RBF以簡單的數學統計理論為基礎,搭配線性代數的混合計算,已經可以概論達成影像於幾何分佈上的變形目的。而以backward的方式直接進行內插求座標值,不但在執行結果上與forward再backward兩次內插的結果幾乎完全相同,更有效節省了時間與空間複雜度,大大提升程式的效能。
但從實驗結果中即可看出,特徵點的標定對於影像變形的結果含有相當程度的影響,因此專題中由王同學所負責的部份 :如何準確、有效且自動化地標定特徵點,仍是本領域中必須不斷精進與突破的問題。至於如何突破,除了技術層面的不斷更新外,大量的資料搜集、分析與統計仍是需要同步不斷進行的。
另外從實驗結果中亦可看出,除了幾何分佈上的變形外,尚須配合質地色彩的變形與分析計算,方能達到最符合現實情況的變形成果。雖在本次專題中並無涉足此部份,但也使我們漸漸了解影像處理各部份技術的相關聯性與重要性。
未來展望
本專題成果於近程的發展計劃,即令單張影像的變形技術延伸,至可批次處理多張影像,如此便可使用於連續影片中人臉的偵測與變形,藉以有效監控或模擬動態情境,甚至持續開發更有利於日常生活的功能,無論於攝影機或一般web cam等均可發展利用。
至於人臉辨識與變形技術的長遠展望,諸如科幻電影中經常出現的人臉身份認證、人臉與其他物種或形象的合成與轉換、人臉偵測與安全性裝置的結合與應用等,雖目前皆有一定程度的發展,但都尚未達到足以普及應用於現實生活中的層次。希望能夠透過持續的研究,於此領域有所貢獻。