近日，Meta公布了2023年博士奖研金（PhD Fellowship）名单，计算机科学与技术学院2019届本科毕业生乔怿凌入选。
Meta博士奖研金旨在奖励在计算机科学、工程和行为学等学科的博士研究生的前沿研究，10余年来，已资助世界各地200余名博士生。2023年，组委会收到了来自全球100多所大学的3200多份申请，并从12所大学中挑选出了21名获奖者，超过1/3是华人博士生，其中就有国科大计算机专业本科毕业生乔怿凌。
乔怿凌于2019年在国科大获得计算机科学与技术、数学与应用数学双学士学位，毕业后获全额奖学金资助，赴美国马里兰大学计算机专业攻读博士学位。受益于国科大“科教融合”办学模式，乔怿凌在中科院计算技术研究所创新课题的支持下，围绕深度几何学习开展了系列研究工作，曾先后在SIGGRAPH ASIA (TOG)、BMVC和IEEE TVCG等学术期刊和会议上发表多篇高水平论文，其中TOG论文获得75次引用。2019年，时值毕业之际的乔怿凌，曾以3800字长文和学弟学妹分享他大学四年的学习生活历程。我们特转发此文，以飨读者。
2015年的夏天，我被中国科学院大学录取了。虽然一开始录取专业不是最向往的计算机专业，所幸大一这一年，各专业的课程都基本一样，又得益于国科大“自由转换专业”这个政策，大二的时候，我成功地转到了心仪的计算机与技术专业，并选择了中科院计算所研究员陈熙霖老师作为我的学业导师。
这一年，我还参加了学校举办的一个与GRE考试培训相关的宣讲会。在这个讲座中，老师讲述了许多优秀的同学准备GRE考试以及出国深造的故事。我逐渐坚定了要出国深造的意愿，并开始着手准备英语考试和尝试进行科研实践。
很偶然的一次，我在计算机专业的群里询问学长有无推荐的实验室，2014级的谈清扬学长给我推荐了他所在的计算所高林老师的实验室，说如果我有兴趣的话，可以先去参观。第一次走进实验室，我参观了当时组里正在做的三维重建、几何模型编辑等工作，我深深地被那种神奇所吸引。在与高林老师进行了一番交流后，他十分热情地让我加入实验室，说可以跟着做一些研究，还给我介绍了前瞻研究实验室的夏时洪研究员。我的学业导师陈熙霖老师也支持我到计算所开展一些科研工作，并在平衡课业和科研方面提供了很多指导和建议。
乔怿凌与高林老师
刚到实验室，受到课题组科研气氛的感染，我开始思考自己能做什么。起初，我想做从图片重建三维人体模型，来个挑战自我。当时的思路有两个，一个是从图片中识别出人体骨架，然后由骨架重建出三维网格；另外一个是从图片直接回归出三维网格。这项工作十分重要且非常有意义、人们也研究了许久，但当时没有一个完美通用的解法。现在回想，当时我作为一个菜鸟，一开始就做这些，其实是有点贪心了。在经过调研后，我搁置了着手这项研究的想法。高老师很快便发现了我的纠结与挣扎，就让我帮谈清扬学长处理数据，从打好科研底子开始。
那时候，谈清扬学长正在MIT访学。除了无法避免的时差问题，他还要保持在MIT的课程成绩，学习生活也非常艰辛。这时，我才逐渐体会到搞科研需要的不是短时间的冲动，而是对它长久的坚持。与此同时，在高老师的帮助下，我确定了实验方向并详细布置了实验计划。日子一天天过去，我逐渐适应了做研究的节奏，开始有些乐在其中的感觉。最终，谈清扬学长和高老师合作的这篇文章被计算机视觉的顶会CVPR录用。
大二暑假期间，我选择留在计算所的实验室内和高老师一起做论文。事实上，本科期间每一个假期都十分珍贵，这个暑假的全身心投入也使得我之后的出国申请季更加从容。当时，我们准备做一篇论文，开学时投到计算机视觉方面的会议。这一次，高老师请我接手之前一位博士师兄的课题，基于深度学习的从彩色-深度图像对来估计场景流。选这个课题，一是因为课题组有前期相关研究工作的基础，二是几何+学习也较符合我们组的科研大方向。
由于知识储备还不够，研究刚开始进度很慢，时常捋不清头绪。通过和高老师的不断讨论，我逐渐可以利用代码实现一些自己的想法，心情一下子愉悦了很多，也慢慢地建立了自信。这也是我第一次写研究论文，在高老师的帮助下我终于把整篇文章写出来了。临近投稿的时候，我压力很大，甚至为了节省时间，直接带了洗漱用品晚上就住在实验室里，一遍遍地打磨。最后，这篇文章被英国计算机视觉会议BMVC录用[1]。成功地熬过了那段时间，我更加相信，“咬咬牙坚持坚持，一切都会过去的”。
乔怿凌参加BMVC 2018
有了作为主力投稿的经验后，高老师准备带领我和杨洁师兄合作投稿图形学顶会SIGGRAPH ASIA，很感谢高老师能给我挑战图形学领域最顶级的会议的机会。这次是做全自动三维动画模型合成的研究工作。三维动画模型合成是图形学里一个重要并且很有挑战性的任务，前期工作都需要手工的交互完成。高老师带领我们尝试用深度学习中最新的建立环路一致性的思路来解决这个问题，此举不但利用了最新的研究进展，而且能和我们课题组之前变形相关工作的扎实基础结合起来。相较于之前的经历，这是我做的最愉快的项目了，因为方法路线选择恰当，加上和高老师与师兄日益默契的合作，这篇文章比较顺利地完成了。在截稿日期临近时，大家一起帮忙完善文章，也帮助我们做了很多实验和例子。最后，这篇文章得到了五个审稿人全部非常正面的评价并被录用[2]，全文刊登在ACM Transactions on Graphics（这个期刊在ACM旗下的所有期刊中影响因子排名最高，是JCR分区Q1区的期刊）。这篇文章也在我后来申请学校时起到了关键作用。
大三下学期，借助国科大的“访学”政策，我到卡内基梅隆大学(CMU)访学。这期间，我选了NLP和机器人课，通过这两门前沿课程学习，我开拓了视野，更对NLP、机器人有了更清晰的理解。在CMU教授的支持下，我开始玩起了神奇的玩具车和蜘蛛机器人。这一次，我走到了和谈清扬学长一样的处境里，国外的课程、科研压力不小，同时也要兼顾国内的课题。面对这样的情况，高老师建议我做一个小而新的任务，即用LSTM学习变形动作序列[3]。这个任务之前没人做过，但相对来讲难度不大，数据集好找，既和我之前的工作有关联性，又能比较好地掌控工作量，不至于让我在CMU完成课程的压力太大，同时还可以让我探索和享受国外的学习生活。从CMU回来后，我还到UCLA去做了暑期研究，在数学学院的一个研究室里和那里的老师做基于图的半监督学习，同时完成了一篇论文，并被Electronic Imaging录用为Oral[4]。
乔怿凌在卡内基梅隆大学访学
访学结束后，我向学业导师陈熙霖老师汇报了我的科研进展，并和陈老师与高老师探讨我未来的科研方向。经过讨论，我们开始着手围绕三维几何模型的分割展开研究。有了之前远程工作的经验，这次，我很从容地完成了这个项目。这个项目涉及到更多理论的内容，包括像离散微分几何之类比较理论的部分。现在来看，这个项目的意义不仅是它本身，而是激起了我对几何处理里更本质的一些东西的兴趣，为我之后的对称性工作奠定了基础。后来这项工作投稿到CCF A类期刊IEEE Transactions on Visualization and Computer Graphics[5].
大四一开学，便进入紧张的申请季。首先面临的就是选学校，说实话，一个本科生想要从数以千计的学校和导师中选到一个对学生又好、专业实力又强的教授不是易事。幸好，这个时候陈熙霖老师和高林老师给了我很大的帮助：高老师给我介绍了相关研究方向里影响大以及和我们实验室有联系的国外教授，陈老师也推荐了一些在国外饶有声望的教授。经过深思熟虑后，我的选校集中到了十所学校。相比于从cs ranking海选、筛选研究教授的工作方向、然后进行繁琐的套瓷的步骤，陈老师和高老师的帮助，犹如雪中送炭。
回想起来，那段时间压力是比较大的，我一边要申请学校，一边要完成学术论文的投稿，同时又要准备期中考试。在论文投出去的那一刻，我感觉整个人都解脱了，现在看来，那时的拼搏都是非常值得的。一周后，在计算所的课题资助下，我非常有幸地与杨洁师兄一起去东京参加SIGGRAPH ASIA。这场图形学的盛会在东京市中心召开，学界和业界前辈都来参会，既有最前沿的研究工作，也有各式各样好玩的商业产品。同时，我也认识了很多优秀的图形学领域的朋友。
乔怿凌参加SIGGRAPH ASIA 2018
申请结束后，我回家过了一个轻松热闹的春节。大四的最后一个学期，基于之前的基础，我开展了一些新的研究问题——通过拉普拉斯特征函数来研究几何模型的内蕴对称性[6]，通过深度网络预测特征函数的奇偶性来得到整个模型的内蕴对称性，整个过程得到了老师和学弟的鼎力帮助。此外，我还完成了我的学位论文（《深度几何学习中的运动变形及分割研究》），算是对我之前的研究工作进行了系统总结。陈熙霖老师对我的毕业论文反复修改，他一丝不苟的态度让我敬佩，最终这篇论文获得了校级优秀论文。同时，在高老师的推荐下，我也非常荣幸地获得了商汤奖学金，并去商汤进行了短暂的实习，这种机会对我来说还是非常难得的。
更幸运的是，我收到了多个学校的offer，其中就包括马里兰大学的全奖博士和美国卡耐基梅隆大学的带奖硕士。面对选择，我非常纠结，在咨询了两位老师后，我最终选择了到马里兰大学攻读博士学位。一方面因为马里兰大学在计算机视觉方面和计算机图形学方面的研究实力与卡耐基梅隆大学相当；另一方面，我也希望早点开启博士征途，在该努力的年龄更好地突破和挑战自我。
回首本科四年，研究和学习过程虽然比较辛苦，但收获了很多令人欣喜的结果。这一路，离不开陈老师、高老师和实验室里师兄师姐师弟们的指导和帮助。感谢国科大的培养，也衷心地感谢我们实验室的每一个成员，希望未来还能在一起合作，做一辈子的朋友！
参考论文列表：
[1] Yi-Ling Qiao, Lin Gao, Yu-Kun Lai, Fang-Lue Zhang, Ming-Ze Yuan, Shihong Xia. SF-Net: Learning Scene Flow from RGB-D Images with CNNs. The British Machine Vision Conference (BMVC), 2018, 281:1-281:12
[2] Lin Gao, Jie Yang, Yi-Ling Qiao, Yu-Kun Lai, Paul Rosin, Weiwei Xu, Shihong Xia. Automatic Unpaired Shape Deformation Transfer. ACM Transactions on Graphics (SIGGRAPH ASIA 2018), 2018, 37(6), 237:1-237:15
[3] Yi-Ling Qiao, Yu-Kun Lai, Hongbo Fu, Lin Gao. Synthesizing Mesh Deformation Sequences with Bidirectional LSTM. Submitted to IEEE Transactions on Visualization and Computer Graphics (TVCG)
[4] Yi-Ling Qiao, Chang Shi, Chenjian Wang, Hao Li, Matthew Haberland, Andrew M. Stuart, Andrea Bertozzi. Uncertainty quantification for semi-supervised multilabel classification in image processing and ego motion analysis from body worn cameras. Electronic Imaging (EI), 2019. (Oral)
[5] Yi-Ling Qiao, Lin Gao, Jie Yang, Paul L. Rosin, Yu-Kun Lai, Xilin Chen. LaplacianNet: Learning on 3D Meshes with Laplacian Encoding and Pooling. Submitted to IEEE Transactions on Visualization and Computer Graphics (TVCG).
[6] Yi-Ling Qiao, Lin Gao, Shu-Zhi Liu, Ligang Liu, Yu-Kun Lai, and Xilin Chen. Learning-based Real-time Detection of Intrinsic Reflectional Symmetry. Under Review
（来源：“机器之心”微信公众号、“中国科学院大学”官方微信公众号）
