【CSIG奖励访谈】2021年度CSIG优秀博士学位论文奖获奖者汪翔

会员服务 ·

【CSIG奖励访谈】2021年度CSIG优秀博士学位论文奖获奖者汪翔

2022 年 5 月 20 日 中国图象图形学学会CSIG

中国图象图形学学会优秀博士学位论文奖旨在推动中国图像图形学领域的科技进步，鼓励创新性研究，促进青年人才成长。

为宣传科技工作者积极进取的工作精神，聚焦获奖人背后的故事，学会近日对荣获2021年度CSIG优秀博士学位论文奖的获奖者汪翔进行了专访，以对话的形式，为读者们提供一次了解他的机会。

下面就跟着我们的脚步，走近今天的受访者吧。

问题一：首先非常感谢您接受我们的采访，请先向大家介绍一下自己：

大家好，我是汪翔，2019年7月博士毕业于清华大学电子工程系，现在腾讯任职高级算法研究员。博士期间研究方向主要为图像分割及弱监督学习。累计发表IJCV/TIP/PR/CVPR等期刊和会议论文19篇，担任TIP/CVPR/ICCV/ECCV/ICML等期刊和会议的审稿人。博士学位论文《基于同物性学习的复杂场景图像分割研究》获得2021年度CSIG优秀博士学位论文奖。曾获得国家奖学金、北京市优秀毕业生等奖项。

问题二：下面请为大家简单的介绍一下您这篇论文的情况：

图像分割是计算机视觉的基础研究问题之一，可以理解为是一个像素聚簇问题和一个分类问题，即哪些像素是属于同一个物体的，这个物体是属于哪个类别。而前者则是图像分割面临的核心问题。论文提出了一种同物性学习方法，即学习哪些像素或区域属于同一个物体。在单图内，我们提出了一种基于空间结构的区域同物性学习方法，解决了传统方法缺乏物体整体性表达的问题。在此基础上，我们还可以通过多张图像之间的信息，挖掘各类物体存在的共同特征，从而能获得更好的物体表达。论文提出的方法在显著性物体分割任务上，对现有方法实现3%-40% 的提升，在多个国际标准评测集上达到国际领先水平。在语义分割任务上，论文提出的方法在仅使用图像类别标签作为监督的情况下，实现了同样网络架构下基于全监督学习方法性能的91%，极大地拓展了语义分割的实际应用。

问题三：请问您在科研过程中，有没有什么好的方法可以推荐给大家？

阅读最新的科研论文，首先对自己子方向要关注最新的顶会和arXiv研究论文，知道当前的研究方法和水平，其次对于其他方向的重要论文也要及时跟进，从中也许能学到很多可以借鉴的方法。

多和导师和实验室同学讨论，能够碰撞出不同的火花。

方向对了，不怕路途崎岖，实验过程中可能会遇到很多次失败，但是不要气馁，多从失败中总结经验，坚持就是胜利。

问题四：在您论文筹备过程中遇到的最大的挑战是什么？是怎样克服的呢？

最大的挑战在于如何提出新的idea。解决方法主要是进行大量的文献调研，清楚该领域采用的主要方法和存在的问题，而论文中有时候对当前方法存在的问题描述都比较少，一般还需要运行作者的源码，从代码和结果里可以了解到更多。其次也可以在自己之前的研究基础上，进行扩展或升级，解决更复杂的问题。

问题五：最后，有什么话想对自己的导师说呢？

感谢我的导师马惠敏老师对我的悉心指导。学术上，马老师以严谨的科研作风，前瞻的科研思想，教导我如何做好科研。马老师一直教导我们，学术上一定要有坚持，要做真正有价值有质量的研究工作。此外，在每一次的论文投稿、开题、答辩过程中，马老师都会认真耐心地帮我指导和修改，使得我博士期间整体都比较顺利。在生活中，马老师也是对同学们关怀备至，教会我们很多为人处世的道理，受益匪浅。同时，良好的实验室氛围，也会是我终生难忘的记忆。

感谢在加州大学默塞德分校访学期间，Ming-Hsuan Yang老师的指导，他扎实、严谨、高效的科研作风对我产生了很大的影响，对我的研究工作给予了很多的帮助，从中我学到了很多宝贵的科研经验。