回國！紐約州立大學(xué)石溪分校教授凌海濱全職加入西湖大學(xué)

12月30日，西湖大學(xué)發(fā)布消息，紐約州立大學(xué)石溪分校帝國創(chuàng)新教授凌海濱全職加入西湖大學(xué)，創(chuàng)立智能計(jì)算與應(yīng)用實(shí)驗(yàn)室。

2024年6月，在西雅圖召開的CVPR會議上，凌海濱偶遇了博士同窗鄭冶楓。彼時(shí)，鄭冶楓已決定全職加入西湖大學(xué)，正著手籌建醫(yī)學(xué)人工智能實(shí)驗(yàn)室。

“海濱，我下個(gè)月就去西湖大學(xué)了。”鄭冶楓開門見山，“你要不要考慮一起回國？”

這句話，如同一枚石子，精準(zhǔn)地投入了凌海濱平靜的心湖。在美國學(xué)術(shù)界深耕十五年，從博士生一路成長為資深教授，他確實(shí)開始思考人生的下一篇章。

鄭冶楓的邀請來得恰逢其時(shí)。

2025年3月，凌海濱初次踏進(jìn)西湖大學(xué)的校園。在云谷校區(qū)，他背著重重的書包，快步穿行在實(shí)驗(yàn)室之間，與一眾已經(jīng)入職的PI深入交流，看到了正在建設(shè)中的實(shí)驗(yàn)室、充滿活力的年輕面孔，凌海濱心中已然有了確切的答案。

2025年夏，紐約州立大學(xué)石溪分校帝國創(chuàng)新教授、IEEE Fellow凌海濱全職加入西湖大學(xué)工學(xué)院，受聘講席教授，牽頭創(chuàng)立智能計(jì)算與應(yīng)用實(shí)驗(yàn)室。

數(shù)學(xué)帶來的正反饋

這不是凌海濱第一次“換地方”生活了。

18歲之前，他跟隨父母，生活在貴州山區(qū)。談及家鄉(xiāng)的偏遠(yuǎn)，凌老師擔(dān)心我們沒聽說過，特意補(bǔ)充道，黃果樹瀑布你們知道吧？我家就在附近。

貴州安順，60年代初，是國家三線建設(shè)中很多廠礦的所在地。為了支援國家建設(shè)，父母從祖籍湖南舉家搬遷至貴州，年幼的凌海濱在安順的工廠里度過了平靜的童年時(shí)光。父母投身于車間的忙碌，對他的學(xué)業(yè)顧不上太多。母親對成績比較關(guān)注，考試考不好，便會重重地批評幾句，但也僅限于此了。輔導(dǎo)學(xué)習(xí)是奢侈的，從解題到學(xué)習(xí)規(guī)劃，路徑都得靠自己摸索。

小學(xué)，老師在講解循環(huán)小數(shù)時(shí)，凌海濱提出一個(gè)困擾自己的問題：“1/3等于0.3的無限循環(huán)，三個(gè)1/3相加等于1，那么三個(gè)0.3的無限循環(huán)相加得到0.9的無限循環(huán)，它和1之間是什么關(guān)系？”受限于山區(qū)教育資源的匱乏，這個(gè)小小的追問，“難”倒了站在講臺上的年輕老師。

到了初中，凌海濱對數(shù)學(xué)的興趣逐漸變得清晰。“感覺這東西有‘想頭’，像游戲一樣可以琢磨。”他這樣形容。解題的過程帶來直接的愉悅感，想出解題方法、考試獲得高分、得到老師表揚(yáng)，形成了一個(gè)正向反饋循環(huán)。他用自己的研究領(lǐng)域做比喻：“在強(qiáng)化學(xué)習(xí)里，這叫獎勵機(jī)制。你嘗到甜頭，就更有動力投入，自然就越做越好。” 凌海濱并不將此歸結(jié)于特別的天賦，而相信是興趣加上一點(diǎn)努力所帶來的結(jié)果。

于是，晦澀難懂的數(shù)學(xué)題，成了他眼中有趣的游戲。憑著這股琢磨的勁頭和樂此不疲的練習(xí)，凌海濱自然而然地走向了數(shù)學(xué)競賽的道路。高三那年，他便拿到數(shù)學(xué)奧林匹克冬令營的資格，提前保送北京大學(xué)。

“當(dāng)時(shí)，在北京大學(xué)和清華大學(xué)之間猶豫了一下，班主任的兒子在北京讀書，聽他說北大環(huán)境比較寬松，就選了北大。”凌海濱這樣描述選擇大學(xué)的原因，對大學(xué)、對北京的模糊概念，只能靠返鄉(xiāng)人帶來的一點(diǎn)點(diǎn)消息，就這樣，“小廠青年”懵懵懂懂地踏入了燕園。

從西南山區(qū)到未名湖畔，跨越的不僅僅是地理距離。

“第一學(xué)期數(shù)學(xué)摸底大考，班上幾個(gè)拿金牌的，半個(gè)小時(shí)交卷了，我到最后都沒做完。”他回憶道。當(dāng)時(shí)北大每年都有學(xué)生因無法適應(yīng)巨大的落差而陷入自我懷疑，嚴(yán)重的還會出現(xiàn)心理問題，凌海濱也去探望過生病的同學(xué)。談到如何面對落差，他說：“接受就好，只要自己努力了，能做到多少算多少，不需要勉強(qiáng)自己。”

這種“接受現(xiàn)實(shí)，專注當(dāng)下”的態(tài)度，后來成為凌海濱面對許多人生選擇時(shí)的性格底色。

在熱門的浪潮外

在北大完成從數(shù)學(xué)到計(jì)算機(jī)的專業(yè)跨越后，凌海濱開始著手選擇博士研究方向。

2000年代初，當(dāng)生物信息學(xué)憑借人類基因組計(jì)劃的東風(fēng)成為學(xué)術(shù)界的絕對焦點(diǎn)時(shí)，他卻選擇了一個(gè)在當(dāng)時(shí)看來頗為“冷門”的方向：如何教會計(jì)算機(jī)識別形狀多變的樹葉，屬于計(jì)算機(jī)視覺的研究范疇。

“那時(shí)候生物信息學(xué)有多熱？”凌海濱回憶道，“一位剛?cè)肼毜慕淌冢呀?jīng)有幾十篇頂刊論文，也發(fā)了

Nature

凌海濱也曾嘗試接觸過這個(gè)熱門領(lǐng)域。“我去聽過那些課，但說實(shí)話，我聽不進(jìn)去。”那種感覺，就像他后來描述的，有些問題雖然熱門，卻無法真正點(diǎn)燃他內(nèi)心的好奇。一位剛找到教職的師兄坦誠相告：“學(xué)術(shù)界的熱點(diǎn)變得很快，你現(xiàn)在跟風(fēng)，等四五年后畢業(yè)時(shí)，這個(gè)方向可能就不熱了。”因此，他選擇跟隨自己的興趣，研究樹葉識別這個(gè)“小而美”的問題。

博士期間，凌海濱跟隨導(dǎo)師與美國史密森尼博物館的植物學(xué)家合作，為野外考察的專家開發(fā)一個(gè)輔助工具：拍一張樹葉照片，就能快速鑒定它的種類。這個(gè)任務(wù)最大的挑戰(zhàn)在于樹葉形狀的復(fù)雜多變性。同一種樹葉，在不同季節(jié)、不同樹齡、甚至不同部位，其輪廓、大小以及是否帶有附屬的小葉片都有可能天差地別。傳統(tǒng)的圖像匹配方法在面對這種“非剛性形變”時(shí)，顯得力不從心。

如何為這些變幻無窮的樹葉形狀，找到一個(gè)穩(wěn)定、可靠的描述方法？

凌海濱最初的靈感，源于對“距離”這一基本概念的重新思考。他打了個(gè)比方：要描述一個(gè)形狀，最基本的就是描述其上各個(gè)點(diǎn)之間的關(guān)系，而點(diǎn)和點(diǎn)之間最直接的關(guān)系就是距離。但問題來了，如果直接用兩點(diǎn)間的直線距離（即歐式距離）來測量，結(jié)果會極其不穩(wěn)定——比如一片楓葉的兩個(gè)葉尖，當(dāng)葉片卷曲時(shí)，它們在三維空間中的直線距離很近；當(dāng)葉片舒展時(shí)，這個(gè)距離又變得很遠(yuǎn)。計(jì)算機(jī)無法理解這其實(shí)是同一片樹葉。

很快，凌海濱找到了解題方法。他為“距離”加了一個(gè)巧妙的約束條件，創(chuàng)造性地提出了“內(nèi)距離”這一概念。想象一下，你不是在空中測量兩個(gè)葉尖的直線距離，而是要求測量的尺子必須沿著葉片的內(nèi)部來走。這樣一來，無論這片樹葉如何彎曲、折疊，只要它的拓?fù)浣Y(jié)構(gòu)沒變，那么其內(nèi)部兩點(diǎn)間的“內(nèi)距離”就保持了相對的穩(wěn)定性，更進(jìn)一步，在此基礎(chǔ)上構(gòu)建的形狀描述也能保持相對穩(wěn)定。無論樹葉在四季變化的影響下如何形變，計(jì)算機(jī)都能精準(zhǔn)識別它們的種類。

這個(gè)始于“如何識別一片樹葉”的樸素思考，最終結(jié)晶為“內(nèi)距離”理論，成為凌海濱叩開學(xué)術(shù)界大門的重要研究成果之一。而當(dāng)時(shí)的他或許沒有料到，這把為解決樹葉識別而打造的“新尺子”，很快便量出了遠(yuǎn)超實(shí)驗(yàn)室圍墻的廣闊天地。

凌海濱在院子里種下一棵小樹

就在凌海濱博士畢業(yè)前后，生物信息學(xué)領(lǐng)域的教職市場開始趨于飽和，計(jì)算機(jī)視覺這個(gè)曾經(jīng)相對“冷門”的方向，正開始積蓄變革的力量，逐步走向人工智能舞臺的中央。而幾乎在同時(shí)，他博士期間的研究竟意外地催生了全球第一款手機(jī)植物識別APP——LeafSnap。這款應(yīng)用迅速走紅，被CNN等主流媒體報(bào)道，成為后來無數(shù)識花應(yīng)用的先驅(qū)。一個(gè)始于興趣的研究，就這樣走進(jìn)了千萬普通用戶的生活。

LeafSnap官網(wǎng)

這段經(jīng)歷也成為了凌海濱學(xué)術(shù)生涯的一個(gè)隱喻。有時(shí)候選擇那條看似冷清的小路，反而可能通向更廣闊的風(fēng)景。重要的或許不是追逐當(dāng)下的熱點(diǎn)，而是找到那個(gè)真正能點(diǎn)燃你好奇心的問題。

巧解目標(biāo)追蹤難題

博士畢業(yè)后，凌海濱便將“解題方向”聚焦在計(jì)算機(jī)視覺領(lǐng)域，主攻動態(tài)目標(biāo)追蹤這一難題。這不僅是安防監(jiān)控中的關(guān)鍵技術(shù)，更是醫(yī)療影像、AR/VR手勢交互等諸多領(lǐng)域的底層支撐。

今年暑期熱映的電影《捕風(fēng)追影》中，成龍飾演的老警察有一幕令人印象深刻。在監(jiān)控室面對數(shù)百個(gè)實(shí)時(shí)畫面，他僅憑嫌疑人變換服裝后的幾個(gè)細(xì)微動作，一個(gè)習(xí)慣性的聳肩、一次獨(dú)特的步態(tài)節(jié)奏，就能在人群中重新鎖定目標(biāo)。這一出現(xiàn)在電影作品中的虛構(gòu)情節(jié)，正是凌海濱團(tuán)隊(duì)一直攻堅(jiān)的難題所在：如何在動態(tài)變化的視頻中完成對目標(biāo)物體的追蹤。

與電影中依賴經(jīng)驗(yàn)的刑警不同，現(xiàn)實(shí)中的技術(shù)挑戰(zhàn)要復(fù)雜得多。凌海濱團(tuán)隊(duì)研究的是難度最高的“通用目標(biāo)追蹤”：用戶隨手框選視頻中的任意物體，可以是一只鋼筆、一個(gè)水杯，亦或是人物的一片衣角，AI都必須能在后續(xù)每一幀中持續(xù)鎖定它，即使目標(biāo)被他人遮擋、短暫地離開畫面再返回、甚至在光線劇烈變化的極端環(huán)境下，依然要保持穩(wěn)定追蹤。

這對人眼來說或許不算難，但對AI來說，卻需要大量的訓(xùn)練和精確的測算。凌海濱解釋了其中的技術(shù)細(xì)節(jié)。

視覺目標(biāo)追蹤的本質(zhì)，是為動態(tài)目標(biāo)建立一個(gè)不斷更新的 “坐標(biāo)軸” 。在最簡化的場景中，假設(shè)人臉在畫面中的大小和比例固定，那么追蹤就可以簡化為尋找一個(gè)二維點(diǎn)（X, Y坐標(biāo)）。此時(shí)，每一幀的任務(wù)就是從圖像中解算出這兩個(gè)數(shù)字。當(dāng)目標(biāo)結(jié)構(gòu)更復(fù)雜時(shí)，坐標(biāo)軸的復(fù)雜度會急劇上升。以追蹤手部關(guān)節(jié)為例，若定義16個(gè)關(guān)節(jié)點(diǎn)，每個(gè)點(diǎn)有X、Y坐標(biāo)，那么每幀圖像就需要解算出32個(gè)數(shù)字。如果追蹤的是一件衣服就更難了，因?yàn)橐路侨彳浀模蔷托枰?0×10的網(wǎng)格來描述它的曲面，坐標(biāo)軸方程就變成了200個(gè)數(shù)字（100個(gè)點(diǎn)×2），每幀畫面的計(jì)算量都會顯著上升。

更進(jìn)一步，如果要追蹤一把已經(jīng)進(jìn)入患者體內(nèi)的手術(shù)刀呢？不僅要追蹤它的位置，還要知道它的旋轉(zhuǎn)角度，那么狀態(tài)至少需要包含X、Y和旋轉(zhuǎn)角θ。在三維空間中，則需擴(kuò)展為包含三維位置（XYZ）和三維旋轉(zhuǎn)的6個(gè)或更多變量。

因此，視覺追蹤聽起來通俗易懂，被影視作品演繹的神乎其神。但它并非一個(gè)單一的技術(shù)，而是一個(gè)根據(jù)目標(biāo)屬性（點(diǎn)、剛體、柔性體）和應(yīng)用需求（只需位置，還是需要全姿態(tài)）來定義不同復(fù)雜度，并持續(xù)通過圖像匹配來求解方程的系統(tǒng)性框架。

從鎖定屏幕上瞬息萬變的物體，到追蹤體內(nèi)柔性的導(dǎo)管，目標(biāo)跟蹤技術(shù)正在為機(jī)器賦予一雙能夠像人類一樣持續(xù)觀察的眼睛。早期依靠精確的數(shù)學(xué)模型，如今借助深度學(xué)習(xí)與大模型，凌海濱團(tuán)隊(duì)讓AI學(xué)會了動態(tài)學(xué)習(xí)、軌跡預(yù)測與綜合判斷。他們的研究，讓機(jī)器之眼看得更深、更穩(wěn)，從而更懂這個(gè)充滿未知的動態(tài)世界。

凌海濱與學(xué)生合影

西湖新章

從石溪到西湖，并非一次簡單的職場轉(zhuǎn)換，而是一位頂尖學(xué)者在經(jīng)過嚴(yán)謹(jǐn)?shù)膶?shí)地考察后，為自己學(xué)術(shù)人生的下一階段，主動選擇的最優(yōu)實(shí)驗(yàn)場。

“傳統(tǒng)AI方向已非常成熟，真正的突破需要新的探索。”他認(rèn)為，像AI for Science，如量子計(jì)算這樣的長線探索，需要時(shí)間與寬容度。“在這兒，我覺得有更多的自由度和包容性，學(xué)校也非常支持。”他希望在西湖，既能深耕計(jì)算機(jī)視覺追蹤等領(lǐng)域，也能從容拓展那些眼下未必出成果、但未來可能很重要的交叉方向。

凌海濱將自己的研究風(fēng)格概括為“一體兩面”。一面是好奇心驅(qū)動的自由探索，喜歡做讓自己覺得有意思的、跟別人做法不一樣的東西，他享受學(xué)術(shù)界對“稀奇古怪想法”的包容。另一面則是問題驅(qū)動的務(wù)實(shí)求解。他主導(dǎo)的“智能投影”課題，讓投影儀擺脫白墻限制，智能補(bǔ)償復(fù)雜背景的色彩與幾何變形，未來可應(yīng)用于博物館導(dǎo)覽、家庭助老等實(shí)際場景。

關(guān)于做研究，面對當(dāng)下焦慮迷茫的年輕人，凌海濱給出的建議格外樸實(shí)：破除對“絕妙想法”的迷信。

“你能想到的，別人也能想到，關(guān)鍵是怎么把它做出來。”在他看來，重要的不是找到一個(gè)無人觸及的領(lǐng)域，而是在選定的方向上持續(xù)深耕，培養(yǎng)“往下深挖”的能力。這種在未知領(lǐng)域持續(xù)探索、直至解決問題的能力，才是科研訓(xùn)練最核心的產(chǎn)出。

凌海濱與西湖大學(xué)智能計(jì)算與應(yīng)用實(shí)驗(yàn)室成員合影

從貴州山間到未名湖畔，從馬里蘭實(shí)驗(yàn)室到西湖大學(xué)講臺，凌海濱始終保持著一種“自洽”的節(jié)奏。在他身上，那份始于一片樹葉的、對世界進(jìn)行智能解析的好奇心，那份從數(shù)學(xué)中滋養(yǎng)出的精確與耐心從未褪色。

正如同里爾克在《給青年詩人的信》中所言：“耐心對待所有尚未解決的事情，試著去愛問題本身。”

如今，在西湖的山水之間，凌海濱正帶著這樣的心境繼續(xù)前行。不去追逐轉(zhuǎn)瞬即逝的風(fēng)口，而是選擇深挖一口井，靜待泉涌之音從深處傳來。

個(gè)人簡介

凌海濱于1997年獲北京大學(xué)學(xué)士學(xué)位，2000年獲該校碩士學(xué)位，2006年獲美國馬里蘭大學(xué)帕克分校博士學(xué)位。其職業(yè)經(jīng)歷包括微軟亞洲研究院助理研究員（2000–2001）、加州大學(xué)洛杉磯分校博士后研究員（2006–2007）、西門子研究院科學(xué)家（2007–2008）。2008年起任教于天普大學(xué)，先后擔(dān)任助理教授（2008–2014）和副教授（2014–2019）。2019至2025年任紐約州立大學(xué)石溪分校計(jì)算機(jī)科學(xué)系Empire Innovation教授，2025年加入西湖大學(xué)任人工智能講席教授。

學(xué)術(shù)成果

研究領(lǐng)域涵蓋計(jì)算機(jī)視覺、增強(qiáng)現(xiàn)實(shí)、醫(yī)學(xué)圖像分析、機(jī)器學(xué)習(xí)及AI for Science。曾獲ACM UIST最佳學(xué)生論文獎（2003）、美國自然科學(xué)基金CAREER獎（2014）、雅虎教授研究發(fā)展獎（2019）、亞馬遜機(jī)器學(xué)習(xí)研究獎（2019）及IEEE VR最佳期刊論文獎（2021）。現(xiàn)任/曾任《IEEE模式分析與機(jī)器智能匯刊》（PAMI）、《IEEE可視化與計(jì)算機(jī)圖形學(xué)匯刊》（TVCG）、《計(jì)算機(jī)視覺與圖像理解》（CVIU）及《模式識別》（PR）等期刊編委成員，并長期擔(dān)任CVPR、ICCV、ECCV、ACM MM等人工智能頂級會議領(lǐng)域主席。現(xiàn)為IEEE會士。

聯(lián)系方式

西湖大學(xué)智能計(jì)算與應(yīng)用實(shí)驗(yàn)室致力于開展人工智能及跨學(xué)科的研究與應(yīng)用，研究方向包括計(jì)算機(jī)視覺，多模態(tài)人工智能，增強(qiáng)現(xiàn)實(shí)，AI for Science，量子信息等方向。課題組誠聘上述研究方向的博士后，博士生，科研助理和訪問學(xué)生。

電子郵箱:

wica-lab@westlake.edu.cn

編輯、審核：胡大可

版權(quán)聲明：本文由“TOP大學(xué)來了”綜合自“西湖大學(xué)人工智能系”，文章轉(zhuǎn)摘只為學(xué)術(shù)傳播，如涉及侵權(quán)問題，請聯(lián)系我們，我們將及時(shí)修改或刪除。