量子演算法用於灰度影片中移動目標的分割
背景
近幾十年來，計算機視覺演算法變得越來越先進，使得能夠開發出監視特定環境、檢測影片中感興趣的物體以及發現閉路電視錄影中可疑活動的先進技術成為可能。其中一些演算法專門設計用於檢測和隔離影片中移動的目標或人物，這項任務被稱為移動目標分割。儘管一些傳統演算法在移動目標分割方面取得了有希望的結果，但大多數演算法在實時分析（即分析非預先錄製而是在當下捕捉的影片）方面表現不佳。因此一些研究團隊一直嘗試透過替代型的演算法來解決這個問題，例如所謂的量子演算法。研究內容
中國南京訊息科技大學和東南大學的研究人員最近開發了一種新的量子演算法，用於灰度影片中移動目標的分割。這項研究發表在《Advanced Quantum Technologies》上，結果發現這種演算法在實時分析影片的任務中勝過了傳統方法。 該演算法利用量子力學過程來快速分割灰度影片中的移動目標。然後，可以將這些分割的人物或物體識別為目標，並使用其他計算方法進行監控。演算法細節
該演算法首先將經典灰度影片儲存到幾個量子位（qubits）中，使得每個幀和畫素位置處於超複合態，灰度畫素值與其糾結以獲得量子影片 Vk。然後將影片一環地位移，獲得兩個新影片 Vk-1和 Vk+1，其中幀的位置與原始影片相比向前和向後平移一單位。 接下來，這三個影片共享一些位置量子位。然後，讓這兩個新獲得的影片與原始影片進行絕對值減法運算，即 Bk-1 = |Vk - Vk-1|，Bk+1 = |Vk - Vk+1|。然後，將 Bk-1和 Bk+1二值化得到 bk-1和 bk+1。將 bk-1和 bk+1相加獲得最終結果，然後進行測量以還原成經典影片。 為了使演算法能夠區分閾值和灰度值，研究團隊還加入了一種所謂的量子比較器，其需要更少的計算能力。此外團隊還設計了使用更少量子位和量子閘的各種量子電路單元。成果與影響
劉文傑及其同事在一系列測試中評估了他們的演算法，將其效能與傳統移動目標分割演算法進行比較。研究發現，他們的演算法比經典模型快得多，同時保持了相同的準確性。 "與經典對應物相比，演算法的複雜度呈指數級下降，"劉文傑表示。"此外我們設計了一個使用更少量子閘和量子位的量子比較器，可應用於任何需要比較值的任務，並能夠有效降低演算法的複雜性。” 未來，這個研究團隊建立的演算法可以進一步發展，並在更多現實世界的影片中進行測試。同時該研究也可以啟發開發更高效能的量子演算法，用於其他先進的計算機視覺應用。 "當前我們的研究重點是如何透過量子電路在空間域中更簡單地處理影像，並能夠進一步改善效果，" 劉文傑補充說。"未來，為了獲得更好的處理結果，我們將將研究擴充套件到使用量子神經網路處理影像。此外現有的量子技術在短期內無法實現大規模量子位的使用，因此混合經典和量子神經網路也是一種更好的選擇。" 這項研究為量子計算和計算機視覺領域帶來了新的可能性，並為未來的技術發展提供了有價值的參考依據。 --- 原文連結：[https://techxplore.com/news/2023-10-quantum-algorithm-segmentation-grayscale-videos.html](https://techxplore.com/news/2023-10-quantum-algorithm-segmentation-grayscale-videos.html)QuantumComputing-量子計算、演算法、灰度影片、移動目標、分割
延伸閱讀
- Instagram 調整演算法，優先呈現更多小型原創創作者的內容
- 建築業主的碳排放：全新演算法可一覽無遺
- 微軟和 Quantinuum 或帶領量子計算的下一個時代
- 微軟和 Quantinuum 表示他們已經開啟了下一個量子計算時代
- 微軟啟用 Azure Quantum Elements，開創量子計算新時代
- 埃隆·馬斯克表示 X 正在改變其演算法以突顯小眾帳戶
- 全新反 Instagram 照片分享 App Daylyy：拒絕虛榮，拋棄濾鏡和演算法！
- 打破陳規的反 Instagram 照片分享應用 Daylyy：沒有虛榮指標、濾鏡或演算法
- 演算法預測遠距教育學生的學業表現
- 量子技術能夠帶給我們尋找已久的生成式人工智慧嗎？
