具体描述
《速度与政治》的作者维利里奥努力要定义一种图像的新型逻辑。
确实，在不同的技术旁边，在图像的后勤旁边，还存在一种逻辑和传播的时代，它们标示了近来的历史。
形式逻辑的时代，就是绘画的时代、雕刻和建筑的时代，它与18世纪同时结束。辩证逻辑的时代，就是摄影的时代、电影的时代，或可称之为照片的时代。
反常逻辑的时代，就是随着视频通信、全息摄影和计算机制图的发明而一道开启的时代。似乎到了20世纪之末，现代性的终结本身就由公共再现的逻辑终结来标示。然而如果说我们足够了解传统绘画再现的形式逻辑的现实，并且在低等程度上了解主宰光学电影再现的辩证逻辑的现状，那我们只能很困难地理解这种反常逻辑的潜在能力，即视频通信、全息摄影或合成图像的潜能。这正是保罗·维利里奥这部《视觉机器》如今要回答的问题，他试图澄清再现手法演变的意义。在这种再现中，城邦的“公共空间”突然让步于“公共图像”，即实时在场的反常图像，而这一实时在场将替补主体与客体的真实空间。
编辑推荐
《视觉机器》为法国著名哲学家保罗·维利里奥（Paul Virilio）关于新技术与图像新型逻辑的重要文集，共收入五篇文献：《地形失忆症》《不及一幅图像》《公共图像》《天真的摄像机》《视觉机器》。在这些文章中，作者梳理了再现手法的演变，它由绘画、雕塑和建筑时代的形式逻辑，到摄影和电影时代的辩证逻辑，进而发展到当今时代的反常逻辑。在今天这个由视频通信、全息摄影和计算机制图而开启的时代中，城邦中的“公共空间”突然让位于“公共图像”，即实时在场的反常图像，而这个真实时间将替补主体与客体之间的真实空间。作者试图回答这些问题，并澄清其意义。
作者简介
保罗·维利里奥(Paul Viritio，1932—)是1970年代以降最富原创力的法国哲学家之一，同时也是著名的城市建筑家、随笔作家。1963年，维利里奥与建筑师克罗德·巴朗(Claude Parent)成立“建筑原则”(Architec-ture Principe)团体，并发行同名刊物，宣扬建筑的“倾斜功能”(水平与直角被彻底弃绝)，曾先后完成两栋建筑作品。1973年起执教于巴黎建筑专业学校(ESA)，直到1999年退休。维利里奥的哲学著作围绕着一系列以科技、速度、城市、虚拟、事件、意外及失序为核心的概念群，代表作有《领土的不安》、《速度与政治》、《消失的美学》、《战争与电影》、《解放的速度》、《事件的风景》等。
译者简介：
张新木，江苏高淳人。南京大学法语系教授、博士生导师。曾任南京大学外国语学院副院长、中国驻法国大使馆教育处一等秘书。1985年起从事符号学研究，发表相关论文30余篇，翻译出版法国文学与社科名著《巴黎圣母院》、《游荡的影子》、《冷记忆》1-5等30余部，编写出版法语教材及参与编写中外母语研究专著10余部，主持和参与国家、教育部及江苏省社科项目5项，主持建设国家精品课程“法语阅读”。2006年获法国政府棕榈教育勋章(骑士)，2008年获江苏省第三届紫金文学奖翻译奖。
魏舒，南京大学法语系硕士，法国普瓦捷大学外语学院教师，法国驻华大使馆特邀翻译，中法文同声传译，法语教师。译作有《谜情书》(译林出版社，2012)。
目录信息
读后感
在《地形失忆症》中，维利里奥指出古代记忆理论家认为可以通过确定一系列定位点，然后把需要记忆的材料编码为确定的精神图像，并将图像对应于事先确定的定位点（诗人西莫尼得斯的实践）。“有了地形记忆，人们就可以讨论视觉的年代，甚至讨论另一代人的视觉遗传。”【27】而随...
评分 评分在《地形失忆症》中，维利里奥指出古代记忆理论家认为可以通过确定一系列定位点，然后把需要记忆的材料编码为确定的精神图像，并将图像对应于事先确定的定位点（诗人西莫尼得斯的实践）。“有了地形记忆，人们就可以讨论视觉的年代，甚至讨论另一代人的视觉遗传。”【27】而随...
评分《视觉机器》 [法]保罗·维利里奥，张新木、魏舒译，南京大学出版社，2014年8月版 “记忆的内容取决于遗忘的速度。”——诺尔曼·E.斯皮尔（Norman E. Spear） 地形失忆症 摄影所截取的一瞬间，分毫不差地复制时间片段，实质上是一种欺骗，因为时间从不停息，时间是流动的。...
用户评价
作为一个从小就对“看”这个动作背后的机制感到好奇的人，翻阅《视觉机器》这本书，就像是打开了一个全新的世界。我一直觉得，人类的视觉是一种极其神奇的能力，它不仅仅是接收光线，更是对光线进行分析、理解和重构的过程。而《视觉机器》这本书，恰恰是在探索如何将这种能力赋予机器。我特别欣赏作者在解释各种算法时的耐心和细致。例如，在讲到图像分割时，书中不仅仅介绍了阈值分割、区域生长等经典方法，还深入探讨了图割（Graph Cut）等更先进的技术，并且用非常直观的例子说明了它们是如何工作的。我尤其对书中关于“场景理解”的部分印象深刻，它不再局限于识别单个物体，而是关注物体之间的空间关系和语义联系。比如，一辆汽车停在一栋房子前面，而一个人正站在汽车旁边，这些信息组合在一起，才构成了一个完整的场景。作者通过讲解如何利用深度学习模型来捕捉这种复杂的场景信息，让我对“机器如何理解世界”有了颠覆性的认识。我曾经尝试过一些简单的图像识别应用，但总是不得其法，《视觉机器》则为我提供了一个系统性的学习框架。从最初的像素操作，到特征描述，再到复杂的神经网络架构，每一个环节都得到了深入的解析。它让我明白，原来我们习以为常的“看见”，背后蕴含着如此多精密的科学计算。
评分《视觉机器》这本书，就像一位经验丰富的向导，带领我踏上了一段关于“看见”的奇妙旅程。我一直对人工智能如何能够模仿人类的视觉能力充满好奇，而这本书则以一种极其耐心和细致的方式，为我揭开了其神秘的面纱。从最基础的图像表示和处理，到复杂的特征提取和模式识别，作者都用通俗易懂的语言和生动形象的比喻进行了阐释。我特别喜欢书中关于“梯度下降”和“反向传播”的讲解，它们是深度学习模型训练的核心，作者通过直观的图示，让我明白了模型是如何通过不断地迭代和优化来学习识别图像的。而当书中深入到各种先进的计算机视觉技术时，比如目标检测（如YOLO、Faster R-CNN）、图像分割（如U-Net）以及物体跟踪等，我都感受到了知识的巨大冲击。这本书不仅仅是技术的堆砌，更重要的是它教会了我一种思考问题的方法，让我能够站在人工智能的角度去理解和分析视觉信息。每次阅读，都像是在为我的大脑进行一次“视觉重塑”，让我对这个世界的运行方式有了更深刻的洞察。
评分我一直对人工智能在感知层面的发展充满着浓厚的兴趣，尤其是计算机如何能够“看见”并理解我们所处的这个世界。《视觉机器》这本书，无疑为我打开了这样一扇通往未来的大门。作者以一种非常循序渐进的方式，将那些原本看起来深奥的算法和模型，化解成易于理解的概念。我尤其欣赏书中对图像基础处理的讲解，例如滤波、增强等操作，它们不仅是技术性的操作，更是理解图像信息如何被提取和转换的关键。当我读到关于特征点检测和描述的章节时，例如SIFT、SURF等算法，我更是被其巧妙的设计所折服。这些算法如何从杂乱的像素中找到那些稳定且具有辨识度的“关键点”，并且如何将这些点的信息进行编码，这其中的智慧让我惊叹。更让我兴奋的是，本书也全面地介绍了深度学习在计算机视觉领域的革命性进展。从卷积神经网络（CNN）在图像分类和物体识别上的强大能力，到各种端到端的模型，都进行了深入浅出的阐述。每一次阅读，都让我感受到知识的拓展，以及对未来科技发展无限的憧憬。
评分《视觉机器》这本书，带我进入了一个由算法和数据构成的视觉奇境。我一直对那些能够让机器“看懂”世界的技术感到惊叹，而这本书则以一种非常系统和易懂的方式，为我打开了这扇门。我原本以为计算机视觉只是专注于识别物体，但这本书让我明白，它涉及到的是从图像采集、预处理，到特征提取、匹配，再到最终的目标识别、跟踪和场景理解的整个过程。作者在讲解每一个概念时，都力求做到深入浅出，并且配以大量的图示和示例，这对于像我这样的非专业读者来说，是极其宝贵的。我印象特别深刻的是书中关于“特征描述符”的章节，它让我明白了为什么不同的算法，比如SIFT、SURF、ORB，能够从图像中提取出具有鲁棒性的关键点信息，并且这些信息又是如何被用来进行匹配和识别的。更让我兴奋的是，这本书也紧跟时代潮流，深入介绍了深度学习在计算机视觉领域的突破性进展。从卷积神经网络（CNN）在图像分类和物体检测上的惊人表现，到循环神经网络（RNN）在视频分析和图像生成上的应用，作者都进行了详细的阐述。每一次阅读，都让我对人工智能的强大能力有了更深刻的认识，也对未来的科技发展充满了期待。
评分《视觉机器》这本书，对我而言，是一次关于“看见”本质的深度挖掘。我一直对那些让机器能够“理解”图像的科技充满了好奇，而这本书则以一种极为清晰和系统的风格，为我一一解读了其中的奥秘。作者并没有一开始就抛出那些令人望而生畏的数学公式，而是从最基础的图像形成和表示开始，逐步深入。我尤其喜欢书中对图像特征提取的介绍，比如边缘检测、角点检测等，这些基础的技术是如何帮助计算机“捕捉”到图像中的关键信息，从而为后续的识别奠定基础。而当书中介绍到如SIFT、SURF等特征匹配算法时，我更是被其精巧的设计所吸引，它们是如何在不同的视角和光照条件下，依然能够找到图像中的对应点，这其中的智慧令人赞叹。更让我感到兴奋的是，本书也全面地阐述了深度学习如何颠覆了计算机视觉的格局。从卷积神经网络（CNN）在图像分类任务上的卓越表现，到各种先进的目标检测和分割模型，作者都进行了详尽的讲解。每一次阅读，都像是为我的思维注入了新的活力，让我对人工智能的未来充满信心。
评分作为一名对人工智能和计算机视觉领域一直抱有浓厚兴趣的普通读者，我怀揣着一份好奇心翻开了《视觉机器》。在阅读过程中，我惊喜地发现，这本书不仅仅是一本冰冷的理论技术手册，更像是一位经验丰富的向导，带领我一步步探索那个由像素、算法和模型构成的奇妙世界。我原本以为，视觉识别不过是简单的图像匹配，但《视觉机器》却让我看到了其背后错综复杂的逻辑和深邃的数学原理。从最基础的图像处理技术，如边缘检测、特征提取，到更高级的机器学习模型，如卷积神经网络（CNN）和循环神经网络（RNN），作者都以一种极其耐心和清晰的方式进行阐释。每一个概念的引入都伴随着生动形象的比喻和易于理解的示例，这对于像我这样非专业出身的读者来说，无疑是极大的福音。我尤其喜欢书中关于“感知”的探讨，它不仅仅是识别物体，更是理解物体之间的关系，理解场景的含义，甚至预测物体的行为。例如，书中通过对行人检测和跟踪的案例分析，让我看到了计算机如何“学习”一个人的行走规律，如何在复杂的动态环境中准确地识别并跟随目标。这种从“看到”到“理解”的转变，让我对人工智能的未来充满了无限遐想。这本书的结构也十分巧妙，循序渐进，从基础概念到前沿技术，层层递进，让我在不知不觉中吸收了大量的知识。每一次阅读都像是一次思维的拓展，让我对“机器能够看懂世界”这一概念有了更深刻的认识。
评分作为一名热衷于科技的普通读者，我一直对“机器能够看见”这件事抱有极大的好奇。《视觉机器》这本书，就像一本开启未来之门的钥匙，让我窥见了人工智能在视觉感知领域所能达到的高度。我原以为计算机视觉就是简单的像素叠加和模式识别，但读完这本书，我才明白，其背后是多么庞大而精妙的体系。从最基础的图像采集和预处理，到复杂的目标跟踪和场景理解，作者都进行了循序渐进的讲解。我尤其欣赏书中对算法的描述方式，它不是简单地给出公式，而是深入浅出地解释算法的原理和核心思想。例如，在讲解边缘检测时，作者通过对比不同算子（如Sobel、Laplacian）的效果，让我们直观地感受到它们在捕捉图像细节方面的差异。而当进入到机器学习和深度学习部分时，书中对卷积神经网络（CNN）的讲解更是让我眼前一亮。它不仅仅是介绍网络结构，更重要的是解释了每一层的作用，以及它们是如何协同工作来提取高级视觉特征的。我曾经尝试过一些简单的计算机视觉项目，但总是感觉缺乏理论支撑，《视觉机器》恰好弥补了这一点。它让我明白，原来那些看似“智能”的功能，都是由一连串精密的算法和模型构建而成的。
评分《视觉机器》这本书给我的最大感受，是它成功地将一个在许多人看来艰深晦涩的领域，变得触手可及。我一直对人工智能的“眼睛”——计算机视觉——充满好奇，但总觉得它离我太过遥远，充斥着复杂的数学公式和高深的算法。然而，当我开始阅读《视觉机器》时，这种顾虑很快就烟消云散了。作者似乎是一位非常善于沟通的老师，他没有一开始就抛出那些让人望而生畏的术语，而是从最基础的图像形成原理说起，就像在讲述一个关于光影和感知的童话故事。书中对图像噪声的消除、对图像特征的提取，比如SIFT、SURF等算法的介绍，虽然涉及一定的技术细节，但作者通过生动的比喻和类比，将其解释得如同解谜游戏一般有趣。我印象特别深刻的是关于“目标检测”的章节，它不仅仅是告诉我们如何框出物体，更是解释了模型是如何“学习”识别物体的边界和属性的。从早期的Haar特征到后来的HOG，再到如今强大的深度学习模型，作者都一一梳理了技术发展的脉络，让我看到了计算机视觉领域是如何一步步走向智能化的。阅读过程中，我时常会停下来思考，想象着书中的算法是如何在现实世界中发挥作用的。例如，自动驾驶汽车如何识别道路上的车辆、行人、交通标志，智能手机如何实现人脸解锁，这些曾经在我看来是魔法般的技术，在《视觉机器》的引导下，逐渐显露出其科学的魅力。这本书让我觉得，未来真的不是遥不可及，而是由这些精巧的算法和模型构成的。
评分坦白说，在翻开《视觉机器》这本书之前，我对于“计算机视觉”这个概念的理解，仅限于手机上的人脸识别或者简单的物体扫描。然而，这本书彻底颠覆了我之前的认知，让我看到了一个更加广阔和深刻的领域。作者以一种非常友好的姿态，将那些原本晦涩的算法和模型，一点点地呈现在我的眼前。我特别欣赏书中对于图像处理基础的讲解，比如如何去除噪声，如何增强图像对比度，这些看似简单的操作，却是后续更复杂任务的基石。而当书中开始介绍特征提取和匹配技术时，例如SIFT、SURF算法，我更是被深深吸引。作者通过生动的图例，解释了这些算法是如何从图像中找到那些独特的“地标”，并且如何利用这些地标来进行物体识别和场景重建。更让我感到震撼的是，这本书也毫不回避地探讨了深度学习对计算机视觉的革命性影响。从卷积神经网络（CNN）在图像分类任务上的巨大成功，到各种先进的目标检测和分割模型，作者都进行了详尽的介绍。每一次阅读，都感觉像是在进行一次思维的“升级”，让我对“机器如何学习并理解世界”有了全新的认识。
评分《视觉机器》这本书，在我看来，是一次关于“看见”的深度探索。我一直对人工智能在感知层面的能力充满着好奇，尤其是计算机如何能够像人类一样，去“看”并“理解”我们所处的这个世界。这本书没有让我失望，它以一种非常系统和全面的方式，为我揭示了计算机视觉的奥秘。作者在讲述各种图像处理技术时，常常会从问题的根源入手，比如图像的噪声是如何产生的，我们又如何通过滤波等方法来消除它。这些基础知识的讲解，为后续更复杂的算法奠定了坚实的基础。我尤其喜欢书中关于“特征点匹配”的章节，它让我明白了为什么在全景照片拼接或者物体识别时，我们能够找到关键的对应点。SIFT、SURF等算法的引入，让我对这些“眼睛”中的智慧有了初步的认识。更让我惊喜的是，这本书并没有止步于传统的图像处理，而是大胆地引入了深度学习的强大能力。从卷积神经网络（CNN）在图像分类中的卓越表现，到循环神经网络（RNN）在视频分析中的应用，作者都进行了细致的讲解，并且配以大量精美的图示。每一次阅读，都像是为我的大脑注入了新的知识养分，让我对未来科技的发展充满了期待。这本书不仅仅是技术的罗列，更是一种思维方式的引导，让我开始从“机器如何工作”的角度去思考问题，去观察世界。
评分罗丹说整体的真实性借助于细节的非精确性！当我们以为看清看全了宇宙时、我们已经丧失了最低的想象力！看到的未必是真的、希区柯克也说观众是从记忆中制造图像！记忆就是想象力的回溯！年轻的我们都患上了视觉失读症、无法理解所读的东西、更没有能力再现再表达！这种某在意义的消失如果是美的、那便是夕阳之美、变幻莫测的、用以自我安慰地总结个人终结时代的方式！在艺术作品中、程抱一所谓的完美的作品激发人们置身其中的欲望、这种忘我的消解就是创作者和作品跌进消失的美学彰显！
评分基本不明白，跳过去再说
评分罗丹说整体的真实性借助于细节的非精确性！当我们以为看清看全了宇宙时、我们已经丧失了最低的想象力！看到的未必是真的、希区柯克也说观众是从记忆中制造图像！记忆就是想象力的回溯！年轻的我们都患上了视觉失读症、无法理解所读的东西、更没有能力再现再表达！这种某在意义的消失如果是美的、那便是夕阳之美、变幻莫测的、用以自我安慰地总结个人终结时代的方式！在艺术作品中、程抱一所谓的完美的作品激发人们置身其中的欲望、这种忘我的消解就是创作者和作品跌进消失的美学彰显！
评分基本不明白，跳过去再说
评分對照英文翻譯細讀「視覺機器」一文，為本書的中譯默哀，好多錯譯啊啊啊。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 onlinetoolsland.com All Rights Reserved. 本本书屋 版权所有