《Computer Vision for X-Ray Testing: Imaging, System》X光检测的计算机视觉:图像系统、图像数据库和算法

前段时间，我去面试了一家杭州的公司，应聘AIGC负责人的职位。在面试过程中，我一边回答面试题，一边看着别人引用我的推荐系统论文。是的，我没有作弊，我只是看了一下别人如何引用我的零样本学习论文，这篇论文是印度人写的。我觉得这个面试过程很有趣，因为我是在家里进行的电话面试。对方说，如果我通过了初步面试，我就需要从北京到杭州参加现场面试，而且他们不会报销差旅费。

现在，让我解释一下AIGC目前最流行的算法——StableDiffusion。首先，我输入了一段文字描述我想要生成的图片。然后，电脑根据这段文字从图片库中搜索出一张照片。接下来，电脑会给这张照片添加一些噪声，并利用算法去除噪声。然而，这个去噪算法并不是完全精确的，所以最终生成的图片会与原始搜索出的图片略有不同。这张新生成的图片就是所谓的人工智能AIGC生成的图片。StableDiffusion的基本原理就是这样简单。没想到噪声和艺术还有关联吧？

我读这本书的时候速度很快，因为我对这本书有很高的期望，希望它能够成为一本惊世骇俗的著作。我觉得其中有几点给我留下了深刻的印象。首先，X光照片中光子的噪声是泊松分布的，这对于我来说并不意外，但还是让我感到惊喜。并不是所有的噪声都是高斯分布或者是白噪声，是吧？其次，Python中已经有现成的工具包可以处理X光照片，这再次证明了众人的力量。Python社区发展了这么多年，在高端技术领域稳步发展，甚至取代了C++和Java这样的老牌编程语言。最后，经典算法在X光照片处理领域得到了广泛应用，经典算法的魅力无处不在，具体如何应用还需要我们自己去思考。

我给这本书打4分，因为其中很多内容我都比较熟悉，比如第6章的经典浅层学习算法和第7章的经典深度学习算法，所以我阅读起来很快。而这两章内容又是全书的重点之一。

这本书是2020年出版的，应该是适合中国高等院校本科高年级学生和硕士/博士生使用的优秀教材。当然了，如果你正在攻读硕士或博士学位，就需要更多地阅读研究资料，与他人交流思想，多思考问题。毕竟，在硕士和博士阶段，研究和创新的比重非常高。

顺便提一下，EpipolarGeometry这部分知识，我还需要再仔细研究一下。因为在计算机视觉领域，它是必不可少的基础知识。没有对这部分知识的掌握，是无法胜任的……