文獻閱讀001
文獻題目如下：
[1] 2002 ICIP Face photo recognition using sketch
[2] 2005 CVPR a nonlinear approach for face sketch synthesis and recognition
[3] 2017 Data-driven vs. model-driven Fast face sketch synthesis
本周剛入實驗室，粗略地閱讀張老師推薦的三篇論文，了解一下研究方向。
- 大方向：人臉識別（face recognition)
- 小方向：基於素描圖像的方法（based on sketch)
背景：
以往人臉識別都是基於原始圖片（based on photo）識別，但當要識別一個嫌疑犯，而又沒有照片時只能用根據目擊者描述畫出素描畫像（sketch）代替。因此需要將拍攝到的原始圖片轉換為素描圖片，再與素描圖庫對比檢索
論文主要內容：
[1] 2002 ICIP Face photo recognition using sketch
- 提取人臉特征的傳統方法(Conventional eigenface method):KLT
- 基於素描的方法(Eigensketch transformation)
[2] 2005 CVPR a nonlinear approach for face sketch synthesis and recognition
該論文分為兩大工作：轉換 和 識別
- 轉換：該論文是基於LLE方法，用 photo-sketch pair 訓練集訓練出來的模型（P) 自動生成 pseudo-sketch。
- 識別：由於畫家畫的素描難免有偏差，以及pseudo-sketch會有模糊，因此用KNDA方法。
問題：LLE，linear v.s nonlinear 等知識點還未了解。
[3] 2017 Data-driven vs. model-driven Fast face sketch synthesis
Data-driven:
data-driven 是在模塊水平（patch level）進行訓練的，模型包括兩個：Neighbor Selection Model, Neighbor Fusion Model（如下圖）
作者列舉了許多data-driven 的方法，說明了其劣勢所在：在選擇Neighbor Selection Model 時要遍歷整個training photo-sketch pairs, 耗時太大。
問題：patch division是怎麽完成的？——partition mask（如下圖）
Model driven:
訓練：將photo-sketch pairs 分成許多patches，訓練出許多Mapping functions.
測試：將photo分成許多patches，用訓練出的Mapping functions生成對應的sketch。
只是初步了解一下方向，具體的原理，公式，算法還沒有深入了解。閱讀中遇到一些不懂的知識點直接跳過，如rigid regression， LLE， KNDA等等。後面會對每一篇再做進一步的閱讀和總結。
文獻閱讀001