[论文笔记] Multi-view video based multiple objects segmentation using graph cut and spatiotemporal projections

Paper：Qian Zhang, and King Ngi Ngan. Multi-view video based multiple objects segmentation using graph cut and spatiotemporal projections. In Journal of Visual Communication and Image Representation, Pages 453-461, 2010.

---

问题描述：这篇文章旨在从多视点视频中分割多个前景物体——Interested Objects（IOs），也是一个综合多通道信息的大算法框架，如下图所示。吸引人的地方在于据作者所述，该算法表现出不俗的精确度、效率和鲁棒性。在架构5个摄像头的实验中，处理640*480分辨率的视频能达到30fps的梦幻速度（不知是否包括预处理和离线操作）。并且，题目中的多前景物体分割也很具吸引力，虽然就实验结果来看，作者并没有考虑前景物体的重叠遮挡情况。

• 预处理阶段，做色彩归一化和定标，杂务。
• 离线阶段，生成一些用于在线阶段的辅助信息：Motion field^[1]、Disparity field、Occlusion map、Depth map和Combined occlusion map（详细描述见论文），三维重建相关，可参阅其他文献。
• 关键视点初始帧操作：
  1） 文章引入一些High-level Feature到Saliency model，如Motion、Depth等。Saliency model（SM）旨在表现人会更关心一幅图像中的那些部分，比如相较于背景更关心前景、更关心运动的物体、更关心图像的中间部分或色彩明艳的部分等。因为人比起机器，更懂得识别场景的语义，所以学人，总是没错的。那么，SM中拥有较高值的块将触发下一步的操作，如下图。
  
  2） 基于Graph cut的多前景物体分割。文章修改了基本的能量方程（事实上，每篇文章都改），在色彩和平滑度的基础上增加了对像素重叠（前景物体边缘是重叠的高发地带，因此联合重叠部分CO比可见部分更有可能是背景）和对比度变化^[2]的考虑。另外，对于每一个前景物体，graph cut是分别进行的，在一个Object Rectangle中，用于限制物体的最大区域。and，就文章的实验结果来看，的确比基本的能力方程更有效，如下图。
  
• 多视点视频前景分割：
  1） 根据上一步得到的关键视点初始帧轮廓，可以通过Visibility Constraint得到其他视点的粗略轮廓；
  2） 类似的，可以通过Motion Projection来获得后继帧的粗略轮廓；
  3） 对于不确定的前景物体边界，再基于像素的activity measure（运动的变化量）应用一次Graph cut来得到精确轮廓线。

首先，文章的实验结果是暂时所见到的诸多segmentation文章中最美好的，虽然只有两个实验用视频，且鉴于以往经验，论文所述的实验结果和conclusion在实际重复其工作时，总会打上些折扣。
其次，私以为，文章存在以下limitation：1）没有考虑前景物体间的遮挡，至少文中并没有说明或证明算法能解决这一问题；2）由于文中算法对除关键视点初始帧以外的其他帧和视点，采取了基于关键视点初始帧轮廓投影的方法，来得到粗略轮廓，也就是说，可能存在由于关键视点初始帧操作崩坏，而带来的集体崩坏现象。那么，我们有理由怀疑文章算法对其他视频的适用性；3）同2）原因，文章算法很可能无法简单地适用于前景物体变化较大的视频，比如突然多了一个人；4）鉴于真实经历，相机定标等杂务，绝不如其在文章中的比例和重要性一样轻巧，并且往往有可能是带来后继问题最多的一部分。

综上所述，虽然文章很美好，拿到实际应用中，总是堪忧的。

---

[1] L. Itti, P. Baldi, A principled approach to detecting surprising events in video, IEEE Int. Conf. Computer Vision (2005) 631–637.
[2] J. Sun, W.W. Zhang, X.O. Tang, H. Y Shum, Background cut, ECCV (2006).

[论文笔记] Joint 3D-Reconstruction and Background Separation in Multiple Views using Graph Cuts

Paper：B. Goldlcke, M.A. Magnor. Joint 3D-reconstruction and Background Removal Separation in Multiple Views Using Graph Cuts. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition（CVPR ‘03）, page 683–688, 2003.

---

问题描述：这是篇03年的老文章，老耿给的且瞅着作者长得挺不错（点我点我）——其实前面的才是重点，通读了一下。文章的亮点在于同时处理Depth map estimation和Background seperation问题，当然是Multi-view的，而且是精确定标的（不像09年那位拿硬件捣鼓，这篇文章是基于图像像素算算算出来的）。文章认为，如果已知每个像素的深度，那么只有那些深度小于背景的像素，才有可能属于前景；同时，考虑背景因素可以提高三维重建算法的鲁棒性。

帅气一作的强项是三维重建，因此前背景分割则比较像站在他人肩膀上的那位。作者在文中以及Abstract里反复说文中的优化算法衍生于Kolmogorov等人的Multi-Camera Scene Reconstruction via Graph Cuts，他们做的工作是Generalize，所以文章本身的算法描述部分没什么亮点。它的好看之处在于作者对二维点的三维关系和三维点的二位投影的优美定义和量化。

深度的定义：如果有个面P，所有的摄像头都在P的一边，且朝向P的另一边，那么可以认为在P上的点拥有相同的深度D。这个深度其实是一个离散的、相对的概念。 拓扑结构的定义：Np，指在Pk上与p点相邻的所有，能量函数在这个集合上应当是连续的；Cp，指包括p点的相邻点，用于作为判断图像一致性的标准。 几何结构的定义：<p, l>和<q, l>相交，指p, q来自不同的摄像头，且p是图像上最接近<q, l>在cam j上投影点的点，这种二元关系组成集合打不出来的花体D，其中<p, l>指点p的三维点。(1) <p, l>遮盖<q, l’>，指满足(1)关系，且Id’＜Id（也就是深度小），这种二元关系组成集合打不出的花体J。

然后就可以帅气地定义能量方程：

其中，第一项指图像一致性，即通俗点讲，如果p,q是同一点，那么其相邻点集合Cq, Cq应该差不多；
第二项指平滑性，即通俗点讲，如果p, q相邻，且它们的颜色也差不多，那么它们的深度也应该差不多，或者在是否是背景这一点上应该是一致的；
第三项指可视性约束，即通俗点讲，如果cam j看到深度为Id的点p，其为<p, l>的投影，<p, l>投影到cam k上最近为q点，那么q点的深度不可能比p点大；
第四项指背景属性，即通俗点讲，如果一个点是背景，那么必须有和背景一样的深度。
具体的量化见论文。

然后，balabala定义完后，就是Graph Cut上演最小能量优化，略。


算法结果上来讲，比03年同期的分割算法好些，但是速度嘛。。作者当年用1.8GHz的Pentium III Xeon做个初始化要30秒，320*240的图片处理需要约4次迭代290秒，有点慢的说。。不过人家当年可没有GPU加速的Graph Cut可以用，CPU也够呛，所以放到现在实现起来有多少效率也不知道。不过，鉴于大多源自重建算法的图像分割效率都不怎么样，私以为这算法在效率上是没什么看头的。其余，精度尚可，鲁棒性其实论文说什么都是假的，灵活性倒是高——不用添置新硬件，软件什么的改改还是方便的，总能找到能尝试优化的地方——虽然大多时候是有限且低效的。

以上。

[论文笔记] Combining Color, Depth, and Motion for Video Segmentation

Paper：J. Leens, S. Piérard, O. Barnich, M. Van Droogenbroeck, and J.-M. Wagner. Combining color, depth, and motion for video segmentation. Proceedings of the 7th International Conference on Computer Vision Systems: Computer Vision Systems（ICVS ‘09）, pages 104–113. Springer, 2009.

---

问题描述：本文引入TOF摄像头（文中指PMD-camera，TOF-cam的一种），对视频场景做新的解释，并结合传统的彩色分割技术、动态分割技术，做前背景的分割。
传统摄像头提供彩色图像，而PMD-camera提供物体距离、信号强度、信号密度等和物体空间位置相关的场景属性，是一种十分有前景且年轻的技术。不过同时，TOF摄像头也存在一些暂时无法解决的问题，如信号的噪声、受传感器大小限制的分辨率（160*120）、以及估算距离的致信区间、还有定标难等问题。尽管如此，这种新硬件对于交互领域还是非常有趣和有价值的。
 
文中的方法基于像素做前背景分割，避免对场景内容的假设，也不需要任何3D模型的支持。方法结合背景相减技术（Background subtraction tech.）对获得的区域图（Range map）进行处理，获得更鲁棒和准确的分割结果。比如，当人物的颜色和背景的颜色相近时，基于色彩的传统背景相减技术就可能失效，而基于红外信号反馈的PMD-camera就可能返回可用的结果；而，当人物和背景的材质相近，也就是说对红外信号的吸收相近时，传统背景相减技术就能弥补PMD-camera的失效。

作者简单地将两种摄像头上下捆绑，采用简单地仿射变换来对齐图像，回避了TOF-cam定标难的问题。文中采用的背景相减技术引用了09年O. Barnich等人发表的ViBe - a powerful random technique to estimate the background in video sequences 一文，其最显著的特点在于通过一种随机策略来建立基于样本的背景估计和一种全新的策略在相邻的像素间传播信息和状态。
 
文中提出传统技术和PMD-camera联合策略还是比较简单易懂的，如上图所示。图中，T&I 指代Transformation and Interpolation，G.R.指代Geodesic Reconstruction（待考证是什么意思）。究其本质，意在让两种方法互补缺点，如下图所示。据文中所言，能达到实时的速度，较之一些结合立体视觉和颜色技术的算法目前所见最多只有9fps的速度，还是很有吸引力的。

[论文笔记] Action as Space-Time Shapes

Paper：Moshe Blank, Lena Gorelick, Eli Shechtman, Michal Irani, Ronen Basri, Actions as Space-Time Shapes, IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI ’07), 2007

---

问题描述：文章将人在视频中的运动看作是身体（torso）和四肢（limbs）做连续运动的轮廓图的集合，因此可以用Space-time volume（STV）来表示人的运动。文章将2D图形的分析方法借鉴到3D，应用泊松方程（Possion Equation）于STV，再提取如Space-time Saliency、Action Dynamics、Shape Structure和Orientation等时空特征。这些特征可以用来检测和识别人体的动作（Action Recognition/Detection）以及动作的聚类。

传统动作识别的方法虽然也能得到不错的结果，但各自都存在一些局限。如，基于光流的方法会受到空洞、表面平滑度、不连续性的影响，基于特征跟踪的方法在存在自遮挡、外观改变和重初始化问题的情况下会面临很多困难，而基于关键帧或关键特征的方法则忽略了动作的时序特征，另外一些基于周期性分析的方法则只限于识别据有周期规律的动作。因此，近期一些动作识别的工作都将眼光放在了同时据有时序和空间特征的STV上。（译自原文）

STV由一系列从视频中提取的2D轮廓连结而成，同时包括了人体的姿势和动态信息。不同于一些相似的基于STV的论文——他们基于STV的表面提取特征，这篇文章的方法应用泊松方程来提取STV的各种特征（包括局部的Space-Time Saliency、Space-Time Orientations特征和全局特征），得到其在应对轮廓边界可能存在的噪声时显得更加鲁棒（得到的结果类似于动作的粗略骨架，对于分析动作很有用）。
   

这种方法的主要优点在于：
1. 不需要帧间对齐（Video alignment）；
2. 计算复杂度与STV的采样点个数线性相关，文中言其处理110*70*50 presegmented视频只需要30秒不到的时间（Pentinm 4，3.0 GHz，Matlab，挺快的）；
3. 这种算法可以用于处理低精度的视频。

[Handii] 忙活了一个月，总算有个样子了

一个暑假半偷偷地在做这东西，最近又是老板又是作业的deadline，搞得我很崩溃。不过好在，差不多有个样子了。好不好用的再说，以后可以慢慢改~

起了个自己很得意的名字，叫“Handii”。Hand是因为用手交互，ii是为了像可爱的Wii同学致敬。听起来好像狗狗^^
实现了一些基本的手势交互，能做大概所有鼠标能做的事情，移动啊，点击啊，双击什么的。但是精度不高，也就是个能拿来玩玩的程度，还要多多努力啊。
还做了个3D俄罗斯方块，用Handii玩的，不过3D的俄罗斯方块真的好难。。。（我偷偷地设定了只要填30%的格就能消掉一行，不然死定）做得很赶，连计分板都没有。

因为想要做成一个随便什么人都可以拿来玩的东西，给用户最大的自由和最少的困扰，所以用了大家都买得到的网络摄像头，摄像头的位置也没有约束，考虑到成本也没用上双摄像头，也没有用特别的背景。通通这些都给后来的设计和实现带来了很大的挑战。摄像头的帧率不高，如果动得快就一片模糊；没有深度信息，做不了精确的定位；背景很复杂又常变化，摄像头好动不动突然自以为是地改变亮度，还有其他肤色部位（我的脸、我的手臂），所以不得已地用了指套。和SixSense的想法一样~，不过我最初设想的时候可不知道他们。如果可以的话，以后想要尽可能地把指套脱掉。

      
简易指套（做起来很简单的，彩条+双面胶）              姐姐我的手，还有京东上买的19米的摄像头

  
  
一些能识别的手势：Catch / Release / Click / Double Clicke / Point

以后抽空偷偷接着做~ 持续更新撒~

完结！大年番~ 钢炼~！

周日时一集可有可无（还是有好10~20%）的大团圆各种福利后，钢炼TV Anime步漫画后尘地完结了。这一年里最大的追逐游戏结束了（另一场系福山大叔的龙马传）。

上一部Bones自由发挥的钢炼结局的意味深长，看完后数天总觉郁闷不止；所以果然还是Happy Ending来得舒心，各种和谐，各种福利~

 

# 炼金术师式新表白法！

  
 

 

# 各种和谐~

  

当皇帝咯~ 还是么眼睛。。（pia~）

  

大佐你最赚了，眼睛好了，还抱得美人归（小胡子。。成年的男人都这样吗。。）

知道是谁吗？！！！！（好好捏）

yoho~！结婚咯~ 生娃咯~ 成双成对咯~（你们了解的，谁和谁一对，不了解的去撞墙）

高兴的辫子都不梳了，红衣服也不穿了

 

# 最后附上宅男大杀图一张

温蒂你真是一语惊人啊~！

[论文笔记] Game Over: Learning by Dying

Paper：Grammenos, Dimitris. Game over: learning by dying. In Proc. of CHI 2008 (Florence, Italy 2008), ACM

---

问题描述：这是一篇关于游戏开发者如何更容易地理解游戏的可亲性（Game Accessiblity）的文章。作者设计和开发了一款名为“Game Over！”的游戏，帮助开发人员认识游戏可亲性的重要性，并学习关于其的一些原则和指标。这是世界上第一款“Universally inaccessible game”。此外，作者还通过多种渠道的调查，系统地评估了该游戏所起到的效果。

“Game Over！”的灵感来自于1986年发行的视频游戏“Takeshi's Challenge”。它由一个十分讨厌视频游戏的人（北野武，知道他是谁吧）参与企划，在游戏中几乎打破了所有的视频游戏原则，设计了N多无比变态苦役的任务，比如按某个键4小时、唱歌1小时或者打Boss20000次，号称“还没有开始就Game Over的游戏”（但令人称奇的是，如此变态的游戏，居然在日本大卖，当然也因为它是如此变态，它也只在日本卖）。私以为，“Takeshi's Challenge”真正的好玩之处在于它挑起了玩家抵抗变态设计的兴趣，使得他们想尽一切的办法来方便地完成这些变态的任务，而寻找trick本身是十分有趣的。比如，对于“按键4小时”这个任务，拿重物代替手指按住按键就是个很好的trick，玩家所需要做的只是等待、并在4小时后回来观察结果。这款游戏可能是在无意中打开了一种新的解谜游戏的模式。当然，这是题外话。

游戏的可亲性（Game Accessibility）指的是游戏是否能被玩家所参与，私以为与游戏的可用性（Usability）十分相关，但可亲性更加基础些。可亲性理论认为，有一部分玩家无法玩游戏是因为他们自身物理上、感知或者精神上的残疾；但是另外一部分玩家，是由于不好的游戏设计，而无法充分体验其中、甚至根本无法开始它，如：
1）运行时的环境。在一个十分嘈杂的环境中玩游戏，玩家可以被认为是条件性地失聪的。而在一个十分亮的环境中（太阳底下），玩家则是条件性地失明的；
2）玩家使用的硬件和软件环境也会对游戏体验造成影响，比如移动设备的小屏幕、旧型的浏览器或者不同的操作系统，都会对游戏的兼容性提出挑战；
3）最后，由于不同玩家的游戏技巧和喜好不同，也会造成游戏的不可亲性，比如对于一个十分不喜好或者不适应按各种组合键玩格斗游戏的人，好的设计就应该提供其他的可选按键方案。

游戏可亲性是评价一款游戏好坏的一项十分基本和基础的标准，它是衡量隔阂在玩家与游戏之间的障碍的尺度。没有可亲性，谈论可玩性是没有意义的。
因此，有一些组织一直致力于提出和不断完善游戏可亲性的指标（Game Accessibility Guidelines），如GASIG在2004年发布的与此相关的白皮书。但是不幸的是，这种文字指标在实际应用中表现得十分低效和不可用，这主要是因为它们常十分抽象而难以理解，以致于开发人员虽然记住了很多指标，但在遭遇具体问题时却下意识地忽略了它。并且，这些指标有时是相互矛盾的，单条指标在解决了一些问题后偶尔会产生新的问题。
设计人员还可以通过一些反面的例子来学习什么是好的设计，这不是什么新的点子。有一些网站一直在做这样的事情，提供各种各样坏设计的例子，包括真实的产品和软件交互界面等，比如Bad Human Factors Designs，Interface Hall of Shame和Worst of the Web等。相较于抽象的指标，这是一种比较能够让人获得深刻印象的方法。那么，既然最容易让产品设计师吸取教训的方法是浏览失败的产品设计，我们是不是可以认为，让游戏设计师认识可亲性最快捷有效的方法是体验不可亲的游戏呢？是的，这就是此文所设计和开发的世界上最不可亲的游戏“Game Over！”。
普遍认为，游戏开发者大多都是爱玩游戏的，并且，他们中的大多数能够十分清楚地记忆他们所玩过的最好玩的和最不好玩的游戏。当他们在一款失败的游戏中体验到某一种失败的设计后，他们就变得能够认识到与其相似的其他失败设计，并在今后的设计中避免它们。并且，有研究表明，在人的记忆中，一款好玩的游戏可能被另一款更好玩的游戏所覆盖，但是所有曾经遭遇的糟糕的游戏体验都会被清晰地记忆——“Notable failures last for a lifetime“。因此，我们似乎可以预见，“Game Over！”将是一款让人印象深刻的游戏，因为它涵盖了太多无比糟糕的设计。

“Game Over！”作为一款游戏可亲性的学习工具，作者认为应当满足以下要求：
1）Easy：容易。简单。有一个众所周知的目标和游戏机制。这使得游戏玩家可以方便地理解游戏中存在的问题以及造成问题的原因；
2）Break：直接、明显地破坏游戏可亲性原则；
3）One Rule：一次只破坏这些原则中的一条，这使得识别问题所在变得简单；
4）Major：覆盖这些原则中主要的、典型的部分；
5）Advice：在给出这些可亲性原则或概念的同时，针对每一条，给出相应的解决问题的建议；
6）Humor：幽默。这是为了让游戏本身变得有趣；
7）Platform：能够在尽可能多的平台上运行。

基于这些要求，作者挑选了一个射击游戏作为“Game Over！”的蓝本。玩家被设定为一个乘坐飞盘的外星人，抵抗地球人的舰队对宇宙的进攻。这个故事与我们所熟悉的拯救宇宙的故事是恰恰相反的，以强化“Game Over！”与正常游戏的逆关系。游戏共21个关卡，过关条件是失去3条命，即所谓的Learning by Dying（作者认为，好的游戏设计应当总是给出一些提示玩家如何去赢的线索——无论它多么困难——这样即使玩家失败了，他也只会抱怨自己不够厉害，而不会抱怨设计者变态）。在每一关结束，屏幕上会给出与之相关的名言和可亲性原则等，帮助游戏开发者强化记忆。在整个游戏中，玩家可以被杀死，但敌人永远都不会死。也就是说，如果过关条件被设计为杀死敌人，那么这将真的成为一个永远也无法过关的游戏。典型地，有以下关卡：
1）Start Screen：
这是游戏的开始画面，也是一个热身运动。它要求玩家同时按下“Ctrl + Shift + Enter + Home + F3 + F12 + →”键，这是何等变态的要求。哪怕只体验一次，开发者也会记住，减少按键的个数是多么地重要而美好。
2）Level 3 #Hunt and Peck：
在这一关中，游戏的按键控制会被随机地修改为其他，玩家需要去找到它才能避免死亡，但这几乎是不可能的。这一关是在告诉开发者，需要为玩家提供修改游戏控制方式的功能。
3）Level 9 #Chill Out：
这一关，所有的游戏动作会变得十分十分缓慢，类似的在第8关中相当地快。对应的主题则是，为玩家提供控制游戏速度的功能。
4）Level 13 #Low Budget：
所有游戏中的元素会变得十分十分小，类似的在第14关中十分十分大。对应的主题则是，允许玩家控制文字和图像的大小，或提供适应不同屏幕分辨率的解决方案。
5）Level 19 #Chatterbox：
这一关的画面是黑暗不可见的（模拟高光强的情况），但是游戏提供有关敌人和火力所在位置的音频提示，如“Look out! There is a big spaceship that looks really mean on your left”。这显然是十分唠叨的一句提示，它直到最后一个单词才说出玩家所需要的信息。那么显然，这一关所对应的主题是，提供有意义且有效率的语言提示。

游戏制作完成后，作者通过三种方式测试和统计它对游戏开发人员是否有帮助：1）On-line调查；2）面对面的反馈调查；3）公开的网络上关于“Game Over！”的评价的收集，包括一些网站、blog和论坛。在作者提供的数据中，尽管一部分受调查者表示他们事先或多或少地都了解一些游戏可亲性原则，但大多数人的确通过该游戏认识到了更多。并且有趣的是，在48%对游戏可亲性原则了解少于一半的人群中，有38%的人认为该游戏对他们的帮助非常大，33%认为大，29%认为中等，没有人认为没有或只有少量帮助。但也的确收到了一些十分负面的评价，有人认为特地设计一款游戏来学习可亲性是十分没有必要的，抽象的指标就足够了；还有人认为它不够有趣。

我们可以从以下几个方面来看待“Game Over！”游戏的成功与否：
1）受众：
显然，这不是一款适合大众玩家的游戏，作者的目的在于教育游戏开发者。但是由于其包含的可亲性原则的浅显，它可能更适合于初入游戏开发领域的新手。诚如作者调查问卷第一题“How familiar were you with the accessiblity guidelines presented？”的调查结果所示，一些资深开发者对这些原则是十分熟悉的。那么，对于这些人来说，玩这样一款游戏无异于浪费时间。那么，为什么在资深人员手中依然会出现不可亲的设计呢？私以为那是由于开发资金与时间的限制、以及对玩家的蔑视，唯有现实中的教训才能使其反省。在很多游戏开发公司中，通常会摆放一些游戏设备供员工在午休或下班后时间玩游戏。其间不只该公司的游戏，也包括其他竞争者的产品。员工在玩游戏的过程中，通过自身的感受和与队友的讨论，会不断体验到好设计与不好的设计之间的差距。这虽然是一种十分随机和粗放的体验模式，但往往能收到意想不到的效果，比如发现新的原则。
2）可玩性：
由于这并不是一款单纯的游戏，讨论它的可玩性应与其所相应的Guildlines相比较。诚然，它比Guildlines有趣一点，但它也需要开发者耗费更多的时间。并且，有些关卡的内容和其对应的可亲性原则事实上并没有很好地切合，这同样会让开发者感到迷惑。另外，由于它的设计理念和目的，使得它“一点也不好玩”，也就是说，玩家需要时刻以开发者的身份约束自己，才能觉得它相对有趣些。并且，这种最初出于面对好创意的喜悦之情，会随着时间而退去；也就是说，最后，它会变得和Guildlines一样枯燥（事实上，在玩到一半时，我已经感觉到了）。那么，从这个意义上来讲，它与其说是一款学习可亲性原则的游戏，不如说是一款引人注意的、交互繁琐而精良的可亲性Guildlines。
3）评价系统：
在这个方面，作者做得是不错了。他尝试了多种渠道，试图让尽可能多的人试用和反馈“Game Over！”；并撰写了简单直白的调查问卷，仅5个问题，调查使用者玩游戏前、玩游戏后对可亲性原则的认识，以及他们对游戏本身可玩性的看法、是否适合用作教育工具、是否推荐他人等。值得一提的是，作者还进行了面对面的试用调查，并详细记录了试用者的一些言论，这使得评价更加具体并附有个性，再者直接的交流也比调查问卷能更准确地反映试用者的真实感受。

私以为，此文在交互方式的创意上是具有启迪作用的。尤其作为一种针对成人的职业教育工具，它直接将行业产品作为教育的手段，十分直接而富有震撼力。我们总是希望，教育可以跳出文字与图片构成的教材课本，而以一种更为直接、具象和有趣的方式传达知识。那么，此文的观点就是，游戏专业的学生可以以游戏为课本，医学专业的学术可以以人体为课本。再有，就是以夸张的反面教材的堆积，以低廉的方式使人们获得教训。