香港科技大学（广州）系列报道“英才访谈”
教授档案
香港科技大学（广州）人工智能学域助理教授，博导，香港科技大学计算机科学与工程系联署助理教授。2020年毕业于香港中文大学，曾担任麻省理工学院博士后研究员。多年以来一直致力于计算机视觉与机器学习的研究，在TPAMI、CVPR、ICCV、ECCV等顶会顶刊发表论文三十余篇，多次受邀在顶级学术会议做口头报告，研究成果曾被CGTN等国家级媒体报道。在TPAMI、IJCV、CVPR、ICCV、ECCV、NeurIPS、AAAI等顶会顶刊担任程序委员会成员或审稿人，并在IJCAI与AAAI担任资深程序委员会成员。
导言： 在博士期间，陈颖聪主要从事计算机视觉与深度学习核心问题的研究，特别是生成式视觉模型。毕业后，陈颖聪前往MIT（麻省理工学院）从事博士后研究工作。在这里，他作为计算机视觉方面的专家，参与了多个计算机视觉、无线感知与医疗健康交叉的项目，实现了一系列具有实际应用价值的成果。他深刻认识到了AI与其它学科交叉的巨大潜力，并明确了自己未来的科研方向。为了进一步探索这个方向，他毅然加入了以发展交叉学科为目标的港科大（广州）。在这里，他将继续探索计算机视觉与其它领域的交叉融合，并培养跨领域的科研创新人才，以推动技术的发展与社会的进步。
Q: 陈颖聪教授您好！请您为我们介绍一下您的求学、科研经历。
A: 我2013年开始从事计算机视觉领域的研究工作。在这十年间，我经历了从传统方法到深度学习的研究范式的转变，见证了计算机视觉的兴起。但同时我也逐渐感到随着这个领域的研究逐渐成熟，要做出突破性成果的难度越来越大了。因此，我一直在思考如何突破当前研究的思维定势。博士毕业后，我决定冒险跳出这个领域去看看其他领域的情况。
幸运的是，我在博后期间就找到了答案。当时我的合作导师希望我将计算机视觉领域的成功经验迁移到无线感知中，通过深度学习赋予WiFi信号感知人体健康信息的能力。这在我看来是不可想象的——WiFi信号看不见摸不着，而且极容易受到环境的干扰，如何用来检测极为微弱复杂的人体健康信息？就算勉强把项目做出来，那也只能是一个只适用于实验室理想环境中的概念型工作吧？
然而，出于对新问题的兴奋感和对新领域的好奇心，我还是接受了这次挑战，跟无线领域、健康领域的同事一起开展WiFi健康检测的研究。而这段研究经历也让我深刻感受到跨领域研究的巨大潜力。在MIT的研究生涯中，我们实现基于WiFi信号的远程血氧监测，其误差与商用血氧计相当，可部署在居家隔离的新冠病人家中，实现不间断的血氧监测，为诊断提供重要依据。我们还实现了基于WiFi信号的帕金森氏症诊断，通过深度学习分析WiFi信号被病人呼吸时调制的特征，实现无扰式连续监测，突破了二十余年来基于量表的诊断方法冗长繁杂的局限性，提升诊断、跟踪病情发展的效率。另一方面，我们还在研究跨领域问题中，解决了不均衡回归这一在深度学习领域长期受到忽视的问题，为原本的研究领域带来新的思想。
这段研究经历颠覆了我先前对研究的认识：优秀的研究工作不仅可以深入探究单一领域的方法机理，还可以从现实问题出发，有机融合多个领域的知识，形成新的理论与方法，进而为原有领域带来全新的思维范式。正是这段研究经历，让我明确了自己未来的研究方向，促成我加入港科大（广州）。港科大（广州）发展交叉学科的独特理念，与我自己的未来的职业规划不谋而合。
Q: 那您在港科大（广州）目前的研究方向是什么呢？
A: 我一直致力于生成式视觉模型的研究，目前的研究包括两个方面。第一个方面关注这个方向的核心问题，例如如何提升生成的质量、速度、可控性和可用性等，最终希望得到一系列稳定通用的视觉生成方法。第二个方面则积极应用先前跨领域的研究经验，从大湾区的实际产业中提炼出关键问题，结合生成式视觉模型的成果和业界合作伙伴的领域知识开展跨领域研究。目前我们也与思谋科技、华为诺亚方舟实验室、趣丸科技等公司紧密合作，包括建立联合实验室、联合培养博士生、技术研发合作等，在工业智能、智能驾驶、智能创作三个应用领域寻求突破。
Q: 在港科大（广州）工作，有什么特别的感受？
A: 这里的工作理念非常先进，而且大家都在身体力行地践行它，这让我对教育的看法发生了很大的变化。例如，学校非常强调以学生为中心的理念，在很多地方只是口号，但在港科广却是全方位得到实践。这种实践不仅包括制度、课程等客观层面，还包括对青年教授潜移默化的影响。例如，吴景深副校长经常自掏腰包请青年教师聚餐，创造很多非正式沟通的机会来传达这一观念，并收集大家对学校规划与政策的意见与反馈。这使我感受到自己作为一线教师的意见在学校层面也受到了充分的尊重，进而也会想把这种尊重传递给学生。在这里，我受到的最大启发之一就是对老师角色的定位，即老师应该更多地扮演教练而不是监督者的角色，通过帮助学生成长来解决科研问题，而不是仅仅为了解决科研问题而忽视学生的成长。
Q: 那您在教课和带学生的时候是如何实践这一理念的呢？
A: 我现在教授的课程是《Foundations of Deep Learning》（深度学习基础）和《Computer Vision and Its Applications》（计算机视觉及其应用） 两门课。选课的学生背景十分多元，来自很多不同的学域。因此我的课程内容会尽可能考虑不同学生的需求，同时，尽可能在讲授内容的过程中，把背后的思想讲清楚，帮助学生建立这个领域通用的思维框架。这个框架建好之后学生便可以通过自学把这两个领域的成果应用在他们的工作中。同时，我的作业也是围绕这个目的去设置的。以深度学习为例，这门课的作业不设置具体题目，只需把深度学习结合到自己本身的研究领域中，完成科研工作的全流程即可，包括Research Proposal（研究计划书）, Project Report（项目报告）, Presentation（展示）。这个作业的难度和工作量弹性很大，但实际上绝大部分同学都非常认真地完成了工作，超过10个课程作业被提交到各个领域很好的会议与期刊中，一些已经接收。最后在课程评价中，有95%的学生认为这门课程感到满意。这让我更加坚定支持学校的教育理念，即充分相信学生的自主性与创造力，把工作重点从强制监督转变为思想与方法论上的引导与支持。
在指导我的博士生时，我也积极践行这一理念。例如，我当前的学术目标是通过与多个领域的交叉研究，建立普适的生成式视觉模型，但我并不强迫我的博士生都要做跟这个方向强相关的课题。我更关注学生能通过研究活动本身提升思维深度和掌握解决问题的系统方法，在自身领域成为合格的研究者，最终通过跨领域合作为不同学科引入新的思想。这些学生非常有天赋，能力提升非常迅速。例如，我们组的学生大部分是博一的新生，经过半年的努力，大部分人都提交了顶会论文，不少分数不错，这表明他们在很短的时间内已经初步掌握了科研的基本能力，未来的潜力非常巨大。
Q: 请您用一句话推介香港科技大学（广州），邀请海内外优秀学者加入我校。
A: 期待与海内外优秀学者在港科广相遇，跨学科创新，共筑美好未来！
–
文章来源于香港科技大学广州 ，作者HKUSTGZ