第一部分：科学之美
第1章 人工智能是什么
1.1 人工智能是可以解决复杂问题的算法
1.2 人工智能可以实现复杂的目标
1.3 人工智能具备从数据中学习的能力
1.4 人工智能要与人类主观意识互通
第2章 底层视觉是什么
2.1 底层视觉与计算机视觉
2.2 底层视觉与人工智能
2.3 底层视觉与图像处理
第3章 从0到1，从来都不简单
3.1 图像超分辨率的发展历程
3.2 SRCNN的诞生
3.3 解构SRCNN
第4章 从1到N的发展规律
4.1 传统算法奋起直追
4.2 传统算法与深度学习算法协同发展
4.3 深度学习算法持续进化
4.4 深度学习算法脱颖而出
4.5 越来越大的网络
4.6 越来越小的网络
4.7 深度学习算法快速发展的原因
第5章 从算法到产品：为落地而战
5.1 寻找趁手的锤子
5.2 小心棘手的钉子
5.3 千锤百炼终得正果
第6章 无中生有的真相与假象：论生成式图像复原
6.1 什么是生成式复原
6.2 生成式复原是如何诞生的
6.3 生成式模型和判别式模型有什么区别
6.4 生成对抗网络的原理和局限是什么
6.5 扩散模型的原理和局限是什么
6.6 扩散模型真的比生成对抗网络好吗
6.7 生成式复原的经典模型
第7章 时空的交错与融合：论视频超分辨率
7.1 多帧图像超分与时空超分
7.2 基于深度学习的视频超分
7.3 Transformer有何不同
7.4 生成模型带来了哪些变化
第8章 深度学习中的科学之光：底层视觉可解释性
8.1 模型的效果为什么好
8.2 从相关关系到因果关系
8.3 模型内部究竟学到了什么
8.4 网络是如何学习多任务的
8.5 底层视觉的泛化性问题
8.6 做个泛化性指标吧
8.7 可解释性还可以怎么用
第9章 通往终极智能之路：论通用底层视觉
9.1 通用何以智能
9.2 通用底层视觉是什么
9.3 通用的图像超分算法
9.4 通用的图像复原算法
9.5 通用的底层视觉算法
第二部分：人格之美
第10章 如何写一篇自己喜欢的论文
第11章 XPixel的团队文化：奉献、专注、平衡
11.1 奉献
11.2 专注
11.3 平衡
第12章 XPixel的科研地图：XPixel Metaverse
第13章 不朽的科学家精神：读爱因斯坦
13.1 探索未知
13.2 实事求是
13.3 永无止境
第14章 研究员的一天
第15章 中华智慧解读“钝感力”
15.1 技巧：太极圆转
15.2 智慧：难得糊涂
15.3 爱：包容宽恕
第16章 打破束缚
第17章 放松点儿，我的朋友
参考文献
展开
