Представьте себе, что компьютерам доступно понимание живописи или абстрактных картин подобно человеку. Бо Ли (Bo Li) из университета Умео (Umeå University) в Швеции демонстрирует прорывную концепцию в области компьютерного зрения, используя кривые и линии для представления форм изображения и распознавания объектов —  концепцию так называемых «полезных кривых» (interest  curves). Это понятие обозначает важные линии и дуги в изображении, которые легко узнаваемы и «читаемы» для компьютера. То есть с помощью таких кривых компьютер сможет понимать, что изображено на картинке.

Концепция Бо Ли построена на основе распознавания особенностей рисунка. С её помощью компьютер может перерисовать изображение, используя схему того, как нарисованы линии и определить объекты, составленные из этих кривых. Согласно Бо Ли, самым важным элементом в извлечении признаков является устойчивость ― признак, который позволяет компьютеру распознать изображение, даже если информация, которую содержит это изображение, как-то изменится.

Раньше кривым и линиям уделяли меньше внимания, чем точкам и цветовым пятнам, т. к. кривые и линии считались недостаточно устойчивыми. Вследствие того, что люди чаще всего используют именно кривые и линии для описания объектов мира, Бо Ли изменил эту концепцию, заменил точки и цветовые пятна на кривые и линии — они оказались более удобными.

Человеческое сознание позволяет распознавать объекты с помощью характерных особенностей изображения, таких как очертания и кривые. Например, мы можем распознавать лица, животных, машины и другие повседневные объекты в простом эскизе. Для компьютера такое распознавание объектов или характерных особенностей изображения представляет собой сложную задачу.

Точное моделирование характерных особенностей изображения очень важно в широком спектре приложений компьютерного зрения, например: запись изображения, 3D-реконструкция, поиск и обнаружение объекта. Современным компьютерным системам крайне сложно понимать детали художественных изображений, несмотря на уже существующие решения для диагностики характерных особенностей изображения.

Источники: http://www.sciencedaily.com, http://umu.diva-portal.org.pdf.