乱色渐欲迷人眼，学习才能得主题
作者：Summer 日期：2013 年 7 月 3 日
2条评论
论文：Modeling How People Extract Color Themes from Images
会议：CHI2013
作者：Sharon Lin, Pat Hanrahan
继上一篇报告了CHI2013的论文之后，这次又选了一篇CHI的论文，来自于斯坦福的可视化组。这个组非常有必要介绍一下，领头的两个大牛一个是Pat Hanrahan教授，横跨科学可视化和信息可视化两个领域，即便不知道这个名字那今年红得发紫的数据可视化上市公司Tableau各位看官应该都是知道的，他就是联合创始人，Tableau原生于他的Polaris系统；另一个Jeffrey Heer是信息可视化和人机交互领域近几年的当红炸子鸡，论文兼顾创新性和实用性，我能说我已经是他的脑残粉了吗……
回到正题，这篇文章解决了图像的主题色提取的问题，属于颜色建模这个topic。论文的一作同一年在Eurovis、CHI和SIGGRAPH上都发表了颜色建模的文章（SIGGRAPH的论文现在处于conditionally accepted状态），Eurovis和CHI都是最佳论文之一，真可谓厚积厚发。
这次真的是回到正题，回到这篇论文。一般的主题色提取方法有k-means和fuzzy c-means的按像素颜色值聚类的方法和颜色直方图取峰值的方法。其实论文的思路并不复杂，对图像定义一系列的特征，套用多元线性回归模型LASSO，在众包平台亚马逊土耳其机器人上建立任务收集训练集，LASSO通过训练集的学习增加关键特征的权重减小冗余特征的影响，从而生成一个比较好的主题色提取模型。下面分别说明特征定义、回归模型和user study三个部分。