Ponurą porą Sun, 28 Oct 2012 04:04:09 -0700, M.M. wyszeptał:

> a) jak trudna jest implementacja takiego algorytmu,
> b) co leży u podstaw tak dużej skuteczności u zwierząt,
> c) jak złożony obliczeniowo jest to problem.
> Co do punktów a i c kompletnie nie mam pojęcia. W przypadku punktu b
> domniemam,
> że kluczowe jest rozpoznawanie obrazu. Jeśli ja naprawdę nie widzę co
> jest bliżej a co dalej, to jak wyjaśnić że mogę się sprawnie poruszać?
> Widzę tylko jedno wyjaśnienie: rozpoznaję przedmiot, potem przypominam
> sobie jak on jest duży i ostatecznie składam z tego przestrzeń 3D.

Ano nie.

Mając dwa obrazy z różnych ale bliskich punktów wystarczy sprawdzić
przesunięcia fragmentow obrazu (to się genialnie zrównolegla i jest
proste). Te dalej przesuną się mniej.

Mając głębię ostrości (lub też ją zmieniając) podczas ruchu ma się
informację na temat ostrości obiektów położonych w odpowiedniej
odległości i w nieodpowiedniej. Ustawiając +Inf ma się nieostre
wszystko co jest blisko.

Mając dwoje oczu (o znanych parameterach) ma się dwa obrazy jednocześnie
i znowu analiza różnic obrazów jest prosta.

Mając źrenicę kota ma się inne optyczne właściwości w pionie i w poziomie
czyli inną głębię ostrości _jednocześnie_, bez straty czasu na zmiany
w gałce ocznej.

Mózg ludzki ma do tego celu (pomijając kocią specyfikę) konkretne fałdy
z tyłu głowy, gdzie jest prawie 1:1 odwzorowane to co powyżej opisałem,
plus detekcje krawędzi, plamek koloru, plamek jasności i tym podobnych
rzeczy. Ludzie to wiedzą, bo odwzorowanie w mózgu jest prawie płaskie [1]
i za pomocą elektrod prawie da się odtworzyć widziany obraz.

Dopiero z tego jakoś później tworzona jest mapa 3D i mapa obiektów,
co już jest bardziej skomplikowane. 3D u ludzi nie jest typu
autocad, tylko "jak na coś nie wpaść i jak tam dojść"; obiekty
to jedna z bardziej skomplikowanych struktur, dzieci już mając
kilka miesięcy rozpoznają obiekty, ich ciągłość istnienia itp.

Sama złożoność obliczeniowa takich lokalnych analiz obrazu
jest spora, ale bardzo dobrze się zrównolegla (u nas przez
wiele neuronów, na kompach na GPU powinno hulać). Generalnie
trzeba powtórzyć tą samą analizę dla wielu małych obszarów
wizji. Oczywiście, mając zdjęcia różniące się kątem powiedzmy
45% trzeba podejść do sprawy zupełnie inaczej.

Można nawet zrobić taki eksperyment na sobie. Kazać komuś
zrobić dwa zdjęcia z bardzo różniących się punktów i na podstawie
zdjęć spróbować odwzorować 3D - powyższe mechanizmy nie zadziałają.

[1] Mózg czasami mapuje 2D na 3D. Żeby zmieścić dużą strukturę 2D
(obraz lub samą korę, która jest 2D) w 3D ma miejsce takie mapowanie,
trudne do analizy podobno, ale ponieważ jest w miarę stałe można
potem z dowolnego innego mózgu brać takie info 3D i zmapować na
oryginalne 2D

--
Edek