作者

陈彩娴

整理

刘冰一

对于许多成长于世纪之交的中国青少年来说，远在美国西雅图的比尔盖茨与之赖以声名鹊起的Windows是一个传奇。在他们所阅读的名人传记中，比尔盖茨13岁在湖畔中学编写计算机程序、从哈佛辍学创业的故事，就像90后一代对于乔布斯辍学、在自家车库后院创立苹果公司一样熟悉。

出生于年的陈启峰也是其中一员。当时，他正在广东省中山市三乡镇读小学，从小展示出过人的数学天赋，小学五年级与六年级学生同台竞技，在全国奥数竞赛上获得一等奖。在一次阅读比尔盖茨传记的过程中，比尔盖茨创立微软的故事改变了他的竞赛轨迹：钻研信息学。

“我当时觉得，未来一定是信息时代。”陈启峰说道。这种力争走在前沿的思想，不仅一次影响了他的人生选择。年，他在密歇根大学安娜堡分校交换时，无意中选修了SilvioSavarese的一门计算机视觉课程，被视觉研究的魅力折服，直觉这个方向有很大的发展潜力，于是立志将其作为未来的研究目标。

年，陈启峰在ICCV上发表“PhotographicImageSynthesiswithCascadedRefinementNetworks”（《级联优化网络生成逼真图像》）一文，只用到一个端到端的神经网络，给出一个语义布局图，就能够生成对应的百万级像素图像，在计算机视觉领域掀起了一番风浪：

以往的图像生成主要是基于GAN形成，陈启峰的方法更为简单。康奈尔大学计算机系的副教授NoahSnavely感慨，陈启峰的系统生成了他见过的最大、最细致的人工场景。这项技术可以用在游戏、电影、VR与AR等领域，他的合作者后来还通过改进，成功还原出《侠盗猎车5》里的情景。

计算机视觉的强大，不仅在于感知，还在于生成。从斯坦福博士毕业、加入港科大后，陈启峰继续从事AI成像技术与内容创作的研究。他一直憧憬，在“人人都可以成为主播”的时代，普通人只需要描述一段文字，就可以用人工智能技术生成他们脑海里的画面，“把梦境变成现实”。

我更适合什么？

作为最早进入计算机视觉领域的一批研究人员，陈启峰是少见的“逆流者”。当大多数“CVer”都集中在感知、分割与识别等主流研究课题时，他坚持自己进入计算机视觉研究的初衷：用AI做成像。

事实上，陈启峰的成名可以追溯到更早些时候：

年，当时正就读于中山纪念中学的陈启峰与其余3位中国队选手出征在克罗地亚举办的国际信息学奥林匹克竞赛（IOI），以全球第8名的成绩获得金牌，打破了广东省IOI零金牌的纪录，以中学生的身份入选“中山市十大杰出青年”，名躁一时。

谈起当年，陈启峰仍记忆犹新：“就很激动！感觉自己为国争光了。虽然我在中国队里的排名是最低的，但我们都是好朋友，在一起训练了很长时间，最后大家都拿到了金牌，所以很开心！”

图注：年IOI中国队，左二为陈启峰

他从初一暑假开始参加信息学训练与竞赛，年（还在读初三）就摘下NOI金牌、进入国家集训队，并获得清华大学的预录取资格。有了这块“通行令”，陈启峰在升上高中后就更加专注于信息学竞赛，又连续两年入选国家集训队，直至年参加IOI夺金。

作为土生土长的广东人，陈启峰对南北气候的差异十分敏感。中学时期，因为竞赛，他去过许多城市，在北京参加集训的时候，恰好都是冬天，干燥、下雪，让他的身体十分不适。

这时，他想到了距离中山不过两百公里的香港。香港毗邻广东，语言、饮食与气候相近，对于从小讲粤语比讲普通话流利、看成龙电影长大的陈启峰来说更亲切。往年，纪中也有一些学子去香港读大学。通过向前辈打听，陈启峰联系了香港科技大学的招生办，通过笔试、面试，在年拿到了港科大的offer。

“当然，主要还是因为我有IOI、NOI的竞赛获奖证明。”他介绍。

在北京奥运会与汶川地震募捐等事件的推动下，陈启峰在港科大读本科的四年，是香港与内地的关系非常紧密的几年。他回忆当年在香港读书的时光：“我觉得还是蛮开心的。除了上课，学校里也有很多课外活动，我大一时参加了魔术协会，里面有很多香港人，也都挺好的。”

港科大没有班级的概念，没有单一的课程表，学制短、每个学期大约有13周，一年两个学期，学生有很多时间可以自由安排。但陈启峰能感受到，周围的同学都很勤奋，“给我的印象就是经常在图书馆与实验室学习。”

港科大位于九龙清水湾，远离市区，单面环海，景色开阔。少年时期的陈启峰在学习之外，最喜欢做的事情就是在海边操场跑步、去海边游泳馆游泳。尽管香港的学费与物价高昂，但在入学时，他拿到了全额奖学金，生活的压力也就相对轻松。

在飞逝的大学时光里，陈启峰保持优异的学习成绩。他双修计算机与数学，22门专业课的成绩都是A+，这个记录至今无人打破。他的老师邓智强教授称，陈启峰是他在港科大任教十七年以来见过的最杰出的本科生。

陈启峰则解释，这主要是因为许多课程知识都已经在早年的竞赛生涯里学过。上大学后，竞赛不再是生活的主旋律，但他打比赛的热情不减当年，只要摸到鼠标与键盘，下一秒就能进入编程解题的世界，没有什么能挡住他在争分夺秒中收获的乐趣。

图注：年5月，陈启峰在美国佛罗里达参加ACM-ICPCWorldFinals

在高手如云的信息学竞赛圈，陈启峰绝对是排得上号的人物。他参加各种各样的编程竞赛，比如百度之星程序设计大赛、全港大学IBM数据库程式设计比赛、香港大学生编程比赛、全球谷歌编程挑战赛等等，均获得不错的成绩。

令他印象最深刻的是大三那年在美国密歇根大学安娜堡分校交流时参加ACM-ICPC，获得全球第二名的好成绩。那一年，全球第一名是浙江大学，第三名是清华大学。虽然屈居第二，但这次是他第一次与美国学生组队，尤其与队伍里的一位小伙伴配合极佳，在决赛的时候联手解决了8道题目，是很新鲜的体验。

图注：年ACM-ICPC战绩

图注：ACM-ICPC颁奖现场的陈启峰（右二）

“竞赛的话，临场发挥是蛮关键的。做过类似的题就会发挥得比较好，不熟悉的话，‘题感’就不是很好。”他觉得，解决竞赛问题有点像玩游戏通关的过程，过关一时爽，一直过关一直爽。在有限的时间内追求无限的速度，这种紧张感构成了陈启峰美好青春的一半画幅。

后来，他从斯坦福毕业、回港科大任教后，即使做科研、指导学生与照顾家庭已分身乏术，但他还是自告奋勇，提出担任港科大ACM-ICPC的竞赛教练，抽时间陪学生训练、做题，号召对编程竞赛有兴趣的学生加进他们。

“我也希望为他们提供一些资源，让他们提高自己的编程能力。”陈启峰说道。

另一半画幅：做科研

回想本科的学习生活，陈启峰最直观的一个感受是：港科大有很多国际交流的机会，“基本上学生想去就能去”。

在香港这座每天有无数国际航班起飞与到达的城市，他每天与来自世界各地的人擦肩而过，如愿体验到了开放的美式校园文化，与来自不同国家的学生一起学习、了解他们的文化与习俗。

对世界的探索，最终也折射到对个人的思考上：“我要做什么？我要做成什么？”陈启峰认为，在大学不仅要搞好学习，最重要的还是寻找自己未来能从事的方向。

20岁的陈启峰有着充沛的精力。除了努力学习拿A+、竞赛，他还曾参加UCLA与港科大联合举办的校企合作研究项目，与几个来香港交换的美国本科生去深圳，与华为、华大基因等公司交流，也曾作为学生代表接待了许多来自美国、欧洲与加拿大的学生。

与越来越多跨越大洋、来到香港交流的外国学生打交道后，陈启峰也开始寻找“走出香港”的机会。大一暑假，他去了韩国成均馆大学进行文化交流；大二暑假，他飞去北京微软亚洲研究院（MSRA）实习；大三上学期，他去了美国密歇根大学安娜堡分校交换。

他提到，其实做选择就是取舍，他永远也不会知道如果当初去了清华会怎样，但他能确定，港科大为他在大学时做尝试、与外界交流提供了很好的条件。比如，在三次交换学习中，港科大都提供了非常多支持，他只需要负责生活费。

MSRA的暑期实习是陈启峰自己申请的。作为极少数能够在MSRA实习的本科生之一，陈启峰还分配到了门槛较高的机器学习组。但是，在这三个月的实习中，首次接触科研的他并没有取得研究成果。

尝试越多，选择越多，这是陈启峰的感悟。尽管他做过很多没有结果的探索，但在美国密歇根大学安娜堡分校交换时，他有幸上了一门由SilvioSavarese（后来去了斯坦福任教）讲授的计算机视觉课程，从此打开了新世界的大门。

“感觉计算机视觉可以做很多有趣的应用，不但能理解图像，还能创造一些新的图像。当时计算机视觉还不是很火，深度学习也没有兴起，但我觉得它的潜力会非常大，就想往这个方向继续深入研究。”

港科大有一个面向本科生的研究计划，叫做“UndergraduateResearchOpportunitiesProgram”，简称“UROP”。从密歇根回到香港后，陈启峰就参加了UROP，选择了港科大最早研究计算机视觉的邓智强教授当指导老师。

“我不知道清华的教授会花多少时间辅导本科生，因为清华有太多非常优秀的学生了，所以我觉得在科大也许能得到更多辅导。”陈启峰谈道。他从大三下学期开始做科研，邓智强教授每周都会对他的科研项目进行两到三次的指导，还给他分配了一个专门的实验室让他做研究。

他的第一个项目是做三维重建，做了半年，但成果最终没有被顶会接收。他没有泄气，大三暑假就与老师商量换了一个新的方向：“之前我在微软亚研实习时也没有取得成果。当初就已经体验到做科研不是一两天的事。”

这一次比较顺利：他将AlphaMatting推广至多图像层估算，推导出了一种封闭形式的解决方案——KNNMatting，成果发表在CVPR，至今有约次的引用。接着，他又以一作的身份在顶刊TPAMI上发表了KNNMatting的扩展版本。

在当时的技术条件下，能以一作身份发表两篇顶会/顶刊论文的本科生，在国内外都是凤毛棱角。翻阅港科大计算机系的历史，更是前无古人。年，凭借这些成果，陈启峰获得香港科技大学本科生科研冠军奖。

对于邓智强老师，陈启峰是很感激的，因为邓志强不仅在他做科研早期给予了重要指导，而且还鼓励他继续读博深造，往更高的学府、跟更厉害的人学习。

在早期的竞赛生涯里，他从竞赛教练宋新波那学到了“传帮带”的精神，后来回到港科大，他也非常乐意辅导本科生做科研。他之前辅导的本科生XuanchiRen就发表了一篇顶会一作，拿到了年香港科技大学本科生科研亚军奖。

图注：年，陈启峰（左二）从香港科技大学本科毕业

年，陈启峰获得斯坦福、MIT、UCBerkeley、哈佛等九所名校的全奖计算机博士offer，但他最终选择了斯坦福。那一年，斯坦福计算机系仅从全球录取不到40位博士生，从中国地区院校录取了4名学子，陈启峰就是其中的一位，其余2位来自清华大学、1位来自上海交通大学。

广府人普遍“重商”、“实干”，虽然陈启峰选择读博、做学术，但广府人的精神仍然在他的身上传承。比如，在做好研究的基础上，他喜欢思考研究的实用性，也热衷于技术创业。在这一点上，位于硅谷的斯坦福无疑最接近他的理想：创业氛围浓厚，IT企业数量多。

陈启峰谈硅谷的创业氛围：

在斯坦福，我们在跟企业交流合作中会了解到一些创业情况，还有很多风险投资人在斯坦福旁边举办各种各样的活动，邀请我们参加，有机会认识到一些投资者。只要有学术创业活动，我一般都会去参加。

读博：深入图像研究

在斯坦福，陈启峰所取得的最重要成果是博士毕业那年在ICCV上发表的机器生成图像工作——“PhotographicImageSynthesiswithCascadedRefinementNetworks”（《级联优化网络生成逼真图像》）。从那时候开始，他就树立了一个长期的研究目标：用人工智能进行艺术创作。

刚开始读博时，他就憧憬过这样一种看似天方夜谭的画面：过去，人们画一栋建筑，需要逐笔描绘门、窗、砖瓦等房屋细节；而在人工智能时代，人们只需要口头描述，AI就能将这段文字描述转化为逼真的图像与视频，像魔法召唤一样。

围绕这个目标，他在图像感知、合成与处理等不同方向上做了许多努力。当他提出用AI合成大规模场景时，他最重要的合作者VladlenKoltun认为难度极高，不容易实现，而这个方向的研究仍处于起步阶段，没有太多前人的结果可以借鉴。

“这个阶段（读博）已经不像在学校参加考试与竞赛那样了，只需要解答给出的题目就行。对我来说，更重要的是做一个有潜力、有影响力的课题，即使这个课题非常难，还没有人做出来。”陈启峰谈道，这有点像投资，因为要判断哪个研究课题更有价值。

虽然难度大，但他与Koltun均认为场景合成的应用潜力非常巨大。他们没有采取只能生成小尺寸图片的GAN技术，而是用语义布局的方法来进行图像合成。所谓语义布局，即如下图般在图片上标出各种物体的位置：

然后利用算法按照上图的“指示”进行渲染。比如，经过张德国街道照片的训练，遇到输入的布局上标注成“car”的部分，这个见过很多车的算法就会自己生成一辆车，填在那里。最终，算法会输出一张与现实场景相近的照片：

陈启峰与团队应用计算机视觉技术合成的大规模街景具有较高的分辨率，有望提高电影特效的真实性，降低电影制作成本。这项工作（“PhotographicImageSynthesis”）最终发表于ICCV，一经面世则引起广泛