机器视觉是人工智能的热点，以人的感知、认知、决策机理为基础的视觉心智计算是实现类人水平视觉智能的最可能的突破点，服务于无人系统、智慧医疗等应用，具有鲜明的特色。人工智能技术的发展，促进了跨学科交叉的研究，人们对于智能的**追求是让计算机能够读懂人的心理，并且让机器具有人的心智。眼睛被称为是心灵的窗口，视觉是连接客观世界和大脑的重要接口，计算是智能的实现方式。

马惠敏教授，北京科技大学计算机与通信工程学院副院长，2001-2019年在清华大学电子工程系任教，北京市“三八红旗奖章”获得者，现任中国图象图形学学会副理事长兼秘书长。长期从事计算机视觉与智能无人系统研究，主持了国家自然科学基金联合基金重点项目、专项重点项目等课题，发表论文100余篇，谷歌学术引用4000余次，获吴文俊人工智能科技创新奖一等奖、中国图象图形学学会技术发明奖一等奖，项目成果已广泛应用于航空、交通、医疗、教育等国家重点行业领域。

前言 想象一个场景： 你和最好的朋友小红一起去餐厅吃饭，你们之间常常不需要说太多话就能理解对方的意图。你们坐下后，小红注意到你目光不自觉地落在了菜单中的烤鸭上，虽然你没有直接说出来，但小红已经知道你对这个菜品感兴趣，于是主动说要点这道菜。小红之所以能够准确地理解你的意图，完全是基于你的非语言线索推测的，没有语言沟通，也能够通过表情变化和眼神交流传达彼此的意图和需求等。 这是我们日常生活中已经习以为常的事情。这种理解他人心理状态的能力，被称为心智理论 (theory of mind，ToM)。近几十年来，很多研究致力于理解这种能力，以及应该怎样测量，等等。视觉心智理论是心智理论概念很重要的一方面，比如开篇的例子中点菜过程中的交流是靠视觉信息传达的。 在科技发展的今天，建模和计算心智理论是一件意义非凡的事。如果人们了解了心智能力的数学表达和计算方法，就有可能创造出像《流浪地球》中MOSS那样的智能体。横空出世的ChatGPT已经很大程度上改变了我们的生活，但是目前研究表明，即使是最先进的大模型，也仍然与人的心智能力相差甚远，这条路存在很多理论障碍有待日后突破。 本书编写的目的就是希望通过全面地介绍心智理论的概念、发展，并且引入视觉心智理论及其计算方式，让读者系统地了解、深入理解这一前沿领域，填补相关图书领域的空白。 作为一个不断演进的领域，视觉心智计算涉及多学科的交叉，涵盖从视觉认知理论到智能体建模的广泛内容。在撰写过程中，我们力求通过清晰的结构和系统的内容，将专业的理论和方法以易于理解的方式呈现给读者。 在本书的编写过程中，我们邀请了诸多同行和朋友...