玩转科研！旷视研究院进阶法宝全揭秘

　　作为旷视消费物联网业务的重要后方力量，成都研究院的使命可谓“顶天立地”。向下，夯实算法产业发展地基，通过更加智能的手机影像算法助人们在不同环境下拍出更高质感图像；向上，在 HDR、Denoise、SR、光流等与业务密切相关的细分赛道上展开更加极致的探索，在 CVPR、ICCV 等顶级会议上持续输出“旷视势能”。

　　“科研做上限，产品看下限”，旷视成都研究院负责人刘帅成以此总结科研与商业化二者间的“鸿沟”。但正因如此，成研院为打通“产学研用”融通壁垒提供了肥沃土壤，为激发科技创新氛围默默蓄力。

　　从零开始 科研之路要如何蹚？

　　自2018年成立以来，成研院累计发表 10 多篇论文被CVPR/ICCV/ECCV/AAAI 顶会收录，这样的成果足够令人惊喜。期间付出的心血，实非朝夕之功。2019 年下半年，成研院转型聚焦于手机影像算法研究领域。回顾那段日子，刘帅成坦言最头疼的是很多同学之前并不是研究这个领域的，刚开始不知怎样搞科研，既对手机影像算法缺乏深入了解，也不清楚完成一篇 CVPR 需要经历什么样的过程。

　　而对于刘帅成来说，图像研究并不陌生，他一直专注于底层视觉和计算摄影学研究，具有多年科研经验，于是他决意带大家一点点来。他把“怎么读 paper、怎么想 idea、想到 idea 后怎么做实验”等繁杂的任务逐个拆解下去。“刚开始，大家想到的 idea，要么跟别人撞了，要么就根本不可能发表。”

　　凭借对商业落地实践的持续观察，每周两次雷打不动的“Paper Reading”，以及队内日渐高涨的“传帮带”科研氛围，团队的科研能力逐渐提升，最终形成了 2021 年的井喷之势。

　　“这其实是互相影响的过程，有些同学感觉自己做了很久的项目，也想尝试发点论文，或者有些同学看到别人打比赛拿了奖或者是发了顶会，他可能也会想去尝试一下。”

　　而在 CVPR NTIRE（New Trends in Image Restorationand Enhancement, 即图像恢复与增强的新趋势）2021 挑战赛上，成研院还包揽了图像超分辨率、图像 HDR 两大赛道的冠军。

　　提到团队首次打比赛的经历，刘帅成坦言一切都靠摸索。“整个比赛过程中，我们能看到不同账号在榜单上的排位，有段时间我们团队始终处在第二或第三的位置，我们就使劲想办法搭各种模型，A 同学把这几个结构试了，B 同学把那几个结构试了。要试哪些结构，大家会先开会讨论 To Do List，对每一项任务做到精细的时间管理和计划制定。”

　　最终结果多少有些让人意外。开始排在第二第三名的比赛，成研院最终斩获了冠军；而长期排在榜一位置的一项比赛，反而因为大意而被后面的人追了上来，最终拿到亚军。“今年我们也要吸取这样的教训，一次排在第一并不代表最后也排在第一，刚开始排在第二第三名，也不代表最后没有机会去反超。”

　　重在实践 如何叩开商业的门？

　　将科研成果应用于商业世界，推进产品落地是成研院立足之本。尤其是面对智能手机“影像为王”的加速进化，更需要AI算法配合不同平台的硬件实力更好发挥效能。

　　一个好的算法最终能够实现工程化落地，中间需经历包括模型优化、加速、质量评估等多环节流程。为此，刘帅成强调，相较于科研对“最好”的追逐，做产品更要关注“下限”，“将算法应用到产品中去，各种情况都要考虑到，对用户来说，质量和成片率都很重要。”

　　另一方面，不同于实验中完全客观的结果，不同客户 QA（Quality Assurance，品控）的标准、偏好也将极大地影响算法优化。有的 QA 对图像“发灰”很敏感，有的 QA 对噪声很敏感，这就要依据不同重点去发力。刘帅成表示：“手机产品迭代节奏很快，尤其临近产品发布的时候，我们内部要跟客户交互着测试，一周可能要发布几个版本，以进行高速迭代反馈。

　　2021 年，成研院在开展技术攻关的同时，与内部业务团队协同的交付流程亦开始迈入正轨，高效交付、批量化交付渐入佳境，包括超画质、降噪和图像增强等在内的技术，在诸多智能手机中广泛应用。

　　“批量交付是指算法已经成熟，已在某一个机器上实现量产，我们需要把量产的算法推广到更多机器上做适配，这就叫做批量交付。这是从 1 到 100 的产品化的过程，从 0 到 1 则更像是项目化的过程。”刘帅成解释道。

　　持续进化 科研人揭秘成长“宝典”？

　　正如成研院的存在，为很多不知道“如何进入圈子”的年轻人搭建了一个平台。“我们其实也带了很多完全没有经验的同学，带到他们去申请博士，相当于给他们当跳板，我们也希望他们能跳得更高。”

　　在给予年轻人机遇与关注的同时，一些同学们会遇到的共性问题也日渐突出起来。比如，没有相关学科背景怎么办？不知道如何搞科研怎么办？投论文被拒怎么办？为此，成研院结合实操经验，为有志于从事算法工作的伙伴们给到一些小小的建议。

　　1.相较于学习背景，发自内心地热爱更重要。是否能做好这件事情，取决于你是否是发自内心地热爱。当你很爱这件事的时候，你才有强大的自驱力去发掘各方面的资源、去积累相关经验，否则很可能遇到一个比较困难的问题就退缩了。

　　2.论文数量不是衡量一切的指标，投论文要摆正心态。相较于论文数量，论文后续影响力如何更为重要，经过一段时间的沉淀，优质论文的引用量是很高的。面对论文被拒的情况，要有一颗平常心，切实分析原因是下一次投稿成功的关键。最重要的是，要保证自己不被失败纠缠，能站起来直面这些挑战。

　　3.不打无准备之仗。做画质方向，顶会里关于low-level的论文，以及国际顶级学术期刊 TPAMI，IJCV等，都值得同学们关注。另外，做底层视觉，传统算法也很重要，很多深度学习算法借鉴了传统算法的设计思想，学扎实基本功才是继续深造的资本。

　　4.坚守“长期主义”，继续深耕自身研究领域。成绩不是一蹴而就的，得有一定时间的积累，有些同学习惯打一枪换一个地方，缺少坚持，很容易“走得快但走不远”。结硬寨，打呆仗，长时间专注一件事情，在自身领域里长期坚持聚焦，才能发光发热。

   【免责声明】本文仅代表合作供稿方观点，不代表和讯网立场。投资者据此操作，风险请自担。