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
2024.09 - 现在
985，C9，双一流；主要研究方向为计算机视觉。2024 年应届生。
软件工程，软件学院
全日制工学学士
2020.09 - 2024.06
211，双一流；以综合排名 1/159 (1%) 保研。
____ _____ ____ _ _ __ __ _____ | _ \| ____/ ___|| | | | \/ | ____| | |_) | _| \___ \| | | | |\/| | _| | _ <| |___ ___) | |_| | | | | |___ |_| \_\_____|____/ \___/|_| |_|_____|
|profile胡张驰 (Zhangchi Hu)计算机视觉 / 多模态生成式模型 / 全栈开发
胡张驰是中国科学技术大学信息与通信工程博士研究生，他的主要研究方向为计算机视觉、多模态生成式模型，能够灵活、快速地完成各种人工智能项目需求，也具备独立复杂软件系统与多端应用开发维护的经验。
[+]
教育经历
[+]
技术能力
编程语言
编程不受特定语言限制。常用 Python, JavaScript, TypeScript；熟悉 C/C++, Rust, Java。
工作流
熟悉 Markdown, Linux, Shell, (Neo)Vim, Git, GitHub 的使用，熟练掌握各种 Vibe Coding 与 AI 协作工作流。
深度学习
熟悉 PyTorch 等深度学习框架，能独立完成 AI 模型复现、设计、训练和调优工作。
全栈开发
熟练掌握各种构建、部署和运维技术栈，能独立完成复杂软件系统、桌面端/移动端应用的开发与维护。
[+]
实习/项目经历
基于 4D 表征的视频生成与编辑基座模型优化
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，将目标时空区域划分为 Preserve、Reveal、Expand 三类，并设计区域感知 Adapter 与训练策略，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，基于 SpatialVID、Dynpose 等数据集清洗高质量视频数据，基于 Uni4D 批量生成与构建 2w+ 视频场景的实例级 4D 表征，并构造 RGB 线索、置信度图、区域掩码等几何条件数据；设计点云扰动与 proxy task 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，用于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
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
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。
[+]
论文发表
Preserve, Reveal, Expand: Faithful 4D Video Editing with Region-Aware Conditioning
Preserve、Reveal、Expand：基于区域感知条件控制的高保真 4D 视频编辑
- [+]提出一种区域感知的 4D 视频编辑框架 PREX，用于提升视频扩展、重拍和物体运动编辑中的内容保持与新区域生成质量。该方法将目标时空区域划分为 Preserve、Reveal 和 Expand 三类，分别处理源内容保持、遮挡区域补全和视野外扩展，并结合置信度外观线索与区域感知适配器注入视频扩散模型，缓解内容漂移、鬼影和外推不稳定问题。
- [+]相比现有 4D 视频生成与编辑方法，PREX 取得更好的区域级编辑效果，在保持原始内容、补全新显露区域和扩展视野方面表现更稳定；同时在 VBench 全局质量指标和用户研究中优于多个基线方法，实现了运动一致性、上下文保持和视觉质量的平衡。
RiO-DETR: DETR for Real-time Oriented Object Detection
RiO-DETR：面向实时有向目标检测的 DETR 框架
- [+]提出首个面向实时旋转目标检测的端到端 DETR 框架 RiO-DETR，用于实现高效有向目标检测。通过内容驱动角度估计将角度从位置查询中解耦，结合旋转校正正交注意力捕获轴向与横向互补特征，同时采用解耦周期细化和最短路径周期损失稳定跨角度边界的优化，并引入 Oriented Dense O2O 增强角度监督多样性、加速角度收敛。
- [+]相比现有实时旋转检测模型，RiO-DETR 在 DOTA-1.0 单尺度测试中达到 81.8 AP50 / 29.9 ms，在 DIOR-R 上达到 77.43 AP50 / 17.31 ms，在 FAIR-1M-2.0 上达到 47.4 AP50 / 29.9 ms，均展现出更优的速度—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。
Dome-DETR: DETR with Density-Oriented Feature-Query Manipulation for Efficient Tiny Object Detection
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
- [+]提出一种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。该方法通过轻量级密度聚焦提取器生成密度热力图以减少特征冗余，结合掩码窗口注意力稀疏化将计算资源聚焦于有效区域，同时采用渐进式自适应查询初始化动态调整查询密度，无需手动调参即可适配不同目标分布场景。
- [+]相比现有模型，在 AI-TODv2 测试集上 AP 提升 3.3%，VisDrone 验证集上 AP 提升 2.5%，同时保持低计算复杂度和紧凑模型尺寸，实现了微小目标检测精度与效率的平衡。
[+]
个人总结
- [+]本人乐观开朗、在校成绩优异、自驱能力强，具有良好的沟通能力和团队合作精神。
- [+]可以使用英语进行工作交流（英语六级成绩 609 分）。
- [+]有丰富的软件开发经验、开源项目贡献和维护经验。善于技术写作，持续关注技术发展。