題目：
在2001年的時候被刊登的image analogies
是由紐約大學的Aaron Hertzmann等人所撰寫
在當時正是圖像處理與辨識最當紅的時期
而這篇論文以合理又簡潔的方法
達到"理論上可以做到所有的影像處理"的目標
在當時的圖像處理學界備受推崇
其最大的缺點就是需要大量的參考資料
還有大量的計算
當時都被認為會隨著電腦軟硬體的發展
還有平行運算與雲端運算的發展而克服
結果時至今日
已經沒有人在用這個演算法了
請問為什麼這樣理論上完美的演算法
最終還是無法克服他的缺點?
備註：
請參閱同名論文
======遊戲開始、進行中、尤其是結束之後，請在標題中註明！(按大T修改標題)======

未看先猜(?)因為資訊有dependence，平行運算效果不彰?

沒有人在用 是因為計算量大這個缺點?

有其他更好的替代方案出現了?

與演算法的執行步驟有關？

無法克服的原因是在於無法以平行運算減少時間嗎?

因為現在的圖片 像素點也大幅增加?因為他是pixel to pixel?

因為沒有必要？ 他必須要轉化整個圖片而無法局部進行?

因為現在圖的pixel太多 根本有很大一片中的點是一樣的問題是出在CREATEIMAGEANALOGY 還是BESTMATCH ?跟複雜度有關? 根本就是非多項式時間可以完成的?

因為太慢了！

因為幾本上是點對點全掃一遍 跟暴力解沒兩樣所以沒有實用價值?

一般圖像處理感覺比較像是取小範圍的平均值(?這種感覺？

一般圖像處理主要是找局部特徵去做比對這篇直接用點對點比對有一種 "不管拉反正我找出來了"的感覺 XD但其實並無從了解為什麼找這個點是這篇有什麼嗎?這篇沒做什麼?沒去排除掉什麼嗎?

沒有分區塊?

the implementation has never been hand-tuned?

沒有建立甚麼嗎?沒有在過程中建立instance 每次比對都要從頭來過?

沒有依據每個點的特徵去簡化「點對點」的步驟?媽豆

果然是model 我剛一時沒想到只想到instance

他的feature只用來比對L2norm差異= =不過竟然這樣就被淘汰了…

| 。 ∀゜)其實我根本看不懂

這讓我想到類神經網路

關鍵是十幾年了還是無法實用吧不過仍然是一篇很有趣的想法的論文