[논문 리뷰] Cognitive image processing: the time is right to recognize that the world does not rest more on turtles and elephants

Emanuel Diamant|arXiv (Cornell University)|2014. 11. 01.

Embodied and Extended Cognition참고 문헌 1인용 수 3

한 줄 요약

이 논문은 기존의 인간 중심의 이미지 처리가 현대의 빅데이터 시각 작업에 부적절하다고 주장하며, 기계 주도의 개념적 이미지 처리 패러다임 전환을 제안한다. 계산 기반의 데이터 처리에서 인지 기반의 정보 처리로의 전환을 통해 자율적이고 인간과 유사한 시각 데이터 이해가 가능해지며, 데이터와 정보 사이의 모호함이 이미지 분석을 위한 새로운 인지 프레임워크를 통해 해결된다.

ABSTRACT

Traditional image processing is a field of science and technology developed to facilitate human-centered image management. But today, when huge volumes of visual data inundate our surroundings (due to the explosive growth of image-capturing devices, proliferation of Internet communication means and video sharing services over the World Wide Web), human-centered handling of Big-data flows is impossible anymore. Therefore, it has to be replaced with a machine (computer) supported counterpart. Of course, such an artificial counterpart must be equipped with some cognitive abilities, usually characteristic for a human being. Indeed, in the past decade, a new computer design trend - Cognitive Computer development - is become visible. Cognitive image processing definitely will be one of its main duties. It must be specially mentioned that this trend is a particular case of a much more general movement - the transition from a "computational data-processing paradigm" to a "cognitive information-processing paradigm", which affects today many fields of science, technology, and engineering. This transition is a blessed novelty, but its success is hampered by the lack of a clear delimitation between the notion of data and the notion of information. Elaborating the case of cognitive image processing, the paper intends to clarify these important research issues.

연구 동기 및 목표

• 엄청난 시각 데이터 증가에 대비하여 인간 중심의 이미지 처리 방식의 한계를 해결하기 위해.
• 계산 기반의 데이터 처리에서 인지 기반의 정보 처리로의 패러다임 전환을 주장하기 위해.
• 이미지 처리 분야에서 데이터와 정보의 차이를 명확히 하기 위해.
• 인지 이미지 처리를 향후 인지 컴퓨팅 시스템의 핵심 기능으로 확립하기 위해.
• 인지 이미지 처리를 차세대 AI 기반의 시각 시스템의 기초 구성 요소로 위치 지으므로서.

제안 방법

• 기존의 이미지 처리에서 인지 기반의 정보 처리 패러다임으로의 전환을 제안한다.
• 자율적인 시각 데이터 이해를 위한 프레임워크로 인지 컴퓨팅을 도입한다.
• 이미지 분석을 위해 인간과 유사한 인지 능력을 갖춘 기계 기반 처리를 강조한다.
• 과도한 반복적 모델을 비판하기 위해 '거북이와 코끼리'의隐喩를 사용한다.
• 인지 이미지 처리를 보다 광범위한 인지 컴퓨팅 원칙의 특수한 응용으로 정의한다.
• 효과적인 인지 처리를 가능하게 하기 위해 데이터와 정보 사이의 명확한 경계 설정이 필요하다고 강조한다.

실험 결과

연구 질문

• RQ1 어떻게 시각 데이터 처리는 빅데이터 요구에 부응하기 위해 인간 중심 모델을 초월할 수 있는가?
• RQ2 이미지 처리 맥락에서 데이터와 정보의 차이는 무엇인가?
• RQ3 현재의 계산 기반 데이터 처리 패러다임은 왜 현대의 시각 데이터 워크로드에 부적합한가?
• RQ4 인지 컴퓨팅 원칙은 어떻게 이미지 처리에 적용되어 자율적 이해를 가능하게 하는가?
• RQ5 인지 정보 처리로의 광범위한 전환 맥락에서 인지 이미지 처리의 역할은 무엇인가?

주요 결과

• 기존의 이미지 처리 방식은 인간의 처리 능력 한계로 인해 현대의 대규모 시각 데이터 처리에는 더 이상 타당하지 않다.
• 계산 기반의 데이터 처리에서 인지 기반의 정보 처리로의 패러다임 전환은 필수적이며 시기적절하다.
• 인지 이미지 처리는 향후 인지 컴퓨팅 시스템의 핵심 기능으로 확인된다.
• 현재의 시스템에서는 데이터와 정보의 구분이 모호하여 발전을 저해하고 있다.
• 논문은 인지 이미지 처리를 지능형 시각 데이터 시스템의 진화에서 핵심 구성 요소로 확립한다.
• 인지 처리로의 전환은 대규모 시각 데이터에 대한 자율적이고 맥락 인식 기반의 분석을 가능하게 한다.