Exploratory Vision: The Active Eye

پیشرفت‌ها در سنجش، پردازش سیگنال و فناوری رایانه در نیم قرن گذشته، تلاش‌های زیادی را برای طراحی ماشین‌های همه‌منظوره که می‌بینند، تحریک کرده است. این تلاش ها در بهترین حالت با موفقیت اندک و معمولاً با شکست آشکار مواجه شده است. مشکلاتی که در ساختن سیستم‌های بینایی رایانه‌ای بر اساس تکنیک‌های پیشرفته پیش می‌آیند غافلگیرکننده بود. شاید ناامید کننده ترین جنبه مشکل این باشد که سیستم های بینایی ماشین نمی توانند با کارهای بصری متعددی که انسان به سرعت و بدون زحمت انجام می دهد، مقابله کند. در واکنش به این تفاوت درک شده در عملکرد، محققان مختلف (به ویژه مار، 1982) پیشنهاد کردند که طراحی سیستم‌های بینایی ماشین باید بر اساس اصول برگرفته از مطالعه سیستم‌های بیولوژیکی باشد. این رویکرد "عصبی مورفیک" یا "انسان‌سازی" مثمر ثمر بوده است: استفاده از روش‌های نمایش تصویر هرمی (چند رزولوشن) در فشرده‌سازی تصویر، نمونه‌ای از یک کاربرد موفقیت‌آمیز مبتنی بر اصولی است که عمدتاً از مطالعه بینایی بیولوژیکی ناشی می‌شود. سیستم های. با این حال، هنوز هم چنین است که عملکرد سیستم‌های بینایی کامپیوتری بسیار کمتر از عملکرد سیستم‌های طبیعی است که قصد تقلید آن را دارند، و این نشان می‌دهد که زمان آن رسیده است که تفاوت‌های باقی مانده بین بینایی مصنوعی و بیولوژیکی را با دقت بیشتری بررسی کنیم. سیستم ها.

Advances in sensing, signal processing, and computer technology during the past half century have stimulated numerous attempts to design general-purpose ma­ chines that see. These attempts have met with at best modest success and more typically outright failure. The difficulties encountered in building working com­ puter vision systems based on state-of-the-art techniques came as a surprise. Perhaps the most frustrating aspect of the problem is that machine vision sys­ tems cannot deal with numerous visual tasks that humans perform rapidly and effortlessly. In reaction to this perceived discrepancy in performance, various researchers (notably Marr, 1982) suggested that the design of machine-vision systems should be based on principles drawn from the study of biological systems. This "neuro­ morphic" or "anthropomorphic" approach has proven fruitful: the use of pyramid (multiresolution) image representation methods in image compression is one ex­ ample of a successful application based on principles primarily derived from the study of biological vision systems. It is still the case, however, that the perfor­ of computer vision systems falls far short of that of the natural systems mance they are intended to mimic, suggesting that it is time to look even more closely at the remaining differences between artificial and biological vision systems.