赵鹏阳

 北京    15330050984    pengyang.zhao@foxmail.com  

 个人概述

清华大学电子工程系博士，研究方向为计算机视觉与生物识别；具备生成式图像复原、计算摄影、RAW 域画质优化与端侧算法落地经验。现任荣耀高级算法工程师，长期负责手机影像核心算法预研与落地，覆盖算法设计、数据闭环、性能优化、跨部门协同与量产交付。

 教育经历

研究方向：计算机视觉、生物识别

 工作经历

负责手机影像相关算法研发与量产落地，重点方向包括文字场景图像复原、异构 CFA 复原算法、RAW 域 JDD 交付与多机型画质优化。

 核心项目经历

项目职责：面向手机端极端退化文字场景，主导数据闭环、模型方案设计与系统落地全流程。

• 方案设计：放弃传统弱控制复原方案，采用 JiT 架构并引入 Text Prior（Bbox & Glyphmap）作为像素级强约束，显著抑制低质量输入下的语义幻觉、乱码与文本结构漂移问题。
• 数据闭环：构建基于 VLM 的多模态数据评价与清洗流水线，对生成数据、实采数据和开源数据进行纹理真实性、清晰度与文字可读性联合打分，自动沉淀高质量 Patch 数据，提升模型泛化能力。
• 工程落地：跑通基于 Large-scale VLM 的数据自动闭环逻辑，系统支持 4K 图像输入，单张推理耗时稳定在 4s 左右，显著提升后端 OCR 的可用性与识别稳定性。

项目职责：作为算法方向负责人，协同硬件团队完成新型异构 Sensor 的规格定义、性能仿真与算法可行性验证。

• 原型评估：建立不同 Pattern Sensor 在通用场景下的性能推演方法，对颜色、清晰度、白平衡等关键指标进行系统分析，为硬件选型与规格定义提供算法侧依据。
• 算法研发：针对异构排列设计端到端 JDD 算法，规避传统 ISP 分步处理导致的信号丢失问题，实测全场景线对可分度提升 10%。
• 画质平衡：深入分析暗光信噪比收益与日间清晰度损失之间的边界，通过算法补偿硬件缺陷，推动实现跨代际的暗光画质突破。

项目职责：负责自研深度学习 JDD 模型在多款量产机型上的适配、优化与问题闭环。

• 噪声建模：基于 Gaussian-Poisson 模型完成多款 Sensor 的噪声标定，建立标准化 Noise Profile 自动生成流程，缩短新器件算法适配周期。
• 问题攻坚：针对暗区涂抹、伪纹理、色阶断层等高频 PQ 问题，引入亮度自适应退化策略，提升模型在复杂场景下的稳定性并完成问题闭环。

 专业技能

• 算法方向：计算机视觉、图像复原、生成式视觉算法、计算摄影、RAW 域画质优化、生物识别。
• 研发方法：熟练使用 Hydra / OmegaConf 进行实验配置管理，结合 Aim 等工具构建可追踪、可复现的算法研发流程。
• 工程能力：具备从数据构建、模型训练、指标设计到端侧落地和量产维护的完整闭环经验。
• AI 提效：在实际研发中深度使用 Claude Code、Codex 等 AI CLI 工具，沉淀 AI 辅助单元测试生成、复杂算子逻辑纠偏与工程提效工作流。
• 英语能力：可熟练阅读英文论文与技术文档，并进行日常技术交流。

 荣誉奖励

• 荣耀 2024 年度微光者、荣耀知识之星
• 国家奖学金、奇虎 360 奖学金、三星奖学金
• 校优秀学生干部、校优秀学生、校级国奖励学标兵

 论文

发表与参与论文 7 篇，研究方向聚焦生物识别与图像复原。