2026年06月30日下午2点，长沙理工大学金盆岭校区六教201室举行了一场题为《噪声的三重角色：从图像处理理解人工智能视觉》的通识讲座。讲座由计算机学院胡雨轩博士主讲，围绕图像噪声这一日常而基础的现象，系统介绍了人工智能视觉中的图像表示、图像去噪、生成式模型与对抗安全等内容，引导同学们从一张普通照片出发，理解人工智能视觉技术的发展脉络与前沿应用。

讲座首先从手机夜景拍摄、老照片颗粒感、信号传输干扰等生活场景切入，说明噪声在数字图像中的来源与表现形式。胡雨轩博士通过像素、颜色空间和数字矩阵等概念，帮助同学们理解“图像在计算机中如何表示”这一基础问题，并进一步介绍了含噪图像模型、椒盐噪声、高斯噪声、泊松噪声等常见类型，使大家认识到图像去噪并不是简单地“擦掉噪点”，而是在信息不完整条件下估计最合理图像的反问题。

在讲解噪声作为“干扰源”的过程中，胡雨轩博士结合邻域平均、中值滤波、卷积神经网络、残差学习、注意力机制与Transformer等方法，梳理了图像去噪技术从传统规则到数据驱动模型的演进路径。她指出，传统滤波方法依赖人工设定规则，往往面临参数选择、适用范围有限和细节保持困难等问题；而深度学习方法能够通过大量数据自动学习图像结构与噪声规律，成为现代视觉算法的重要基础。讲座中对卷积“小窗口扫描、乘加得到特征”的直观解释，也帮助低年级同学更好地理解神经网络处理图像的基本原理。

随后，讲座进一步展示了噪声的第二重角色—“生成机制”。胡雨轩博士介绍了扩散模型的基本思想：先向真实图像逐步加入噪声，再训练模型学习反向去噪过程；当模型从随机噪声出发反复去噪时，便可以逐步生成新的图像或视频。她结合Stable Diffusion、DALL·E、Sora等典型应用，阐释了当前生成式人工智能与“逐步去噪”之间的内在联系，使同学们认识到噪声并不总是需要被消除，在新的问题设定中也可以成为创造视觉内容的核心机制。

在讲座后半部分，胡雨轩博士围绕噪声的第三重角色—“攻击载体”，介绍了对抗样本与人工智能安全问题。她指出，人眼难以察觉的微小扰动可能导致高性能识别模型产生严重误判，这对自动驾驶、人脸识别、医学影像等应用场景提出了新的安全挑战。针对这一问题，讲座讨论了去噪防御、对抗训练、模型鲁棒性和可解释性等思路，引导同学们理性认识人工智能的能力与边界。

讲座最后，胡雨轩博士将相关内容回归到本科低年级课程基础，指出图像矩阵与卷积运算离不开线性代数，噪声分布和扩散过程离不开概率统计，模型训练依赖最优化方法，而算法实现则需要程序设计、数据结构与机器学习等能力。她鼓励同学们重视基础课程学习，通过小型实验、经典模型复现和文献阅读逐步建立科研兴趣与实践能力。与会学生表示，本次讲座内容贴近日常生活、逻辑清晰、深入浅出，不仅帮助大家理解了人工智能视觉的基本思想，也激发了对生成式人工智能、视觉安全与交叉创新应用的进一步兴趣。

（文/胡雨轩 图/胡雨轩 一审/金帅 二审/张建明 三审/刘朝辉）