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
/ RGB
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，长期负责手机影像算法的预研与工程化落地，主要方向涵盖文字场景图像复原、异构
CFA 复原算法设计、RAW 域联合去噪去马赛克（JDD）模型量产交付，以及多机型
/ 多 Sensor HDR 成像画质优化。
教育经历
清华大学 - 博士 - 电子工程系
2017.09 - 2023.10
研究方向：计算机视觉、生物识别
吉林大学 - 学士 - 信息工程
2013.09 - 2017.06
工作经验
高级算法工程师 - 荣耀终端有限责任公司
2023.10 - 至今 （~2年零6个月）
负责手机影像相关算法预研与落地，重点方向包括文字场景图像复原、异构
CFA 复原算法、RAW 域联合去噪去马赛克算法交付与多机型 / Sensor 的 HDR
成像画质优化。
核心项目经历
基于生成式架构的文字场景图像复原系统
项目职责：针对手机端极端退化场景下的文字图像，主导从数据闭环和算法研发的全流程。
- 生成式复原算法研发：负责文字图像复原模型的设计与迭代，从 RGB2RGB
Transformer 架构逐步探索至 Diffusion
生成式框架，并通过引入像素级结构约束缓解生成式模型在文字区域的笔画幻觉与结构失真问题，提升复杂退化场景下的文字可读性与结构稳定性，已完成落地。
- RAW 域生成式算法预研：开展 RAW2RGB Diffusion
模型的预研工作，探索多帧输入条件下的模型结构设计与条件注入策略，为极低信噪比场景下的文字复原能力提升进行技术储备。
- 数据闭环与数据工程：针对高质量文字复原数据稀缺的问题，搭建自动化数据生成与筛选流水线，融合实采数据、渲染数据、合成数据与生成数据构建训练集，并结合
VLM
评分机制进行数据质量筛选，形成可持续迭代的高质量文字复原数据闭环体系。
下一代新型 CFA 原型验证与复原算法
项目职责：作为算法方向核心成员，参与下一代异构 CFA（Color Filter Array）方案的算法可行性验证，协同硬件团队完成从 RAW 数据仿真到 ISP 处理流程设计的整体评估。
- CFA 成像特性评估：对新型 CFA Pattern
在通用拍摄场景下的颜色还原、分辨率与噪声表现进行算法仿真与定量评估，并分析其在
ISP Pipeline 中 AWB、CC、Demosaic、Denoise 等模块顺序与策略
对最终成像质量的影响。
- RAW 数据仿真与退化建模：构建适配新型 CFA 的 RAW
数据退化模型，模拟不同光照、运动模糊与成像噪声条件下的真实传感器输出，为算法验证提供仿真数据基础。
- 复原算法与处理流程设计：针对新型 CFA Pattern
设计并验证联合去噪去马赛克的复原算法方案，探索适配该 CFA 的 ISP
处理流程，减少信息损失并发挥新型 CFA 在分辨率与降噪上的潜在优势。
画质优化业务交付
项目职责：负责自研的联合去噪去马赛克算法在多款量产机型上的优化、落地及画质问题排查，保障算法稳定量产落地。
- 量产业务全流程交付：负责多款旗舰及中端机型端侧图像复原算法的全流程交付，包括数据构建、退化建模、模型训练及端侧适配优化，推动算法稳定上线量产。
- 噪声建模与数据构建：基于 Gaussian‑Poisson 物理噪声模型 对不同 Sensor
的噪声统计特性进行参数标定，构建贴近真实成像分布的 RAW
域退化数据，用于支撑 JDD 模型在低照与极暗光场景下的训练与优化。
- 画质问题定位与优化：针对暗区涂抹、伪纹理、天空断层、偏色等典型问题，建立从数据、模型到
ISP pipeline
的问题定位流程，通过数据策略与模型调优持续提升整体成像质量。
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。
- AI 提效/辅助开发：在实际业务中深度集成 Claude Code / Codex /
Antigravity 等 AI 工具，并能够基于 Agentic Tools 其设计思想合理设计
CLAUDE.md/AGENTS.md 进行项目管理与 Skills 提效。
- 英语能力:
通过大学英语四六级考试；具备良好的英语听说读写能力，能够快速浏览英文文献和书籍。
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。
- P. Zhao, S. Zhao, L. Chen, W. Yang, and Q. Liao,
"Exploiting Multi-perspective Driven Hierarchical Content-Aware Network
for Finger Vein Verification," IEEE Trans. Circuits Syst. Video
Technol., vol. 32, no. 11, pp. 7938-7950, Nov. 2022.
- P. Zhao, S. Zhao, J.-H. Xue, W. Yang, and Q. Liao,
"The Neglected Background Cues Can Facilitate Finger Vein Recognition,"
Pattern Recognit., vol. 136, Art. no. 109199, Nov. 2022.
- P. Zhao, Z. Chen, J. Feng et al., "Single-Sample
Finger Vein Recognition via Competitive and Progressive Sparse
Representation," IEEE Trans. Biometrics, Behavior, Identity
Sci., vol. 5, no. 2, pp. 209-220, Apr. 2023.
- Y. Song, P. Zhao, W. Yang, J. Zhou, and Q. Liao,
"EIFNet: An Explicit and Implicit Feature Fusion Network for Finger Vein
Verification," IEEE Trans. Circuits Syst. Video Technol., vol.
33, no. 5, pp. 2520-2532, May 2023.
- Q. Bao, R. Zhu, B. Gang, P. Zhao, W. Yang, and M.
Qing, "Distilling Resolution-robust Identity Knowledge for
Texture-Enhanced Face Hallucination," in Proc. 30th ACM Int. Conf.
Multimedia, 2022.
- S. Zhao, J. Wen, L. Fei, B. Zhang, P. Zhao, and S.
Li, "Structure Suture Learning Based Robust Multi-View Palmprint
Recognition," IEEE Trans. Neural Netw. Learn. Syst., 2022.
- S. Zhao, J. Wu, B. Zhang, L. Fei, S. Li, and P.
Zhao, "Adaptive Graph Embedded Preserving Projection Learning
for Feature Extraction and Selection," IEEE Trans. Syst., Man,
Cybern., Syst., vol. 53, no. 2, pp. 1060-1073, Feb. 2023.