Miaohui Wang Ph.D.

English





王妙辉,香港中文大学电子工程哲学博士(CUHK),IEEE 高级会员,博导,特聘研究员,深圳大学长聘副教授(SZU),中国图象图形学会多媒体专委会/交通视频专委会委员(CSIG),中国人工智能学会青工委员(CAAI)。他主持多项纵向科研项目(含国家、省、市级等面上-青年项目),已顺利结题承担或参与的国家自然科学基金、香港RGC/ITF基金等各级项目。他拥有丰富的产学研经验,在国内(2010-2011,2017-至今)、中国香港地区(2015-2017)、美国(2014-2015)都有工作或研究经历。他曾获得《广东省科技进步奖一等奖》、《上海市优秀研究生成果奖》、《上海市优秀毕业生》、《深圳市海外高层次人才》、《广东省计算机学会优秀论文一等奖》等荣誉。


他现在主要从事智能视觉计算方面研究,着力解决受限环境下三维视觉重建、压缩、感知及评测。在等国内外学术期刊和会议已发表100多篇同行评议论文,以第一作者/通信作者发表T-PAMI、IJCV、T-IP、CVPR、 ICCV、AAAI、IJCAI等IEEE Trans.和CCF-A类文章40多篇。


他现担任(IEEE SIGNAL PROCESSING LETTERS/IEEE SENSORS LETTERS)等多个中科院SCI分区期刊的副编辑(AE)或客座编委,获多媒体领域旗舰会议ICME2021优秀审稿人,曾担任CCF-A/B类国际会议AAAI/ICME/ICASSP分会主席(SC)或领域主席(AC),就任多个国际会议的程序委员会。

主要研究成果

一、3D内容生成与几何重建(Geometry-aware 3D Reconstruction & Generation)

围绕基于几何先验的3D内容生成与重建问题,相关研究以法向图为核心表征媒介,系统性探索了从低维观测到高保真三维表面的映射机制。通过将2D法向图引入多模态学习框架,提出了一系列面向细节增强与超分辨率重建的方法,实现了在复杂几何结构下微细纹理与高频细节的稳定恢复。在此基础上,进一步结合变分生成模型与结构保持约束,提升了重建过程中的拓扑一致性与局部几何精度。同时,围绕表面重建中的断裂保持与微结构表达问题,发展了面向梯度与法向联合建模的重建范式,使得复杂自由曲面能够在低观测条件下实现高质量重建。这方面的研究成果提高了法向驱动的可学习几何表征在3D内容生成中的基础作用,相关工作发表在IEEE TPAMI、ICCV、CVPR、IJCAI等领域顶级期刊和会议上。

二、3D压缩与表征学习(Efficient 3D Compression & Representation Learning)

在3D数据压缩与高效表征方面,研究聚焦于点云与几何数据在传输与存储约束下的结构保持与任务一致性表达。围绕点云与多视几何数据,提出了多种面向语义感知与任务驱动的压缩框架,在降低比特率的同时最大限度保持下游理解性能。进一步地,引入可恰感知冗余建模思想,将人类视觉感知与机器任务敏感性统一纳入压缩优化目标,实现了从视觉无损向语义可用压缩的范式转变。在表示学习层面,通过多模态融合与结构感知特征建模,构建了面向点云质量评估与编码优化的统一表征空间。此外,围绕可扩展编码与高效网络结构设计,进一步探索了Transformer模型量化与分层表示机制,为大规模3D数据的高效处理提供了基础支撑,相关工作发表在IEEE TIP、TCSVT、TMM、AAAI、ACMMM等领域顶级期刊和会议上。

三、3D感知优化与任务驱动理解(Task-oriented 3D Perception Optimization)

在3D感知优化方向,研究重点面向复杂场景理解中的鲁棒性与跨模态一致性问题,构建了从数据质量评估到下游任务优化的统一学习框架。通过多视角结构感知与跨模态特征融合策略,显著提升了点云配准、语义场景补全与目标理解任务的稳定性与精度。在动态与复杂环境中,进一步结合多模态对齐与噪声抑制机制,提高了行为识别与场景解析的鲁棒感知能力。同时,将质量感知引入3D视觉编码与传输过程,实现感知驱动的资源分配与重建优化,使压缩、传输与理解形成统一优化目标。这方面的研究成果增加了感知、表征及决策的一体化设计方案,使3D系统在低比特率与复杂扰动条件下仍能保持高可靠性与任务一致性,相关工作发表在IJCV、IEEE TIP、NeurIPS、AAAI、IJCAI等领域顶级期刊和会议上。

新闻!!!!!!


新!!!2022-2023 国际会议: 人工智能, 机器学习, 计算机视觉, 数据挖掘, 自然语言处理


论文列表


《数字图像处理》课程报告



Last Update: Jan. 2026. WANG MIAOHUI All rights reserved.