底層視覺之美：高清大片背後的人工智能

第一部分：科學之美
第1章　人工智能是什麽 2
1.1　人工智能是可以解決復雜問題的算法 3
1.2　人工智能可以實現復雜的目標 4
1.3　人工智能具備從數據中學習的能力 5
1.4　人工智能要與人類主觀意識互通 6
第2章　底層視覺是什麽 9
2.1　底層視覺與電腦視覺 10
2.2　底層視覺與人工智能 11
2.3　底層視覺與圖像處理 12
第3章　從0到1，從來都不簡單 17
3.1　圖像超分辨率的發展歷程 17
3.2　SRCNN的誕生 23
3.3　解構SRCNN 26
第4章　從1到N的發展規律 34
4.1　傳統算法奮起直追 35
4.2　傳統算法與深度學習算法協同發展 36
4.3　深度學習算法持續進化 38
4.4　深度學習算法脫穎而出 39
4.5　越來越大的網絡 40
4.6　越來越小的網絡 46
4.7　深度學習算法快速發展的原因 48
第5章　從算法到產品：為落地而戰 59
5.1　尋找趁手的錘子 60
5.2　小心棘手的釘子 61
5.3　千錘百煉終得正果 63
第6章　無中生有的真相與假象：論生成式圖像復原 75
6.1　什麽是生成式復原 77
6.2　生成式復原是如何誕生的 77
6.3　生成式模型和判別式模型有什麽區別 78
6.4　生成對抗網絡的原理和局限是什麽 80
6.5　擴散模型的原理和局限是什麽 81
6.6　擴散模型真的比生成對抗網絡好嗎 85
6.7　生成式復原的經典模型 86
第7章　時空的交錯與融合：論視頻超分辨率 98
7.1　多幀圖像超分與時空超分 98
7.2　基於深度學習的視頻超分 103
7.3　Transformer有何不同 108
7.4　生成模型帶來了哪些變化 111
第8章　深度學習中的科學之光：底層視覺可解釋性 120
8.1　模型的效果為什麽好 121
8.2　從相關關繫到因果關系 124
8.3　模型內部究竟學到了什麽 129
8.4　網絡是如何學習多任務的 132
8.5　底層視覺的泛化性問題 135
8.6　做個泛化性指標吧 138
8.7　可解釋性還可以怎麽用 140
第9章　通往終極智能之路：論通用底層視覺 149
9.1　通用何以智能 149
9.2　通用底層視覺是什麽 152
9.3　通用的圖像超分算法 153
9.4　通用的圖像復原算法 157
9.5　通用的底層視覺算法 162

第二部分：人格之美
第10章　如何寫一篇自己喜歡的論文 176
第11章　XPixel的團隊文化：奉獻、專註、平衡 180
11.1　奉獻 180
11.2　專註 181
11.3　平衡 181
第12章　XPixel的科研地圖：XPixel Metaverse 183
第13章　不朽的科學家精神：讀愛因斯坦 186
13.1　探索未知 187
13.2　實事求是 188
13.3　永無止境 189
第14章　研究員的一天 191
第15章　中華智慧解讀“鈍感力” 195
15.1　技巧：太極圓轉 195
15.2　智慧：難得糊塗 196
15.3　愛：包容寬恕 197
第16章　打破束縛 198
第17章　放鬆點兒，我的朋友 203
參考文獻 209