原文链接：https://mp.weixin.qq.com/s/9EQNwXqCM6odwe5n9dOrmw
本文针对底层视觉给出了一个大致的定义，然后通过底层视觉与人工智能、计算机视觉、图像处理等相关概念的对比来对底层视觉做了进一步的界定。
1. 底层视觉是什么
- 以像素级图像为输入、处理和输出单元的计算机视觉问题
底层视觉是以像素级的图像为输入、处理和输出单元的计算机视觉，它将图像从原始信号或某种观测状态转换成人们想要看到的样子，通常是清晰的自然图像
- 底层视觉包含哪些任务？
底层视觉所包含的任务主要有图像和视频的去噪、增强、复原、压缩、HDR、超分辨率等，还有一些处于模糊地带的任务如图像风格化、图像生成等。这些任务之间也存在一些交叉和融合，比如去噪、去压缩和超分辨率可以同时进行，也可以合成一个任务来研究。
2. 底层视觉与计算机视觉
按照语义抽象程度，计算机视觉可以分为以下三类：
另外，图像生成任务是在上面三种任务之外的，他不是将图像进行理解或转换，而是根据抽象的信息（如文字或噪声）生成具体的图像。
3. 底层视觉与人工智能
以“老电影复原”这个底层视觉任务为例，分析是否符合人工智能的四个原则。
人工智能四个原则：
- 人工智能是一种解决复杂问题的算法。
- 人工智能可以实现复杂的目标。
- 人工智能具备从数据中学习的能力。
- 人工智能要与人类主观意识进行互通。
“老电影复原”任务中分别与上面四个原则对应的特点：
- 该任务“过程不可逆”、“解不唯一”，是一个复杂的问题；
- 老电影复原是一个复杂的目标，它包含多个子目标或子任务，如去噪、去模糊、去压缩伪影、超分辨率、插帧、上色、增强等。
- 需要大量数据进行训练
- 老电影复原的终极目标是要提升人眼的主观感受.
4. 底层视觉与图像处理
“底层视觉关注的是任务，而图像处理关注的是工具。”
“我们看到经典的图像处理教材会包含大量的工具性算法，是所有图像相关研究的基础。而底层视觉的教材会以任务为导向，讲述每个任务的定义、评价和方法。”
早期的底层视觉算法都是用的图像处理工具，比如边缘提取算子、奈奎斯特采样、统计直方图、傅里叶变换等。进入深度学习时代后，底层视觉全面采用深度学习方法，只保留了一些基本的图像处理操作（如图像拼接和色彩空间转换），而将绝大部分计算放到了网络模型当中。
