题目：
在2001年的时候被刊登的image analogies
是由纽约大学的Aaron Hertzmann等人所撰写
在当时正是图像处理与辨识最当红的时期
而这篇论文以合理又简洁的方法
达到"理论上可以做到所有的影像处理"的目标
在当时的图像处理学界备受推崇
其最大的缺点就是需要大量的参考资料
还有大量的计算
当时都被认为会随着电脑软硬件的发展
还有平行运算与云端运算的发展而克服
结果时至今日
已经没有人在用这个算法了
请问为什么这样理论上完美的算法
最终还是无法克服他的缺点?
备注：
请参阅同名论文
======游戏开始、进行中、尤其是结束之后，请在标题中注明！(按大T修改标题)======

未看先猜(?)因为资讯有dependence，平行运算效果不彰?

没有人在用 是因为计算量大这个缺点?

有其他更好的替代方案出现了?

与算法的执行步骤有关？

无法克服的原因是在于无法以平行运算减少时间吗?

因为现在的图片 像素点也大幅增加?因为他是pixel to pixel?

因为没有必要？ 他必须要转化整个图片而无法局部进行?

因为现在图的pixel太多 根本有很大一片中的点是一样的问题是出在CREATEIMAGEANALOGY 还是BESTMATCH ?跟复杂度有关? 根本就是非多项式时间可以完成的?

因为太慢了！

因为几本上是点对点全扫一遍 跟暴力解没两样所以没有实用价值?

一般图像处理感觉比较像是取小范围的平均值(?这种感觉？

一般图像处理主要是找局部特征去做比对这篇直接用点对点比对有一种 "不管拉反正我找出来了"的感觉 XD但其实并无从了解为什么找这个点是这篇有什么吗?这篇没做什么?没去排除掉什么吗?

没有分区块?

the implementation has never been hand-tuned?

没有建立什么吗?没有在过程中建立instance 每次比对都要从头来过?

没有依据每个点的特征去简化“点对点”的步骤?妈豆

果然是model 我刚一时没想到只想到instance

他的feature只用来比对L2norm差异= =不过竟然这样就被淘汰了…

| 。 ∀゜)其实我根本看不懂

这让我想到类神经网络

关键是十几年了还是无法实用吧不过仍然是一篇很有趣的想法的论文