Media Computing: Computational Media Aesthetics

به‌طور سنتی، حوزه‌های علمی مرزهایی را مشخص می‌کنند، و دانشمندان روی مسائل تحقیقاتی در این مرزها کار می‌کنند. با این حال، هر از گاهی این مرزها برای ایجاد زمینه های جدید تغییر یا محو می شوند. به عنوان مثال، هدف اولیه بینایی کامپیوتری، درک یک تصویر واحد از یک صحنه، با شناسایی اشیاء، ساختار آنها، و ترتیبات فضایی بود. این به عنوان درک تصویر نامیده می شود. اخیراً، بینایی رایانه به تدریج از درک تصاویر منفرد به تجزیه و تحلیل توالی تصویر یا درک ویدیویی دور شده است. درک ویدیویی با درک دنباله‌های ویدیویی سروکار دارد. g تشخیص ژست ها، فعالیت ها، حالات چهره، و غیره. تغییر اصلی در پارادایم کلاسیک از تشخیص اشیاء ساکن در صحنه به تشخیص بر اساس حرکت اعمال و رویدادها بوده است. درک ویدیویی دارای مشکلات تحقیقاتی همپوشانی با زمینه های دیگر است، بنابراین مرزهای ثابت را محو می کند. گرافیک کامپیوتری، پردازش تصویر و پایگاه داده های ویدئویی با دید کامپیوتری همپوشانی آشکاری دارند. هدف اصلی گرافیک کامپیوتری تولید تصاویر و ویدیوهای واقعی و متحرک سازی است. محققان در گرافیک کامپیوتری به طور فزاینده ای از تکنیک های بینایی کامپیوتری برای تولید تصاویر مصنوعی استفاده می کنند. یک مثال خوب از این تکنیک‌های رندر و مدل‌سازی مبتنی بر تصویر است که در آن هندسه، ظاهر و نور با استفاده از تکنیک‌های بینایی کامپیوتری از تصاویر واقعی استخراج می‌شوند. در اینجا تغییر از سنتز به تجزیه و تحلیل و سپس سنتز است.

Traditionally, scientific fields have defined boundaries, and scientists work on research problems within those boundaries. However, from time to time those boundaries get shifted or blurred to evolve new fields. For instance, the original goal of computer vision was to understand a single image of a scene, by identifying objects, their structure, and spatial arrangements. This has been referred to as image understanding. Recently, computer vision has gradually been making the transition away from understanding single images to analyz­ ing image sequences, or video understanding. Video understanding deals with understanding of video sequences, e. g. , recognition of gestures, activities, fa­ cial expressions, etc. The main shift in the classic paradigm has been from the recognition of static objects in the scene to motion-based recognition of actions and events. Video understanding has overlapping research problems with other fields, therefore blurring the fixed boundaries. Computer graphics, image processing, and video databases have obvious overlap with computer vision. The main goal of computer graphics is to gener­ ate and animate realistic looking images, and videos. Researchers in computer graphics are increasingly employing techniques from computer vision to gen­ erate the synthetic imagery. A good example of this is image-based rendering and modeling techniques, in which geometry, appearance, and lighting is de­ rived from real images using computer vision techniques. Here the shift is from synthesis to analysis followed by synthesis.