammetry学科测绘学应用工业、...

weixin_30905655的博客 1650

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

计算机视觉之历史漫说

计算机视觉发展至今,已经有了相对比较广泛的应用,而能取得如此成就离不开各个相关领域的发展,如计算机、互联网、认知学科、相机等等。却很少提及图像发展对视觉的影响。在早期照片上使用视觉算法很可能也是效果不佳,虽然现在图像质量看起来很高,但是也不能保证未来没有新的成像设备出现,可极大提高算法效果。

s6977880的专栏 884

计算机摄影采用的成像媒介,数码摄影普及时代胶片摄影的存在价值

摄影技术从诞生以来,在近一百多年的时间里,胶片是影像记录的惟一选择。十多年前,相机制造商研发出数字拍摄技术,摄影从胶片时代来到数码与胶片交叠的时代。自从数码相机问世以来,就有很多人提出传统相机是否会被淘汰的问题。有人说胶片已死,数码摄影必将取代胶片摄影,也有人说 “胶片始终是摄影的根基,一棵大树无论多么枝繁叶茂,还是要从树根汲取养分”。历史的车轮是不会停止的,数字时代的胶片影像该何去何从?纵观摄影...

weixin_39830303的博客 1065

初步去了解——摄影测量

摄影测量学的定义和任务   摄影测量【photogrammetry】指的是通过影像研究信息的获取、处理、提取和成果表达的一门信息科学。   传统摄影测量学定义:是利用光学摄影机获取的像片,经过处理以获取被摄物体的形状、大小、位置、特性及其相互关系的一门学科。   摄影测量学是测绘学的分支学科,它的主要任务是用于测绘各种比例尺的地形图、建立数字地面模型,为各种地理信息系统和土地信息系统提供基础

yinchaonx6330的专栏 7059

【计算摄影】图像美学专栏上线,先从学点摄影知识开始

大家好,这是专栏《计算摄影》的第一篇文章,这一个专栏来自于计算机科学与摄影艺术的交叉学科。这是第一篇文章,本篇文章的重点不是技术,但却是一个很有意思的主题,也是后面内容的基础。 ...

hacker_long的专栏 923

计算机在摄影应用,计算机摄影的应用

计算机摄影的应用数字影像X线检查技术已有20多年的历史,而在我国应用还不到10年。为发挥CR的优势给临床提供最优质的照片,介绍(本文共1页)阅读全文>>目的探讨计算机摄影(CR)在急诊床边摄影中的应用价值。方法对632例共712张床边CR摄影与294张传统屏/片摄影(TP)分别进行比较...(本文共2页)阅读全文>>目的:探讨计算机摄影(CR)在骨关节检查中的应用及临床价值...

weixin_39582724的博客 244

摄影艺考用学计算机吗,不艺考能学摄影专业吗?哪些大学摄影专业不用艺考?

原标题:不艺考能学摄影专业吗?哪些大学摄影专业不用艺考?本文为大家介绍不艺考能学摄影专业吗?哪些大学摄影专业不用艺考?具体如下:不艺考能学摄影专业吗?大学摄影多数需要艺考。但也不是绝对的.摄影属于美术学,我国开设摄影最早的是北京电影学院,艺术类摄影开设最早的是鲁迅美术学院。动态摄影好的学校有北京电影学院和中国传媒大学,平面摄影比较好的学院有中央美术学院,清华大学美术学院,鲁迅美术学院,广州美术学院...

weixin_35682992的博客 706

计算机在摄影中的应用文档,[计算机软件及应用]3-图像采集技术--摄影.pdf

[计算机软件及应用]3-图像采集技术--摄影图像采集技术图像采集技术——摄影摄影李坤李坤天津大学计算机科学与技术学院提纲 2一 摄影的历史摄影的历史二 ...

weixin_30351503的博客 273

摄影后期用计算机,摄影后期处理中计算机技术结合分析.doc

摄影后期处理中计算机技术结合分析摄影后期处理中计算机技术结合分析摘要:现在的电影、电视制作中,场景和特效的合成,主要依靠后期处理工作,利用计算机软件等技术手段,来实现后期的制作,该文在摄影后期处理概念和特点的基础上,结合我国目前摄影后期处理的现状以及其中存在的问题,对摄影后期处理中计算机技术的结合应用,进行了深入的研究,希望能给实际的工作,提供一定的参考。关键词:摄影;后期处理;计算机技术;结合;...

weixin_32620265的博客 221

计算摄影与成像--概述

摘要 光作为电磁波的核心载体,在宇宙演化、艺术创作和技术创新中扮演着关键角色。从古希腊哲学到现代计算摄影,人类对光的探索经历了数千年发展历程。摄影技术演进呈现双轨并行:一方面是以人为中心的艺术创作史,另一方面是以机器为核心的技术发展史,从胶片化学到数字传感器。计算摄影作为交叉学科,融合了光学、传感器技术、信号处理、计算机视觉和机器学习等多领域知识,旨在通过硬件编码和算法解码实现环境光场的高维重建。该领域不仅服务于人眼视觉感知,也为机器视觉系统提供关键信息输入,体现了技术与艺术的深度结合。

Matrix-11 2514
上一篇: 为了压榨CNN模型,这几年大家都干了什么
下一篇: 为AI摄影铺路,第一个大规模的美学质量数据库
言有三
言有三 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄15年 3636粉丝 976原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值