【CSIG奖励访谈】2021年度CSIG优秀博士学位论文奖获奖者吴岸聪

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吴岸聪

2022 年 6 月 17 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吴岸聪进行了专访，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，我是吴岸聪，2020年毕业于中山大学，目前是中山大学计算机学院的博士后，研究方向是面向视频图像分析的无监督学习与多模态学习。在攻读学位期间，主要的研究方向是行人重识别，首次开展“可见光-红外”跨模态行人匹配的研究，公开首个大规模“可见光-红外”基准行人数据集。发表IEEE Trans.和CCF A类国际顶级论文10余篇，包括IEEE TPAMI、IJCV、IEEE TIP、CVPR、ICCV等。2020年获得ACM MM会议举办的复杂事件多目标跟踪竞赛第一名。2020年入选博士后创新人才支持计划。2021年入选百度全球AI华人新星百强榜单。

问题二：下面请为大家简单的介绍一下您这篇论文的情况：

本人学位论文的研究方向行人重识别，是监控系统中行人轨迹分析的基础，对公共安全有重要的意义。现有研究难以适用于开放环境下的复杂场景，如极端光照变化、行人表观变化、跨场景部署等。论文围绕这些方面发展新型的多模态学习、迁移学习与无监督学习等算法，解决极端光照变化情况下的“可见光-红外”跨模态匹配、对行人表观变化鲁棒的特征提取以及跨场景迁移中减少标注、提高训练效率和轻量化等问题。

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？

在科学研究的道路上，我仍是个刚上路的新手。研究工作的顺利进行离不开合作者的鼎力支持。在设计方法与进行实验验证的过程中，可以经常假设写成完整的论文需要如何说明提出的方法与问题特点难点的关系、提出的方法可以解决什么现有方法难以解决的问题以及提出的方法各部分的层次性，然后对合作者阐述并寻求反馈。在此过程中可以帮助自己更好地理清思路，理解方法有效的深层原因，思考比现有研究问题更加具有一般性的情况，从而可能得到新的发现。

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？

在论文筹备过程中，最大的挑战主要是在一些研究课题上进展不顺，缺乏好的方法设计思路和实验经验。在研究生阶段通常需要完成一系列系统性的工作，包含几个互相关联的研究课题。当其中一个研究受阻的时候，可以适时考虑改变研究路线，先尝试其他相关课题的研究。在研究完其他课题再返回原本的课题的时候，可能可以带回解决问题的新思路。但研究方向的切换不宜过于频繁，导师在研究课题规划上指引对我有很大的帮助。

问题五：最后，有什么话想对自己的导师说呢？

由衷感谢我的导师赖剑煌教授和郑伟诗教授。两位老师是我进入人工智能研究领域的启蒙老师，他们为我打开了一个充满趣味与挑战的世界，点燃了我对学术研究的热情。科研团队中浓厚的学术氛围和丰富的资源为我在科研上的成长提供了沃土。两位老师深厚的学识、严谨的治学精神、一丝不苟的工作态度和勇于创新的魄力对我有深远的影响，使我在学术研究和为人处世上都获益匪浅。科研的道路并不平坦，老师们循循善诱的指导和支持总能为我指明方向和坚定信心，让我能坚持不懈地继续前进。对人工智能研究的向往使我立志成为一名科研工作者，两位老师永远是我在科研道路上的榜样。