胡张驰（Zhangchi Hu）

 ____  _____ ____  _   _ __  __ _____
|  _ \| ____/ ___|| | | |  \/  | ____|
| |_) |  _| \___ \| | | | |\/| |  _|
|  _ <| |___ ___) | |_| | |  | | |___
|_| \_\_____|____/ \___/|_|  |_|_____|█

|profile胡张驰 | Zhangchi Hu 高效视觉感知模型 / 多模态视频扩散模型 / 全栈软件开发

我是胡张驰 (RicePasteM)，中国科学技术大学信息科学与技术学院博士生，师从孙晓艳教授。我的研究方向聚焦于前沿计算机视觉，主要关注高效视觉感知模型与多模态视频扩散模型。我能够独立完成先进人工智能系统的方法设计与实际部署，具备开发与维护复杂软件系统和跨端应用的丰富经验。

[x] 微信：huzhangchi2002 [x] huzhangchi@mail.ustc.edu.cn [x] ricepastem.cafe [x] github.com/RicePasteM [x] 中国合肥

[+]

教育经历

信息与通信工程，信息科学技术学院

全日制学术型博士研究生（直博）

中国科学技术大学

2024.09 - 现在

985，C9，双一流；主要研究方向为前沿计算机视觉；2029 年应届生。

软件工程，软件学院

全日制工学学士

合肥工业大学

2020.09 - 2024.06

211，双一流；以综合排名 1/159 (1%) 保研。

[+]

技术与专长

高效视觉感知模型

我围绕特征冗余、稀疏注意力、查询优化与实时推理研究前沿视觉感知模型的效率，兼顾复杂场景下的识别精度与部署成本。代表项目包括 D-FINE、RiO-DETR 与 Dome-DETR，分别面向多种场景下的实时目标检测，并具备跨模态视觉检测与视觉检索系统的研究实践。

多模态视频扩散模型

我围绕视频扩散模型的生成与编辑、少步蒸馏、时空表征与多模态条件控制开展研究，探索融合几何、运动与语义的世界模型，兼顾生成质量、推理效率与场景一致性。代表工作包括 PREX，并参与 DeCo-VAE 与 MUSE，具备从数据构建、模型训练到系统部署的完整实践经验。

全栈软件开发

我致力于将算法与产品需求转化为可持续运行的软件系统，熟悉 Vue / Nuxt、Node.js、Python、数据库与桌面开发技术，在推理系统优化、前后端开发、多端应用构建、产品部署与长期维护方面具有完整实践经验。

[+]

精选论文

RiO-DETRv2：几何感知不确定性建模遇上实时旋转目标检测 Transformer

Zhangchi Hu, Zilong He, Yifan Zhao, Xiangyu Yu, Jie Chen, Peixi Wu, Yansong Peng, Hebei Li, Xiaoyan Sun

arXiv 2026

2026

arXiv:2610.29159 GitHub Repo

RiO-DETR：面向实时有向目标检测的 DETR 框架

Zhangchi Hu, Yifan Zhao, Yansong Peng, Wenzhang Sun, Jie Chen, Peixi Wu, Xinghao Wang, Xiangchen Yin, Dongsheng Jiang, Hebei Li, Xiaoyan Sun

ECCV 2026 Spotlight Oral计算机视觉顶会CCF-B

2026

arXiv:2603.09411 GitHub Repo

保留、揭示、扩展：迈向基于区域感知条件控制的高保真 4D 视频编辑与评估

Zhangchi Hu, Wenzhang Sun, Xiangchen Yin, Jiahui Yuan, Chunfeng Wang, Hao Li, Kun Zhan, Xiaoyan Sun

arXiv 2026

2026

arXiv:2605.20961 Project Page

MeowID：面向个体猫识别的双专家检索系统

Zhangchi Hu^†, Yi Shang^†, Haocheng Yang^†, Qiwei Hu^†, Yuzheng Li^†† 同等贡献

Technical Report 2026Online Project

2026

ResearchSquare:10881972 GitHub Repo Website Project Page

Q-Probe：基于上下文感知智能体探测的高分辨率图像质量评估扩展方法

Xiang Li, Xueheng Li, Yu Wang, Xuanhua He, Zhangchi Hu, Weiwei Yu, Chengjun Xie

NeurIPS 2026CCF-A

2026

arXiv:2601.15356

VaME：面向多模态嵌入的变分潜推理探索

Peixi Wu, Mingzhou Jiang, Feipeng Ma, Biao Yang, Yunhao Zhou, Wei Yuan, Bosong Chai, Huizu Lin, Jie Chen, Zhangchi Hu, Fan Yang, Wenwu Ou, Hebei Li, Xiaoyan Sun

arXiv 2026

2026

arXiv:2609.33402 GitHub Repo

在思维链之外：“改写”作为生成式多模态嵌入的通用接口

Peixi Wu, Ke Mei, Feipeng Ma, Bosong Chai, Zhibin Lan, Chenxi Zhao, Shannan Yan, Jie Chen, Zhangchi Hu, Yansong Peng, Bo Lin, Junjie Zhou, Dacheng Yin, Tianyi Wang, Fengyun Rao, Jing Lyu, Hebei Li, Xiaoyan Sun

ACM Multimedia 2026CCF-A

2026

arXiv:2604.22280 GitHub Repo

融合前先观察：面向鲁棒 3D 检测的 2D 引导跨模态对齐

Xiang Li, Zhangchi Hu, Xu Xiao, Bin Kong

CVPR 2026计算机视觉顶会CCF-A

2025

arXiv:2507.16861

Dome-DETR：基于密度导向特征—查询处理的高效微小目标检测 DETR 框架

Zhangchi Hu, Peixi Wu, Jie Chen, Huyue Zhu, Yijun Wang, Yansong Peng, Hebei Li, Xiaoyan Sun

ACM Multimedia 2025CCF-A100+ Stars

2025

arXiv:2505.05741 GitHub Repo

DASH：面向实时动态场景渲染、结合自监督分解的 4D 哈希编码

Jie Chen, Zhangchi Hu, Peixi Wu, Huyue Zhu, Hebei Li, Xiaoyan Sun

ICCV 2025计算机视觉顶会CCF-A

2025

arXiv:2507.19141 GitHub Repo

[+]

研究与产业经历

基于 4D 表征的视频生成与编辑基座模型优化

理想汽车基座模型算法实习生

2025.12 - 2026.07

[+]围绕 4D-based 视频编辑 / 重拍任务，参与视频生成基座模型的条件控制、数据构建与后训练优化工作；提出区域感知视频编辑框架 PREX，提升相机控制、物体运动编辑等场景下的内容保持、遮挡补全与视野外扩展质量。搭建 4D 视频编辑数据处理与训练数据生成流水线，清洗高质量视频数据与 4D 表征，并构造 RGB 线索、置信度图、区域掩码等几何条件数据，设计数据增强方案支撑模型分阶段训练、消融实验与推理评估；
[+]探索基于强化学习的视频生成后训练方案，针对代理重建与真实视频重拍质量目标不一致的问题，接入 VJEPA、Dense VJEPA、4D Align Reward、VLM Reward、HPSv2 / HPSv3 等多源奖励信号，完成基于 Flow-GPRO 的训练 pipeline 搭建与主要实验验证，提升视频生成结果的运动一致性、重拍合理性与视觉质量。

基于 DETR 的下一代目标检测架构演进

校企合作与华为云 EI 视觉大模型产品组合作项目

2025.01 - 2025-10

[+]设计与开发基于密度导向的特征、查询处理的 DETR 框架 Dome-DETR，用于实现高效微小目标检测，在领域经典数据集上均达到 SoTA 效果；
[+]设计与开发首个基于 DETR 的实时有向目标检测框架 RiO-DETR，相较于领域最新方法展现出显著更优的速度—精度权衡，在保持端到端、实时推理能力的同时提升了旋转目标检测性能；
[+]基于 D-FINE 实现开放集检测能力，基于 CLIP 提取文本特征，并实现 Image/Text 特征融合模块、Text Embedding 与 Object Query 的对比学习逻辑，在 LVIS 评测集上的开集检测性能超过同期行业主流模型。

数字病理全切片智能辅助诊断与分析系统

校企合作与安徽省立医院、安医大二附院合作项目

2022.09 - 2023.09

[+]基于 Vue、Flask、SpringBoot 搭建实现病理全切片数字浏览与标注功能，提供区域标注自动拟合、浏览路径分析等特色功能，兼容多种行业主流的公有及私有格式，全切片实时浏览效率经认证达商用级别。
[+]基于 StainGAN 实现颜色域变换，通过自适应颜色反卷积实现 HE 参数加权染色处理，实现对病理全切片染色归一化及风格化后处理功能，单个 Patch 染色时延低于 15ms。
[+]基于 CLAM、Trans MIL 等业内最新方法，对肠癌 RAS 突变、胃癌 TMN 分级两种病理诊断任务，结合 10k+ 行业切片数据训练弱监督判别模型，实现智能辅助诊断功能。

[+]

兴趣

[+]工作之余，我也对二次元、音乐、数码产品与小说创作感兴趣，有同好的朋友欢迎找我交流。

教育经历

信息与通信工程，信息科学技术学院

软件工程，软件学院

技术与专长

高效视觉感知模型

多模态视频扩散模型

全栈软件开发

精选论文

[+]RiO-DETRv2: Geometry-Aware Uncertainty Modeling Meets Real-Time Oriented Object Detection Transformer

[+]RiO-DETR: DETR for Real-time Oriented Object Detection

[+]Preserve, Reveal, Expand: Towards Faithful 4D Video Editing with Region-Aware Conditioning and Benchmarking

[+]MeowID: A Dual-Expert Retrieval System for Individual Cat Identification

[+]Q-Probe: Scaling Image Quality Assessment to High Resolution via Context-Aware Agentic Probing

[+]VaME: Exploring Variational Latent Reasoning for Multimodal Embeddings

[+]Beyond Chain-of-Thought: Rewrite as a Universal Interface for Generative Multimodal Embeddings

[+]Look Before You Fuse: 2D-Guided Cross-Modal Alignment for Robust 3D Detection

[+]Dome-DETR: DETR with Density-Oriented Feature-Query Manipulation for Efficient Tiny Object Detection

[+]DASH: 4D Hash Encoding with Self-Supervised Decomposition for Real-Time Dynamic Scene Rendering

研究与产业经历

基于 4D 表征的视频生成与编辑基座模型优化

基于 DETR 的下一代目标检测架构演进

数字病理全切片智能辅助诊断与分析系统

兴趣