本书生动地讲述了底层视觉的发展历史，总结了人工智能前沿的最新成果，揭示了高清大片背后的科学奥秘，展现了实事求是和永无止境的科学家精神。

同时，附有作者的科研感悟和心路历程，富有启发性。

本书适合理工科专业的大学生和研究生、科研人员，以及人工智能爱好者阅读。

适读人群 ：理工科专业学生，科研人员，人工智能爱好者

一线专家撰写：技术功底深厚，复盘从0开始的计算机视觉科研思路，启迪思考

关注技术落地应用：从1到N，结合实际案例分析产品化过程，助力初学者成长

人文与科学融合：探讨科学家精神，赋予技术人文温度

本书缘起

我本来想写一本介绍底层视觉前沿技术的教材，但后来发现它注定会成为一本历史书。既然如此，干脆就写一本历史书，让技术成为媒介，将那段波澜壮阔的历史，补充以我的个人经验，呈现给大家。这也是将本书命名为《底层视觉之美：高清大片背后的人工智能》的原因。过去十年来，我对底层视觉感触颇深。在底层视觉里，技术的背后有着对艺术的追求，艺术的背后又有着科学的力量，而科学注定与哲学相互交织，这就是本书想表达的底层视觉之美，一种在智能时代才有的全新美学。这本书适合所有领域的读者，希望所有对底层视觉感兴趣的人，都能徜徉其中，没有障碍地阅读。接下来，我会分几个方面介绍写这本书的写作动机，以及这本书独特的呈现方式。

底层视觉需要一本专业性的技术书

虽然底层视觉只是计算机视觉的一部分，但它历史久远、分支众多、特点鲜明，需要一本专门的书来介绍。人们（甚至一些人工智能领域的从业人员）对底层视觉普遍不了解。我发现很多人工智能教材中没有将底层视觉独立成章，甚至不曾提及，这是很大的失误！底层视觉所受到的关注与它的重要程度明显不符。我们生活中常见的智能拍照、短视频应用、电影、电视等都离不开底层视觉技术。而很多工业场景，如医疗影像、卫星成像、电视广播、水下勘探等也需要底层视觉技术的支撑。

底层视觉需要一本总结性的历史书

过去十年，我们经历了从传统算法到深度学习的深刻变革，底层视觉也日益成熟，从几个独立的图像处理任务扩展为分支众多、纵横交错的视觉领域，它的起承转合是那么精彩。在新一代技术革命到来之前，我们有必要对底层视觉进行阶段性的总结。同时，现在的论文数量越来越多，新的论文让人应接不暇，早期的论文很快会被淘汰。如果想了解过去十年的技术发展，阅读一本经过凝练的书显然是最好的方式。这本书也将为年轻的学者们提供便利，帮助他们从浩瀚的论文海洋中解脱出来，手握一把可以快速入门的钥匙。

底层视觉需要一本有温度的美学书

底层视觉与高层视觉不同，它面对的不是一个个冷冰冰的数字指标，而是一幅幅生动的图像画面。这就要求底层视觉的研究者不仅要懂计算机算法，也要有基本的美学素养。我们要学会欣赏计算机生成的图像，培养对图像的敏感度，并从细微处发现算法的问题，也要将创造完美的画质作为我们的最高追求。底层视觉是有温度的人工智能，它与我们离得很近，可以直接触碰我们的情感，提升我们对美的体验。因此，底层视觉注定要与美同行，我也希望将底层视觉之美渗透到这本书的各个方面。

本书将会有许多不同于传统技术书或教材的地方，我也想在一开始就告知读者，以免引起误解。

强调主观经验

这是本书最大的特色，也是最可能受到质疑的地方。教材都要强调客观性，不能加入太多主观色彩，也不能植入个人观点。如果那样做，这本书就太枯燥了。我最想传达的就是这些年对底层视觉的经验和体会，它们才是我思想的结晶，才是最有益于读者的地方。我不能丢掉珠子，给读者盒子（买椟还珠）。然而主观就势必有偏，我不能保证所有人都认可这些观点，也不能保证这些观点中的每一句话都正确。希望我个人的观点能够引发思考、产生碰撞、启迪智慧。

试图以偏概全

要把底层视觉的方方面面都写到实在是太困难了，至少要有20个章节，十多个研究分支，每个分支都有自己独特的发展历程和技术特点。即便真的把所有技术都组合到一起，形成一本庞大的集锦，也很少有人会从头到尾读完，那就失去了写这本书的意义。因此，我决定大胆地以偏概全，只写自己熟悉的领域，只说自己写过的论文，只讲自己经历的故事。这样就能保证技术的准确性和经验的完整性，也更能体现我们的研究特色。在以偏概全的过程中，我也会尽量辐射其他子领域，让读者仍然可以了解底层视觉的全貌。

尝试提升高度

历史书的目的从来不是增加我们的记忆，而是以史为鉴，以古喻今。所有事物的发展都有一定的规律，这个规律跟事物本身无关，是通行天地亘古不变的道理，我希望能从底层视觉的发展中看到这样的规律。从最早的算法突变，到后来的技术爆炸，再到现在的智能涌现，其中蕴含了怎样的发展规律，这个规律是否也出现在高层视觉中，是否也是人工智能的发展规律，甚至是否可能是自然生物进化的缩影，这里面的道理无法直接讲明，却可以隐约感受到。如果我们能将人工智能放到自然规律面前，那么也许会发现它的发展从来都不是由人来掌控的，有一只看不见的手在指挥着这一切。如果我们能够了解人工智能发展背后的客观性，那么是否也能够更加谦卑地前行？也许无情的背后是有情，有情的背后是无情。

以上就是我写本书的初衷，也是本书的归结。说简单点儿，就是我希望以最直白的方式表达我的观点，也希望以最方便的方式让读者受益。本书的章节也是按照技术发展的顺序来安排的，可以像读小说一样从头读到尾，也可以捡起某个章节专看技术部分。同时，我也会穿插介绍一些当年做这些研究时遇到的挫折和产生的体会，希望为初学者提供一点点信心和帮助，也为世界增加一点点新知、一点点美好。

本书的主要分工

本书的主要文字部分由我（董超）完成，包括技术章节和经验分享，而技术章节后的小贴士和全书的插图由我的学生胡锦帆博士完成，他也为本书付出了巨大的精力。这本书虽然是我在写，但实际是整个XPixel团队的科研成果在支撑，感谢每一位XPixel的同学，也感谢康馨予为本书所做的文字校对工作。另外，本书所列举的大部分工作是我们团队自己的成果，没有覆盖行业内所有代表性的工作。实际上，做底层视觉的优秀团队和杰出教授很多，像曾经对我启发很大的张磊老师、左旺孟老师和孟德宇老师，他们的工作也非常值得学习和研究，只是我很难将他们的工作都写入书中，请他们见谅，也请读者见谅。

致谢

谨以此书献给我最敬爱的导师汤晓鸥教授，没有汤老师，就没有底层视觉之美，可惜他再也看不到这本书了，希望能用这十年的成果报答他万一的恩情，我愿在这本书中刻下对他永恒的怀念！感谢澳门大学的周建涛老师，他给我提供了宝贵的机会，可以在澳门大学图书馆里安心写书！感谢XPixel团队的所有成员，尤其是吕建勤老师、乔宇老师、王鑫涛和顾津锦，他们是XPixel的奠基者和共建者，也是我最好的老师和伙伴！XPixel十年的努力也终于开花结果，孵化出了明犀科技（SupPixel.AI）这家公司，我们将把最新的研究成果放到公司的官网上，让所有人都可以直接体验底层视觉之美！

董超

董超，博士生导师，中国科学院深圳先进技术研究院研究员，深圳理工大学教授，上海人工智能实验室双聘领军科学家。主要研究方向为底层计算机视觉，包括图像超分辨率、去噪和增强等，发表相关论文100余篇，截至2024年底，谷歌学术引用量超过40000次。2014年，提出深度超分辨率算法SRCNN，首次将深度学习引入图像超分辨率领域。2017年至今，多次带队参加国际图像超分辨率比赛，共获得9项冠军。20162018年就职于商汤科技，带领商汤超分团队开发了世界首款基于深度学习的数码变焦软件，并成功落地在vivo X23手机上。2021年，被斯坦福大学评选为世界前2%顶尖科学家。2022年被清华大学评为AI2000人工智能全球最具影力学者。2023年,获得上海市技术发明奖一等奖。

胡锦帆，中国科学院深圳先进技术研究院2022级博士生，XPixel团队成员，师从董超研究员。于2019年和2022年在电子科技大学取得本科和硕士学位。研究方向为底层计算机视觉，同时致力于探索该领域的可解释性问题。

第一部分：科学之美
第1章　人工智能是什么 2
1.1　人工智能是可以解决复杂问题的算法 3
1.2　人工智能可以实现复杂的目标 4
1.3　人工智能具备从数据中学习的能力 5
1.4　人工智能要与人类主观意识互通 6

第2章　底层视觉是什么 9
2.1　底层视觉与计算机视觉 10
2.2　底层视觉与人工智能 11
2.3　底层视觉与图像处理 12

第3章　从0到1，从来都不简单 17
3.1　图像超分辨率的发展历程 17
3.2　SRCNN的诞生 23
3.3　解构SRCNN 26

第4章　从1到N的发展规律 34
4.1　传统算法奋起直追 35
4.2　传统算法与深度学习算法协同发展 36
4.3　深度学习算法持续进化 38
4.4　深度学习算法脱颖而出 39
4.5　越来越大的网络 40
4.6　越来越小的网络 46
4.7　深度学习算法快速发展的原因 48

第5章　从算法到产品：为落地而战 59
5.1　寻找趁手的锤子 60
5.2　小心棘手的钉子 61
5.3　千锤百炼终得正果 63

第6章　无中生有的真相与假象：论生成式图像复原 75
6.1　什么是生成式复原 77
6.2　生成式复原是如何诞生的 77
6.3　生成式模型和判别式模型有什么区别 78
6.4　生成对抗网络的原理和局限是什么 80
6.5　扩散模型的原理和局限是什么 81
6.6　扩散模型真的比生成对抗网络好吗 85
6.7　生成式复原的经典模型 86

第7章　时空的交错与融合：论视频超分辨率 98
7.1　多帧图像超分与时空超分 98
7.2　基于深度学习的视频超分 103
7.3　Transformer有何不同 108
7.4　生成模型带来了哪些变化 111

第8章　深度学习中的科学之光：底层视觉可解释性 120
8.1　模型的效果为什么好 121
8.2　从相关关系到因果关系 124
8.3　模型内部究竟学到了什么 129
8.4　网络是如何学习多任务的 132
8.5　底层视觉的泛化性问题 135
8.6　做个泛化性指标吧 138
8.7　可解释性还可以怎么用 140

第9章　通往终极智能之路：论通用底层视觉 149
9.1　通用何以智能 149
9.2　通用底层视觉是什么 152
9.3　通用的图像超分算法 153
9.4　通用的图像复原算法 157
9.5　通用的底层视觉算法 162

第二部分：人格之美
第10章　如何写一篇自己喜欢的论文 176

第11章　XPixel的团队文化：奉献、专注、平衡 180
11.1　奉献 180
11.2　专注 181
11.3　平衡 181

第12章　XPixel的科研地图：XPixel Metaverse 183

第13章　不朽的科学家精神：读爱因斯坦 186
13.1　探索未知 187
13.2　实事求是 188
13.3　永无止境 189

第14章　研究员的一天 191

第15章　中华智慧解读钝感力 195
15.1　技巧：太极圆转 195
15.2　智慧：难得糊涂 196
15.3　爱：包容宽恕 197

第16章　打破束缚 198

第17章　放松点儿，我的朋友 203
参考文献 209