推 naminono: 未看先猜(?)因為資訊有dependence，平行運算效果不彰? 11/30 22:48
否
推 AlexCYW: 沒有人在用 是因為計算量大這個缺點? 11/30 22:53
是 為什麼計算量大? 而且為什麼在運算能力大大增強的現在仍是無法克服?
→ alice910153: 有其他更好的替代方案出現了? 11/30 22:55
否
推 kiluaagnes: 與演算法的執行步驟有關？ 11/30 22:56
是
推 naminono: 無法克服的原因是在於無法以平行運算減少時間嗎? 11/30 22:56
否
推 AlexCYW: 因為現在的圖片 像素點也大幅增加? 11/30 22:58
是 但非主因
推 AlexCYW: 因為他是pixel to pixel? 11/30 23:02
是 所以?
推 kiluaagnes: 因為沒有必要？ 他必須要轉化整個圖片而無法局部進行? 11/30 23:03
是 為何? 否
推 AlexCYW: 因為現在圖的pixel太多 根本有很大一片中的點是一樣的 11/30 23:05
是 我想這種其他演算法也會碰到的點 跟這個演算法本身的問題沒有什麼關係
還是別問了
推 AlexCYW: 問題是出在CREATEIMAGEANALOGY 還是BESTMATCH ? 11/30 23:12
是 是
推 AlexCYW: 跟複雜度有關? 根本就是非多項式時間可以完成的? 11/30 23:15
是 否 (關鍵是一般的圖像處理演算法跟該演算法的差異
推 maplemiracle: 因為太慢了！ 11/30 23:18
是 為什麼? 他跟其他圖像處理演算法的差異在哪裡?
推 AlexCYW: 因為幾本上是點對點全掃一遍 跟暴力解沒兩樣 11/30 23:24
是 可以這麼說
→ AlexCYW: 所以沒有實用價值? 11/30 23:25
是 請問圖像處理的暴力解是怎麼解的?
又 暴力解跟一般的圖像處理 差異在哪裡?
推 maplemiracle: 一般圖像處理感覺比較像是取小範圍的平均值(? 11/30 23:30
→ maplemiracle: 這種感覺？ 11/30 23:30
否 (那是屬於down sizing跟smoothing 只是圖像處理的一部分
推 AlexCYW: 一般圖像處理主要是找局部特徵去做比對 11/30 23:32
否 (那是單純在pattern recognition或是image enhancement 也只是圖像處理的一部分
→ AlexCYW: 這篇直接用點對點比對 11/30 23:33
→ AlexCYW: 有一種 "不管拉反正我找出來了"的感覺 XD 11/30 23:34
是 所以這兩者為什麼會有計算量的差異?
→ AlexCYW: 但其實並無從了解為什麼找這個點 11/30 23:34
是 所以關鍵點是? 一個有什麼一個沒什麼?
推 AlexCYW: 是這篇有什麼嗎? 11/30 23:36
否
→ AlexCYW: 這篇沒做什麼? 11/30 23:37
是
→ AlexCYW: 沒去排除掉什麼嗎? 11/30 23:38
否
推 naminono: 沒有分區塊? 11/30 23:38
否
推 maplemiracle: the implementation has never been hand-tuned? 11/30 23:39
是 為什麼? 之所以不用hand-tuned的原因是因為?
推 AlexCYW: 沒有建立甚麼嗎? 11/30 23:40
是
→ AlexCYW: 沒有在過程中建立instance 每次比對都要從頭來過? 11/30 23:41
是
推 naminono: 沒有依據每個點的特徵去簡化「點對點」的步驟? 11/30 23:41
是 來個名詞吧 沒有建立____?
→ naminono: 媽豆 11/30 23:42
湯底
※ 編輯: longlyeagle (140.112.77.14), 11/30/2014 23:43:38
推 AlexCYW: 果然是model 我剛一時沒想到只想到instance 11/30 23:45
→ naminono: 他的feature只用來比對L2norm差異= = 11/30 23:47
→ naminono: 不過竟然這樣就被淘汰了… 11/30 23:48
推 maplemiracle: | 。 ∀゜)其實我根本看不懂 11/30 23:48
推 AlexCYW: 這讓我想到類神經網路 11/30 23:48
→ longlyeagle: 關鍵是十幾年了還是無法實用吧 12/01 00:03
→ longlyeagle: 不過仍然是一篇很有趣的想法的論文 12/01 00:04