本書緣起

我本來想寫一本介紹底層視覺前沿技術的教材，但后來發(fā)現(xiàn)它注定會成為一本歷史書。既然如此，干脆就寫一本歷史書，讓技術成為媒介，將那段波瀾壯闊的歷史，補充以我的個人經(jīng)驗，呈現(xiàn)給大家。這也是將本書命名為《底層視覺之美：高清大片背后的人工智能》的原因。過去十年來，我對底層視覺感觸頗深。在底層視覺里，技術的背后有著對藝術的追求，藝術的背后又有著科學的力量，而科學注定與哲學相互交織，這就是本書想表達的底層視覺之美，一種在智能時代才有的全新美學。這本書適合所有領域的讀者，希望所有對底層視覺感興趣的人，都能徜徉其中，沒有障礙地閱讀。接下來，我會分幾個方面介紹寫這本書的寫作動機，以及這本書獨特的呈現(xiàn)方式。

底層視覺需要一本專業(yè)性的技術書

雖然底層視覺只是計算機視覺的一部分，但它歷史久遠、分支眾多、特點鮮明，需要一本專門的書來介紹。人們（甚至一些人工智能領域的從業(yè)人員）對底層視覺普遍不了解。我發(fā)現(xiàn)很多人工智能教材中沒有將底層視覺獨立成章，甚至不曾提及，這是很大的失誤！底層視覺所受到的關注與它的重要程度明顯不符。我們生活中常見的智能拍照、短視頻應用、電影、電視等都離不開底層視覺技術。而很多工業(yè)場景，如醫(yī)療影像、衛(wèi)星成像、電視廣播、水下勘探等也需要底層視覺技術的支撐。

底層視覺需要一本總結(jié)性的歷史書

過去十年，我們經(jīng)歷了從傳統(tǒng)算法到深度學習的深刻變革，底層視覺也日益成熟，從幾個獨立的圖像處理任務擴展為分支眾多、縱橫交錯的視覺領域，它的起承轉(zhuǎn)合是那么精彩。在新一代技術革命到來之前，我們有必要對底層視覺進行階段性的總結(jié)。同時，現(xiàn)在的論文數(shù)量越來越多，新的論文讓人應接不暇，早期的論文很快會被淘汰。如果想了解過去十年的技術發(fā)展，閱讀一本經(jīng)過凝練的書顯然是最好的方式。這本書也將為年輕的學者們提供便利，幫助他們從浩瀚的論文海洋中解脫出來，手握一把可以快速入門的鑰匙。

底層視覺需要一本有溫度的美學書

底層視覺與高層視覺不同，它面對的不是一個個冷冰冰的數(shù)字指標，而是一幅幅生動的圖像畫面。這就要求底層視覺的研究者不僅要懂計算機算法，也要有基本的美學素養(yǎng)。我們要學會欣賞計算機生成的圖像，培養(yǎng)對圖像的敏感度，并從細微處發(fā)現(xiàn)算法的問題，也要將創(chuàng)造完美的畫質(zhì)作為我們的最高追求。底層視覺是有溫度的人工智能，它與我們離得很近，可以直接觸碰我們的情感，提升我們對美的體驗。因此，底層視覺注定要與美同行，我也希望將底層視覺之美滲透到這本書的各個方面。

本書將會有許多不同于傳統(tǒng)技術書或教材的地方，我也想在一開始就告知讀者，以免引起誤解。

強調(diào)主觀經(jīng)驗

這是本書最大的特色，也是最可能受到質(zhì)疑的地方。教材都要強調(diào)客觀性，不能加入太多主觀色彩，也不能植入個人觀點。如果那樣做，這本書就太枯燥了。我最想傳達的就是這些年對底層視覺的經(jīng)驗和體會，它們才是我思想的結(jié)晶，才是最有益于讀者的地方。我不能丟掉珠子，給讀者盒子（買櫝還珠）。然而主觀就勢必有偏，我不能保證所有人都認可這些觀點，也不能保證這些觀點中的每一句話都正確。希望我個人的觀點能夠引發(fā)思考、產(chǎn)生碰撞、啟迪智慧。

試圖以偏概全

要把底層視覺的方方面面都寫到實在是太困難了，至少要有20個章節(jié)，十多個研究分支，每個分支都有自己獨特的發(fā)展歷程和技術特點。即便真的把所有技術都組合到一起，形成一本龐大的集錦，也很少有人會從頭到尾讀完，那就失去了寫這本書的意義。因此，我決定大膽地以偏概全，只寫自己熟悉的領域，只說自己寫過的論文，只講自己經(jīng)歷的故事。這樣就能保證技術的準確性和經(jīng)驗的完整性，也更能體現(xiàn)我們的研究特色。在以偏概全的過程中，我也會盡量輻射其他子領域，讓讀者仍然可以了解底層視覺的全貌。

嘗試提升高度

歷史書的目的從來不是增加我們的記憶，而是以史為鑒，以古喻今。所有事物的發(fā)展都有一定的規(guī)律，這個規(guī)律跟事物本身無關，是通行天地亙古不變的道理，我希望能從底層視覺的發(fā)展中看到這樣的規(guī)律。從最早的算法突變，到后來的技術爆炸，再到現(xiàn)在的智能涌現(xiàn)，其中蘊含了怎樣的發(fā)展規(guī)律，這個規(guī)律是否也出現(xiàn)在高層視覺中，是否也是人工智能的發(fā)展規(guī)律，甚至是否可能是自然生物進化的縮影，這里面的道理無法直接講明，卻可以隱約感受到。如果我們能將人工智能放到自然規(guī)律面前，那么也許會發(fā)現(xiàn)它的發(fā)展從來都不是由人來掌控的，有一只看不見的手在指揮著這一切。如果我們能夠了解人工智能發(fā)展背后的客觀性，那么是否也能夠更加謙卑地前行？也許無情的背后是有情，有情的背后是無情。

以上就是我寫本書的初衷，也是本書的歸結(jié)。說簡單點兒，就是我希望以最直白的方式表達我的觀點，也希望以最方便的方式讓讀者受益。本書的章節(jié)也是按照技術發(fā)展的順序來安排的，可以像讀小說一樣從頭讀到尾，也可以撿起某個章節(jié)專看技術部分。同時，我也會穿插介紹一些當年做這些研究時遇到的挫折和產(chǎn)生的體會，希望為初學者提供一點點信心和幫助，也為世界增加一點點新知、一點點美好。

本書的主要分工

本書的主要文字部分由我（董超）完成，包括技術章節(jié)和經(jīng)驗分享，而技術章節(jié)后的小貼士和全書的插圖由我的學生胡錦帆博士完成，他也為本書付出了巨大的精力。這本書雖然是我在寫，但實際是整個XPixel團隊的科研成果在支撐，感謝每一位XPixel的同學，也感謝康馨予為本書所做的文字校對工作。另外，本書所列舉的大部分工作是我們團隊自己的成果，沒有覆蓋行業(yè)內(nèi)所有代表性的工作。實際上，做底層視覺的優(yōu)秀團隊和杰出教授很多，像曾經(jīng)對我啟發(fā)很大的張磊老師、左旺孟老師和孟德宇老師，他們的工作也非常值得學習和研究，只是我很難將他們的工作都寫入書中，請他們見諒，也請讀者見諒。

致謝

謹以此書獻給我最敬愛的導師湯曉鷗教授，沒有湯老師，就沒有底層視覺之美，可惜他再也看不到這本書了，希望能用這十年的成果報答他萬一的恩情，我愿在這本書中刻下對他永恒的懷念！感謝澳門大學的周建濤老師，他給我提供了寶貴的機會，可以在澳門大學圖書館里安心寫書！感謝XPixel團隊的所有成員，尤其是呂建勤老師、喬宇老師、王鑫濤和顧津錦，他們是XPixel的奠基者和共建者，也是我最好的老師和伙伴！XPixel十年的努力也終于開花結(jié)果，孵化出了明犀科技（SupPixel.AI）這家公司，我們將把最新的研究成果放到公司的官網(wǎng)上，讓所有人都可以直接體驗底層視覺之美！

董超