Image representation (features) is

Image representation (features) is arguably the most fundamental task in computer vision.The
problem is highly challenging because images exhibit high variations, are highly structured, and
lie in high dimensional spaces. In the past ten years, a large number of low-level features over
images have been proposed. In particular, orientation histograms such as SIFT [16] and HOG [3]
are the most popular low-level features, essential to many computer vision tasks such as object
recognition and 3D reconstruction.

The success of SIFT and HOG naturally raises questions on how
they measure the similarity between image patches, how we should understand the design choices in
them, and whether we can find a principled way to design and learn comparable or superior low-level
image features.

Kết quả (Việt) 1:

Hình ảnh đại diện (tính năng) là cho là nhiệm vụ cơ bản nhất trong máy tính. Cácvấn đề là rất khó khăn bởi vì hình ảnh triển lãm các biến thể cao, cao có cấu trúc, vànằm trong không gian chiều cao. Trong mười năm qua, một số lớn các tính năng cấp thấp hơnnhững hình ảnh đã được đề xuất. Trong cụ thể, định hướng histograms như SIFT [16] và con heo [3]là những tính năng phổ biến nhất ở độ cao thấp, rất cần thiết cho nhiều máy tính tầm nhìn công việc như đối tượngcông nhận và 3D tái thiết. Sự thành công của SIFT và con heo tự nhiên làm tăng các câu hỏi về làm thế nàohọ đo sự giống nhau giữa bản vá hình ảnh, làm thế nào chúng ta nên hiểu sự lựa chọn thiết kế tronghọ, và cho dù chúng tôi có thể tìm thấy một cách nguyên tắc để thiết kế và học tương đương hoặc cao thấpCác tính năng hình ảnh.

Kết quả (Việt) 2:

Đại diện hình ảnh (tính năng) được cho là những nhiệm vụ cơ bản nhất trong máy tính vision.The
vấn đề là rất khó khăn vì hình ảnh triển lãm biến cao, được cấu trúc chặt chẽ, và
lời nói dối trong không gian chiều cao. Trong mười năm qua, một số lượng lớn các tính năng cấp thấp hơn
các hình ảnh đã được đề xuất. Đặc biệt, xu hướng biểu đồ như SIFT [16] và HOG [3]
là những tính năng cấp thấp phổ biến nhất, cần thiết cho nhiều nhiệm vụ thị giác máy tính như đối tượng
công nhận và tái tạo 3D. Sự thành công của SIFT và HOG tự nhiên đặt ra câu hỏi về cách họ đo giống nhau giữa các bản vá lỗi hình ảnh, làm thế nào chúng ta nên hiểu sự lựa chọn thiết kế trong họ, và liệu chúng ta có thể tìm thấy một cách có nguyên tắc để thiết kế và học hỏi ở mức độ thấp tương đương hoặc tốt hơn các tính năng hình ảnh.