[论文解读] 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)|Nov 1, 2014

Embodied and Extended Cognition参考文献 1被引用 3

一句话总结

本文认为，传统以人类为中心的图像处理在现代大数据视觉工作负载面前已显不足，提出认知图像处理作为机器驱动的范式转变。通过从计算型数据处理转向认知型信息处理，该方法实现了对视觉数据的自主、类人理解，借助新的认知框架解决了数据与信息之间的模糊性问题，推动图像分析的革新。

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.

研究动机与目标

• 应对视觉数据规模急剧增长背景下，以人类为中心的图像处理所面临的局限性。
• 倡导从计算型数据处理向认知型信息处理的范式转变。
• 澄清在视觉数据处理中，数据与信息之间的区别。
• 确立认知图像处理作为新兴认知计算系统核心功能的地位。
• 将认知图像处理定位为下一代人工智能驱动视觉系统的基础组成部分。

提出的方法

• 提出从传统图像处理向认知信息处理范式的转型。
• 引入认知计算作为实现视觉数据自主理解的框架。
• 强调基于机器的处理，赋予其类人认知能力以实现图像分析。
• 使用“乌龟与大象”的隐喻，批判过时的、递归式的数据处理模型。
• 将认知图像处理定义为更广泛认知计算原则的专门化应用。
• 强调必须明确定义数据与信息之间的界限，以实现有效的认知处理。

实验结果

研究问题

• RQ1 视觉数据处理如何超越以人类为中心的模型，以应对大数据需求？
• RQ2 在图像处理的语境下，数据与信息有何区别？
• RQ3 为何当前的计算型数据处理范式不足以应对现代视觉数据工作负载？
• RQ4 认知计算原则如何应用于图像处理，以实现自主理解？
• RQ5 认知图像处理在向认知信息处理整体转型中扮演何种角色？

主要发现

• 由于人类处理能力的局限，传统图像处理已无法应对现代视觉数据的规模。
• 从计算型数据处理向认知型信息处理的范式转变，既是必要也是及时的。
• 认知图像处理被确认为新兴认知计算系统的核心功能。
• 当前系统中，数据与信息的界限仍不清晰，阻碍了进展。
• 本文确立了认知图像处理在智能视觉数据系统演进过程中的关键作用。
• 向认知处理的转型，使大规模、上下文感知的视觉数据自主分析成为可能。