优博微享｜接口智慧，科研人生

编

者

按

为提高浙江大学博士生学位论文质量，激励博士研究生的创新精神，促进研究生教育的内涵发展，浙江大学自2016年起每学年开展一次优秀博士学位论文评选工作，最终由学校学位评定委员会评选出不超过10篇论文作为优博论文。2020年共有9篇博士学位论文被获评浙江大学优秀博士学位论文。

浙江大学研究生教育特推出“优博微享”专题，对优博论文获得者进行专题采访，以期给同学们的科研学习生涯提供经验参考，共同探索追求科学研究的真知。

机缘：于新型领域锐意进取

“其实是阴错阳错让我选择这个专业，我的本科专业是电子信息工程。”当时这位浙大学子本想在研究生阶段继续攻读本专业，但是保研确认导师时出了差错，后经一位本科老师推荐，他才有机会成为肖俊教授的学生。

正是这样的机缘巧合，让他开始转向计算机科学领域的研究。陌生的专业、全新的知识，意味着更多的挑战。他坦言，在博一的时候一下子接受这么多新知识，让他很难找到学习的侧重点。

     即便如此，他仍然笃行不怠、锐意进取，博士期间，以第一作者身份共发表5篇CCF-A类论文，1篇CCF-B类论文，3篇论文获大会口头报告，其中单篇论文谷歌学术引用最高超过1000余次 (截止2022年1月)。曾入选首届AI华人新星百强（2021），获浙江省普通高等学校优秀毕业生（2020）、首届浙江大学博士生学术新星（2018）以及CVPR 2020 Doctoral Consortium等荣誉。

他就是浙江大学计算机科学与技术学院2020届博士毕业生——陈隆。

陈隆与导师肖俊合影

科研之路，挫折避无可避。在陈隆读博期间，刚开始投递出去的两篇论文都很顺利的被主办方接收，但是之后的一些论文陆陆续续皆被拒收。面对挫折，陈隆有正确的态度，“我很感谢这些被拒稿的经历，正是这些被拒收的论文让我开始反思自己的研究问题出在哪里，经过一次次的拒稿、修改、投递，再到最终被接收，在这过程中我成长了很多，也进步了很多。”

学术艰难，贵在坚持，这看似枯燥漫长的过程，其实正是一种可贵磨练、一种洗礼升华。

 钻研：于知识深洋奋楫笃行

复杂视觉场景的感知和理解是数字媒体计算与设计实验室（DCD）的一个重要研究方向，具有很大的潜力和研究空间。陈隆经过接触和了解后，越发觉得计算机视觉是人工智能里面一个很有意思的领域，而且很多研究可应用到现实生活中，具有很大的实用价值。

对于该专业的深入钻研，陈隆已有一套较成熟的学习体系。他建议，同学们在进入计算机专业学习的初期，可以选定一个具体的小方向，花时间去精读优秀论文并锻炼提高自身的编程能力，努力从入门到精通，再拓展论文的阅读区间，多读一些大领域里的论文，开阔视野。

陈隆在大会上作汇报

当问及其新颖的学术理论和灵感都来自于哪里时，陈隆表示，主要有两点，一是在阅读其他相关领域的论文时，会思考有没有可以和自己的研究能够互相结合的地方；二是在与老师同学们讨论交流时，会意识到自己可能忽略掉的一些点，也会迸发出一些新的想法。当然，这也离不开导师肖俊教授一直以来的帮助和指导，“肖老师对我研究内容一直提供积极的正面反馈，这对我无疑是极大的鼓励。”

然而，其自身的努力更是不可忽视。唯有踏实研究，才能厚积薄发，这样的科研精神永远值得我们学习。

陈隆目前是哥伦比亚博士后，继续在科研的道路上前行，谈及个人的研究计划，他表示在短期内将继续计算机视觉相关的研究，在未来希望可以做一些真正对社会有意义和有帮助的研究。

生活：于科研之余热情以待

“人的一生最重要的就是体验，我希望我可以多体验不同的生活。”陈隆平时会积极参加实验室组织的活动，比如去西湖边慢跑、去老和山徒步，喜欢美食，也喜欢看综艺节目、刷短视频等。这就是陈隆对待生活的态度，简单却热爱。

陈隆与导师及实验室同窗在岳庙合影

但陈隆也谈到：“ 我在时间平衡方面做得不是很好，在读博期间，大部分时间都扑在科研上。直到2019年女儿出生，我才开始增加了花在家庭上的时间。”

科研是信仰，却终究不是生活的全部意义，漫漫钻研路总是需要休憩的驿站，让思绪转换和放松。当碰到困难时，陈隆会想想自己的人生目标，告诉自己还有很长的一段路要走；当心情低落时，他会选择和家人倾诉，然后短暂地休息一段时间，再重新进入工作状态。“每个人都像一个‘函数’一样，你只要处理好和其他‘函数’的接口，就能和大家各司其职，和谐共处。”

问及对同学们的寄语，陈隆风趣地回答道：“大家再坚持忍耐一下，毕业之后就知道在学校有多幸福了（哈哈哈）。”

★

博士论文简介

面向复杂场景理解的视觉内容识别、检测

与推理方法研究

复杂视觉场景理解是计算机视觉领域中的一个研究热点问题。同样，计算机视觉研究的终极目标就是构建一个计算机系统，使其能够和人类一样感知和理解复 杂的外界客观世界。为了能够达到人类级别的视觉场景感知和理解，我们希望该计算机系统模型至少应该具备以下三个基本能力:

1. 模型能够检测和识别场景中所有的组成元素，如物体和物体间的视觉关系等;

2. 模型可以对视觉场景内容进行理解和推理，并总结和归纳出知识;

3. 模型可以通过自然语言和人类之间进行交互，传递知识。

对于上述这些能力，本博士论文分别从四个不同的层次对复杂视觉场景进行识别和理解，包括物体级别识别、场景级别识别、场景级别理解和场景级别推理等。具体来说为：

1. 对场景内单个物体进行识别(物体级别识别);

2. 对场景内所有物体以及物体之间的视觉关系进行识别(场景级别识别);

3. 对整个视觉场景的内容进行理解(场景级别理解);

4. 在场景级别理解的基础上进行知识推理(场景级别推理)。

本博士毕业论文针对这四个不同层次的视觉场景感知和理解，逐步地对复杂视觉场景中视觉内容的 识别、检测和推理进行研究。

★

文字｜李笑

图片｜陈隆

本文编辑 | 李笑

责任编辑｜郭磊艳

推荐阅读