人工智能生成图像技术,未来或能取代电影特效

《麻省理工科技评论》公布了2018年“35岁以下创新35人”（Innovators Under 35 China）中国区榜单。从榜单中，我们看到更多中国创新科研力量的崛起，也看到跨学科、跨领域、并且对落地应用有更强烈企图心与使命感的科研创新，这其中涵盖人工智能研究与应用、NLP、脑科学、新材料、新能源、生命科学、生物科技、自动驾驶等多个不同领域。我们将陆续发出对35位获奖者的独家专访，介绍他们的科技创新成果与经验，以及他们对科技趋势的理解与判断。

关于Innovators Under 35 China榜单

自 1999 年起，《麻省理工科技评论》每年都会推出“35岁以下创新35人”（Innovators Under 35 China）榜单，旨在于全球范围内评选出被认为最有才华、最具创新精神，以及最有可能改变世界的 35 位年轻技术创新者或企业家，共分为发明家、创业家、远见者、人文关怀者及先锋者五类。2017年，该榜单正式推出中国区评选，遴选中国籍的青年科技创新者。

陈启峰在中学时期就接触到了编程，从此他对计算机科学的热爱便一发不可收拾。

2008年，陈启峰拿到了香港科技大学提供的54万奖学金，开启了本科生涯。那时的他并未过多关注计算机视觉领域，直到两年后的密西根大学交换之旅，才让他发现了其中的美妙之处，并且将其锁定为未来的研究方向。

在回归香港科技大学后，陈启峰选择了多门计算机视觉课程，甚至包括一些研究生水平课程。最终他以22门计算机课程满分的傲人成绩毕业，获得了香港科技大学本科生科研冠军奖，还在2011年ACM-ICPC国际大学生编程总决赛中斩获金牌（全球第二名）。

“他是我在科大过去十七年所见过的最杰出的本科生，”香港科技大学教授Chi Keung Tang对陈启峰给予了高度评价。

事实上，陈启峰在2012年发表的“KNN Matting” CVPR论文已经获得了超过百次引用，是引用最多的自然图像抠图论文之一。这也是他科研初期的主要研究方向，其中讨论了将Alpha Matting推广至多图像层估算，并且不需要复杂的采样策略或限制性的典型颜色模型假设。他推导出了一种封闭形式的解决方案，使相关算法变得更加简单快速。

这也印证了陈启峰博士导师Vladlen Koltun的看法，“他是一位异常强大且富有洞察力的科研人员，总是能够切入问题的本质。”

在斯坦福大学攻读博士期间，陈启峰在图像合成与分解，三维重建，MRF优化和光流算法等方面取得了颠覆性成果，多篇论文被ICCV和CVPR连续多年收录并选为口头报告。他的很多研究成果甚至推翻了传统解决方案，在业界引发轰动。

回归问题本质，剥离所有复杂性并找出简单优雅的解决方案，是陈启峰最显著的研究特点。

其中一个例子是，陈启峰将MRF优化应用于三维表面的非刚性匹配问题（nonrigid registration）。这两个看似完全不同领域，却被他联系起来，通过重新思考一个被其他研究人员所忽视的经典公式算法，颠覆了非刚性图像匹配过去十年的研究成果——算法精确度提高了三倍，远超现有模型，业界后续的研究工作也因此转变。

近年来，陈启峰的研究转向了深度学习与图像处理，开始将神经网络应用于图像处理和合成。“我认为图像识别技术是很多计算机视觉应用的入口，只有图像清晰，才能获取更多的信息，”陈启峰在采访中表示。

以此为核心，他提出了多个创新性研究课题，研究如何利用深度学习革新图像处理算法，比如在极端黑暗的环境中生成高质量的图像，以及在给定某场景语义布局的情况下，计算机是否能够生成准确描绘此场景的图像？这些图像是否能够做到以假乱真的地步？更进一步讲，机器是否具备想象力？是否可以自动创建动画？

陈启峰对此十分自信，“我的研究显示，答案是肯定的。”他启发性地首创基于多个分辨率倍增模块的级联优化网络，能够以200万像素的分辨率合成高分辨率图像，相关论文被ICCV 2017和CVPR 2018收录并被选为口头报告。研究成果演示视频在网上广为流传，其表现有望开启视频和图像处理的新篇章。

他对未来技术的发展充满想象，“我更关注的一个应用方向是，希望可以做出一套基于计算机视觉的AI工具，提升电影特效的真实性，降低其整体制作成本。如果再进一步，人们只需要输入一些场景的文字描述或者剧本，比如主角的样貌，AI工具就可以自动合成电影中的部分场景。”

除了学术研究，陈启峰还以联合创始人和首席科学家的身份，创办了区块链直播平台Lino Network。他用顶尖的编程技术，帮忙搭建了去中心化直播平台的后端和服务器。目前该平台已经获得了超过2000万美元的融资，月活用户超过100万人，估值超过1.2亿美元。

陈启峰认为，对于科学研究而言，最重要的是提出一些具有启发性的想法，而不是直接拿来别人的成果。因此在他看来，以助理教授的身份重返香港科技大学，能够帮助他继续在计算机视觉领域深入探索，是继续推动人工智能技术创新和前沿发展的好机会。

“希望借此机会能够贡献更多高质量的研究成果和产品，”陈启峰教授如是说。