信息与控制
Information and Control
1999年　第28卷　第1期　Vol.28　No.1　1999



计算机视觉不需要重建
王天珍

　　摘　要　 通过对CVGIP杂志在1994组织的计算机视觉界有关3D重建理论论战的回顾和分析，得出结论 ：计算机视觉不需要重建，在一般情况下也不能重建．
　　关键词　计算机视觉，3D重建，表象，目的主义，主动视觉
RECONSTRUCTION IS NOT NECESSARY FOR COMPUTER VISION
WANG Tianzhen
(Digital Image Processing Laboratory ,Wuhan Automotive Polytechni cal University,430070)
Abstract　In the paper,base on the review of the debate(199 4,CVGIP) about “reconstruction and purpose,”in computer vision theory,author c oncludes:reconstruction is not necessary for computer vision,and also is impossi ble without any inference and constrain in general situation.
Key words　computer vision， reconstruction，representation, pur posism, active vision

1　引言
　　计算机视觉是当今最活跃也最有争议的学科．3D重建，是以Marr为首的计算机视觉 主流派在70年代初为计算机视觉提出的具体目标［1］． 3D重建指的是根据从一 景物的一到几幅图象定量地恢复景物中3D物体的形状和位置[4]．由于通用计算机视觉系统研制中碰到的严重困难，80年代以来， 计算机视觉理论界对 计算机视觉的现状与目的，理论与方法，实践与应用展开了激烈而有益的争论．焦点集中在重建上．以美国马里南（Maryland)大学计算机视觉研究实验室的Y.Aloimonos为首的目的主义 学派（主动视觉、定性视觉）根据多年来，没有一个真正成功的通用系统出现等事实，对3 D重建问题提出了质疑[19]，认为识别不需要重建．目的学派以生物视觉系统 的演化为依据，提出用主动方式控制数据的获得，以定性的方式去描述景物，去解用精确方式定义的问题．目的主义在计算机视觉界引起了很大的争议，1991到1994短短四年间,国际权威杂志CVGIP：IU就组织了两次大的讨论[2～6],[17～20]，讨论中一些学者 从哲学的高度提出说视觉与重建无关(Aloimonos)，提出了无表象(representation) 的视觉（Brooks MIT),无重建的表象（Edelman)有从根本上否认3D重建的倾向，深层 次的触及了计算机视觉界的根本问题．表面上的结果是主流派接纳目的主义作为CV的一 个流派，但讨论中提出的一些深层次问题-计算机视觉到底要不要3D重建看来还有待将 来进一步探讨．本文将根据对1994年的讨论的回顾分析研究重建问题，最后以“计算机视觉 不需要3D重建”提出作者自己对CV研究的看法． 
2　94年CVGIP组织的论战――重建与目的
　　计算机视觉的主流派耶鲁大学心理系的M.J.Tarr和计算机系的M.J.Black 1994年在CV GIP：IU发表了“对话：在视觉中表象作用的计算与演化的观点”（A Computational and E volutionary Perspective on the Role of Representation in Vision）[2]一文,揭 开了计算机视觉中有关目的与重建的第二次论战的帏幕．回答这篇对话的文章有9篇，加上 Tarr和Black自己对回答的回答这组专题讨论共11篇文章．这次论战正如Tarr和Black明 确指出的：由新兴的目的主义提出的对3D重建的批评是当今计算机视觉学术界有关方向 路线的争论，即使不是法式的改变也是方向上的大转变．按照对重建的态度，参加论战的学 者可以分为三派：
　　第一派是主流派，代表人物是Tarr和Black，他们不仅坚持重建是可行的，也坚持要用表象来研究一般视觉，他们认为目的视觉是逃避问题而不是解决问题，而主动视觉控制数据的获得从而大大减轻计算量，是很有前途的流派.
　　他们将重建主义的目的简单地表达为是创造真实世界的模型，并用这模型与世界交流．他们 认为虽然目前重建主义被批评为无成果、不现实，但是他们仍然认为重建是可行的．重建既帮助理解人类视觉，也帮助建立机器视觉系统，在文中他们从演化和计算两方面论证这一点 ．
　　他们承认以3D重建为目的的视觉研究中很多问题都是病态提出的，没有附加条件是无法解的．但他们认为限制应该加在物理实际层而不是加在具体任务层．他们从生物学找到依据．他们指出虽然青蛙有小虫侦探器这样的特殊视觉器官，但人和青蛙以致猿的认知和视觉信息加工过程是完全不同的，人类的婴儿是用灵活的表象去学习,去扩展他们的知识从一个领 域到另一个领域，而且人类和动物的信息加工过程正是通过表象（Representation，有 时译成表示、表征 ）来区分的．他们怀疑加了那么多限制，目的主义者怎么理解人类的视 觉过程．
　　他们指出过去AI只将CV看作一个从传感器数据产生符号的输入加工级，完全忽略了上层对下层的指导作用．他们认为应该改变这种倾向．认为主动控制数据的获得是解决问题的很好方式．他们认为“目的主义”用特殊任务来作为限制条件是逃避问题而不是解决问题，是工程观点．
　　Tarr和 Black表示他们和 Aloimonos以及 Brooks一样赞成演化的观点，认为人类当今特有的复杂认知能力（语言等）都可能是从一般生物的反射功能进化的结果．而且进一步假设，视觉也是达尔文自然选择的结果．指出“目的”虽然使功能形成过程容易，但是使演化过程困难．而重建主义用表象使问题清楚，人类的心理图（表象）是重建的一个很好的证 明而人类如果没有心理图也许连工具（人最重要的特征之一）都不会用．
　　从计算的观点Tarr等对光流研究作了回顾和展望．他们承认光流的研究存在不少问题 ．但认为问题是由于使用的数学工具，他们认为Markov随机场等理论可能解决这些问题 ．从他们自己对运动恢复中时间持续时出现的系统扭曲类似人类对运动物体记忆行为研究中 观察到的模式扭曲，认为从心理学的角度光流可行．
　　第二派是目的主义学派（又称为主动、定性学派），主将为Aloimonos．目的学派认为3D重建目的太高，计算量太大，要用具体任务来简化问题．Aloimonos在他的题为 “我学到了甚么”中表明以下观点：(1)视觉是识别过程，是联想、解释、和选择与重建根 本无关 (2)“目的”不是昆虫、青蛙视觉，也不是工业视觉，他认为主动和目的是一致的 ，控制图象数据获得的过程总是为了一定的目的的．主动与被动的区别在于主动是按照任务 去控制图象数据的获得，他认为一般视觉仅仅只是一个理想，视觉都有目的,目的就是行为 ，目的视觉是理论视觉与视觉系统联系的桥梁．目的、定性、主动是三个不同的概念，目的 提出问题，定性回答如何解这个问题，主动指明获得数据的方法．主动使计算容易，定性使 描述容易，它们一起按一定目的完成任务；(3)他认为人类根本不计算光流，从光流方程可 见两个未知数，一个方程，根本无确定解，要解一定要加附加条件；(4)他指出Marr理论 的事实依据是Warrington 的工作，但是现在Farah的实验却得出了不同的结论．Aloimonos 在这篇文章中明确地提出了视觉是识别过程，是联想、解释、和选择与重建根本无关，这 在计算机视觉的研究中是第一次，有着相当重要的意义．
　　第三派观点介于目的与重建之间，比较分散，其间大部分既赞成研究一般视觉，将一般视觉 作为计算机视觉研究的长远目标，又同意用目的视觉研究去解决工程应用中大量实际问题． 而其中最有意义的是以色列Weizmann科学学院数学与计算机系的S.Edelman[25] ,他提出在计算机视觉研究中用没有重建的表象来中和Brooks极端的没有表象的视觉和M arr没有目的的重建．加州SRI的M.A.Fischler[27]涉及到语言对形成概念的 作用及对视信息如何表象的讨论也发人深思．
　　S.Edelman是从哲学的高度参加讨论的．在题为“没有重建的表象”（Reply: Representa tion Without Reconstrution）一文中，他认为Tarr 及Black从一开始就偷换概念，用重建代替CV中更一般的表象，而这是CV主流派在过去15年中所做的．而带重建的表象的提法可以追溯到亚里士多德，休漠，伯克莱，他们认为表象就是现实事物的几何复制，但从实用主义的观点，带重建的表象是一种可怜的选择，CV多年的实践证明重建的计算太困难，而重建的景物只有白痴才能理解．心理物理中很多证据说明人类的认知与重建假设不一致，应该考虑洛克在他的名著“人类理解研究”中提出的观点：一个概念能表象世界中的一个事物，只要它是自然的而且能被这个事物所激起，不必象亚里士多德讲的重建这个事物．按照这个理论视觉研究中提出的特征侦探器的活动就可以构成一个特征存在的表象，如果特 征的表象是足够丰富，整个物体及景物的表象可以由这些基元建立．
　　Edelman给了两个实例说明表象与重建无关：第一个是超精度游标卡尺现象．过去重建理论假设视输入在子象素精度重建去解释人类被试能区分小于视网膜黄斑感受器间距离的两个物体的现象，不能使人信服．但是现在神经生理学根据一组重叠感受野的动态活动很完满的解释了此现象而完全用不着重建．另一个是用电击猴中颞皮（MT）层某个细胞能改变猴对运动方向判断的实例．该实验说明一个（MT）细胞的活动事实上构成了刺激运动的一个表象，但这现象很难用重建来解释．考虑到最近计算视觉和神经科学的一些事实显示为着空间分辩到物体识别的许多特征都可以直接从图象中抽取不需要重建，类似Gibson 所主张的直接感知，故在全文结束时，他提出用没有重建的表象来中和Brooks极端的没有 表象的视觉和Marr没有目的的重建是比较合理的．加州大学的R.Jain[23]．他指 出光流是心理学家Gibson提出的，但是现在在CV学界比在心理学界更流行．他认为一个好的CV工作者应该既不是虔诚的重建主义者也不是疯狂的目的主义者，而是一个机会主义者，用有关的模型表象去解精确定义的问题．
　　第一本计算机视觉教材的作者，罗切斯特（Rochest）大学的Brown[24]认为存在着一般视觉，它是完全数据趋动的，它们使生物与外界交流得以生存，他探讨“重建”、目的”与一般的关系．他指出重建主义声称他们在做至下而上的工作，但在解具体问题时却引入了高层指导，他风趣的说Tarr 及Black不应该让“目的”这匹骆驼进入他们的帐篷．他认为计算机是一张白纸，应让机器用发展、演化的方式去学习而不是由人去替它编程、焊接．选择感知控制才是中心问题．
　　加拿大多伦多（Toronto）大学计算机系的J.k.Tsotsos[26] 认为争论双方（ Tarr， Black，Aloimonos，Brooks,Ballard，Marr)引用的生物学依据大部分已经过时 ，新的神经生理学实验指出大脑中不存在独立的功能模块．
　　加州SRI的M.A.Fischler\指出传统语言学中的概念能指导CV走向正确 方向的概念还没有被普遍接受．视觉中存在的双义问题（石头还是老虎）说明视觉研究中上层指导是不可少的，认为内容组装而不是单个物体的命名应该是人类感觉可以进入的目标，也将是机器视觉描述的基本单位．
　　CVGIP：IU`94讨论对计算机视觉发展是相当重要的．虽然表面的结果只是主流派正式接纳“目的”学派，对计算机视觉是否需要重建没有明确的结论．但计算机视觉理论界通过这次讨论明确了计算机视觉最根本的问题就是计算机视觉是否需要重建却是最大的收获．
3　视觉到底和重建有没有关系
　　视觉究竟和重建有没有关系?为了回答这个问题首先从常识性的实例看起：第一个无重建的识别的实例是识别月亮．大家都知道，月亮有时圆，有时弯，有时亮，有时暗，有时被乌云盖住，有时由群星环绕,然而在阿波罗号登上月亮前，没有人能说清楚月亮表面到底是什么模样，更不用说重建了，但几岁的幼儿也能认识月亮，说明识别（视觉）不需要重建．第二个实例是对著名播音员的识别．我有一次很深刻的体会．李瑞英是中国几乎无人不知的中 央台的新闻联播的播音员，大家在新闻联播中看到的是她正面半身象（拍摄角度变化不会超 过15度），因而大家只要看到她正面半身象，就知道今天是李瑞英播音．但中国大部分人都 从来没有见过她的全身象，不知道她是高是矮，是胖是瘦，侧面，后面怎样，更不用说重建 （作精确的几何描述）．去年香港回归前后她到深圳采访，电视上我看见一个女播音员拿着 话筒一面走一面报道，讲话很吸引听众，正想这个播音员播得挺好，怎没见过，刚巧李瑞英 一回头，打了个正着，我马上认出她来．从这两个实例可见人的视觉能由部分2D投影图 象识别物体，但不能重建该物．
　　其次我们再从神经生理学角度看看这个问题．Salzman［30］报道用电微刺激罗猴中颞神经元能改变罗猴对所注视运动方向的判断，使判断方向指向该神经元编码的运动方向（偏好方向）．这说明这个细胞的发放已经形成这个方向伴随运动(Coherent Visual m otion)的表象．但这是无法用重建来解释的．第三，由于重建的重要方法之一是利用两到 3个摄像机加上一定的自上而下的限制获取场景中物体的深度信息（双眼视差产生体视原理）[31]，进行可视表面3D重建．因而这儿我们来看看人类的视差在空间知觉中 到底能起什么作用．18世纪英国著名哲学家伯克莱写过了一本“视觉新论”[32]， 他认为空间知觉是视觉、触觉、和动觉印象之间经验联合的结果．现代心理学肯定了这一点[33]．89年在美国学习时，我曾经仔细观察过一个一岁的台湾幼儿（当时我是他的 babysitter），我发现这个很健康的男孩不能区分沙子里的鹅卵石和沙地上小的圆形水 迹，他不象大一些的孩子用手指去抹平沙中的水迹，而是同抠鹅卵石一样，用合拢的手指去抠水迹.当时我估计幼儿没有立体感，后来知道这个现象是有神经生理学依据的，用刚生下的猫、猴及老鼠做的视剥夺实验说明视皮层眼优势柱确是动物生长关键期形成的[34] ．幼儿有视差但缺少立体感这给依据视差来重建可视表面添了新的问题．大多数人能估计平地上的房屋，车辆，人的距离，但是很少有人能估计天空的云彩和飞机的距离，是因为没有经验．综上所述可见不论从哪一方面的研究我们都找不到动物（人）的视觉与重建有什么关系，视觉确是识别过程，是联想、解释、和选择．
4　计算机视觉不需要3D重建
　　要强调一下的是图象处理中的3D投影重建[35]和计算机视觉中的重建是两个不 同的概念．3D投影重建指的是利用X-射线、γ-射线、和超声波等手段，在3D几何 体中按一定分辨率的要求获取一集横截面投影来重新构成物体的3D图象，例如，放射医 学中的计算机轴向断层照相（CT）等．3D投影重建广泛用在放射医学、电子显微镜 、射电天文学和3D CAD输入图象重建等领域中，取得了极大的成功，是确实可行的，值 得深入研究． 而计算机视觉中的3D重建，是将视觉看成成象过程的逆过程[31] ，根据从一个景物的一到几幅图象定量地恢复景物中3D物体的形状和位置．计算机视 觉学界都认识到这是个病态提出的问题，没有一定的条件限制加入，是没有确定解的．摄象 机定标，用两到三个分开一定距离的摄象机去确定观察点到物点的距离当然不成问题，但用 一到几幅景物的图象没有其它限制去重建景物是不可能的．文献上至今只有关于积木世界、人造景点重建成功的的报道，从未听说过一般自然景物．参照人的视觉只是根据物体在视网膜上的投影按照联想去识别物体，根本不是成象过程的逆过程这点，计算机视觉也完全不需要重建．
　　由于人类视觉可以看作一般视觉，而人类用表象表达视信息又是人和动物感觉信息加工过程 的最大区别：人类的婴儿用表象来学习，是人会使用工具，适应复杂环境而不会象青蛙守着 一堆死苍蝇饿死的重要原因，故计算机视觉研究中用没有重建的表象来中和Brooks极端的 没有表象的视觉和Marr没有目的的重建应该是一个很好的办法．但是没有重建的表象到 底是甚么样的呢？祖母细胞是怎样形成的？我在1994年提出过一个并行协同式视觉模型，用神经元群体在中心控制论的调节下同时同步的对落在视网膜上的数字图象存储、编码、和检索来解释感觉登记、内隐记忆和2D图象的识别；并用声音或其它感知信号作中介[16,38]来帮助3D识别．我们用硬件作了2D模拟，实验结果是令人满意的 ．
　　最后讨论一下对目的主义的批评．我同意主流派在这个问题上的看法．目的主义用具体任务 来使视觉问题有解，从长远来看的确是逃避问题而不是解决问题．从科学史可以发现，某些学科确实从具体问题研究中获得了好处，如蒸气机的研究就为热力学的发展作了很大贡献．但那是从个别中抽取一般规律的方法，而不是就事论事用胡凑法（Adhoc）对付问题， 象很多研究工作初起步时一样．
　　Aloimonos指出了视觉是识别过程，是联想、解释、和选择与重建根本无关．S.Edelman表示重建对解释没有任何作用， 他们都认为计算机视觉不需要重建，根据自己十多年的研究，我同意他们的观点． 总起来说，计算机视觉不需要重建，在一般情况下也不能重建，放弃这个不必要也达不到的目标，计算机视觉就会从繁琐无用的计算中解放出来，为摆脱目前困境找出一个可行的路．
作者简介:　王天珍，54岁，教授．研究领域为计算机视觉、数字图象处理、并行算法、人工智能、模式识别、神经网络．
作者单位：武汉汽车工业大学数字图象处理研究所　武汉　430070
参考文献
1　 Marr D．视觉计算理论，科学出版社，1988
2　 李介谷，在应用中成长着的计算机视觉，模式识别与人工智能，1992,5(4）:266～271
3　 边肇祺．计算机视觉要更好面向应用，模式识别与人工智能，1992,5（4）:272～276
4　 吴立德．计算机视觉需要更扎实更艰苦的工作，模式识别与人工智能，1992,5（4）：261
　　～265
5　 宣国荣．计算机视觉领域有益的争论，模式识别与人工智能，1992,5（4）:276～278
6　 彭嘉雄．丁明跃，计算机视觉方法与应用，模式识别与人工智能，1992,5 （4）:279～286
7　 林华敬卿．计算机视觉，国防科技参考，1995，16(4):65～70
8　 Li hungwen，Kender J．Scanning the Issue Computer Vision,Proc. of IEEE,1988
　　(8).859～861
9　 唐四春,袁保宗．计算机视觉研究进展与展望，通信学报，1993，14(4):5 6～64
10　荆仁杰等. 计算机图像处理,浙江大学出版社,1990
11　Ballad H, et al．Computer Vision,Printice-Hall,1982
12　沈政等．脑模拟与神经计算机,北京大学出版社,1992
13　奥弗.瑞,研究视觉特征的生理学的和行为的途径,生物化学与生物物理进展,1980,(1) 21～26
14　Rosenfeld Azirel．Computer Vision:Basic Principle,Proc.of IEEE,1988,76 (8):863
　　～868
15　王天珍．视觉模型一览，武汉雷达学院学报，1996，10(3):29～34
16　王天珍．视觉模型研究的回顾与展望， 武汉汽车工业大学学学报，1996 18 (1):7～12
17　Jain Ramesh C. Binford Thomas O. Dialogue Ignorance,Myopia and Naivete in 
　　Computer Vision System, CVGIP：IU,1991,53(1)112～117
18　Snyder M.A. Reply A Commentary on the Paper by Jain and Binford,CVGIP：IU,
　　1991,53(1),118～119
19　Aloimonos Y，A Rosenfeld．reply A Response to " Ignorance Myopia, and Naviete 
　　in Computer Vision Systems" by R.C.Jain and T.O.Binford, CVGIP IU,1991,53(1):
　　120～124
20　Huang T S. Reply Computer Vision Needs More Experiments and Applications,CV GIP:
　　IU,1991,53(1）:125～126
21　Tarr Michael J. & Black Michael.J. Dialogue :A Computational and Evolutionary 
　　Perspective on the Role of Representation in Vision, CVGIP：IU,1994,60(1）:65～73
22　Aloimonos Y．Reply What I Have Learned,CVGIP：IU,1994,60(1）：74 ～85
23　Jain,Ramesh． Reply Expensive Vision,CVGIP：IU,1994,60(1）:86～88 
24　Brown,Christopher M. Reply Toward General Vision,CVGIP：IU,1994,60(1）:89～91
25　Edlman, Shimon Reply: Representation Without Reconstrution,CVGIP：IU,1994,60
　　(1):92～94
26　Tsotsos John K. Reply There is no One Way tolook at Vision,CVGIP：IU,1994,60
　　(1):95～97
27　Fischler Martin A ,ReplyThe Modeling and Representation of Visual information,
　　CVGIP：IU,1994,60(1）:98～99
28　Tarr Michael.J. & Black Michael.J. Dialogue : Response to Replies Reconstruction
　　and Purpose, CVGIP：IU,1994,60(1）:113～118
29　lewin,Roger．Birth of a Human Robot, New Scientist, 1994
30　Salzman C D. Cortical Microstimulation Influences Perceptual Jugements of Motion
　　Direction,Nature,1990,346(12):174～177
31　吴立德．计算机视觉，复旦大学出版社，1993
32　高觉敷．西方近代心理学史，人民教育，1982
33　华东师范大学心理系，心理学，华东师范大学，出版社，1984
34　Fagiolini M.etal.Functional Postnatal Development of the Rat Primary Visual 
　　Cortex and the Role of Visual Experience: Dark Rearing and Monocular 
　　Deprivation,Vision Research,1994,34(6):709～720
35　孙仲康等．数字图象处理及其应用，国防工业出版社，1985
36　Stephen W K. 张人骥等译，神经生物学―从神经元到大脑，北京大学出版社．1991
37　龙甫芸，郑南宁. 计算机视觉模型的研究与发展，信息与控制，1997，26 (2）：112～116
38　Wang Tianzhen．The Plate Pallelral retrieval Hypothesis for Visual percepti on 
　　of Chinese Character, Proc. of The Third Int. Conf. on Automation,Robot,and 
　　Computer Vision, Singapore 1994, 2:915～919
收稿日期：1998-06-16
