中国姑娘张楚晗，牛津VGG博士，拿下CVPR分量最重的最佳论文奖

科技少年 | 感受他们的好奇与热爱

今年6月，计算机视觉领域最顶尖的学术会议CVPR在美国丹佛召开。这一届投来一万六千多篇论文，录用四千多篇，最后评出的最佳论文，每年只有一到两篇。

其中一篇的第一作者，是个中国姑娘，张楚晗。

她的论文，让AI看一段普通视频就还原出会动的立体世界

给AI一段普通视频，比如你随手用手机拍的那种，它能算出画面里每样东西离镜头多远、每个点在三维空间里往哪儿动、拍的时候相机怎么移动，然后把这段平面视频还原成一个会动的立体场景。

这件事过去也能做，但要把好几个专门的模型拼在一起：一个测距离，一个算运动，一个估相机位置。又慢又容易出错，画面里只要有东西在动，结果就乱。张楚晗他们用一个模型把这些活全包了，对会动的和不动的东西一视同仁，还快了很多。光是估算相机位置这一步，就比过去快了上百倍，一块芯片几秒钟能处理一分钟的视频。

AR眼镜、电影特效、机器人认路，都得先让机器看懂眼前的立体世界。张楚晗他们这篇论文叫D4RT，做的就是这件最底下的事。

中国长大，高中去了英国，本科读的牛津工程

张楚晗在中国长大。高中阶段她去了英国，先在一所叫Kings的学校读衔接课程，再考进牛津大学的Exeter学院，读工程科学。她说那时候学校的老师特别愿意帮你，总有人能说上话，让她觉得像在家里一样。

牛津工程这个专业本硕连读，四年读下来拿的是硕士学位。读完她没走，留在牛津的VGG接着读博士。

VGG是牛津的视觉几何组，在计算机视觉圈里是块响当当的招牌。深度学习里有个家喻户晓的网络结构叫VGGNet，就出自这个组。读博期间，张楚晗就在CVPR发过论文。

她的导师Andrew Zisserman，是这个领域的奠基级人物。计算机视觉有个分量最重的论文奖叫Marr奖，几十年里只有他一个人拿过三次。他是英国皇家学会院士，和人合写的《多视图几何》是这个领域几乎人手一本的教科书。

博士读完，她去了Google DeepMind

现在张楚晗是Google DeepMind的资深研究科学家。DeepMind是谷歌的AI研究机构，做出过下围棋赢了人类冠军的AlphaGo，还有能预测蛋白质结构、帮上无数生物学家的AlphaFold。

这次拿最佳论文的D4RT，就是她在DeepMind做的。这篇论文有十四位作者，里面有她当年的博士导师Zisserman，也有DeepMind的几位资深科学家。

学生的名字排在第一个，老师的名字在后面。