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落地，主要方向涵盖文字场景图像复原系统搭建、RAW 域 Diffusion 算法预研、异构 CFA 方案通路与算法可行性验证、RAW 域联合去噪去马赛克模型量产交付，以及多机型 / Sensor HDR 成像画质优化。

 教育经历

研究方向：计算机视觉、生物识别

 工作经验

 核心项目经历

项目职责：针对现实复杂退化场景下的文字图像，主导从数据闭环、复原算法研发到落地的全流程。

• 生成式复原算法研发：主导从传统 Transformer 向 JiT + Flow Matching 生成式架构演进，引入像素级结构约束缓解文字笔画幻觉与结构失真；探索基于 CLIP 对比学习的汉字 embedding 方案。整体方案相较基线模型，主观盲测胜率接近 100%，文本识别准确率相对提升 12%、识别置信度提升 26%，成功支撑下一代旗舰机影像卖点特性。
• 数据闭环与数据工程：构建由 VLM 驱动的大规模自动化数据清洗与测评管线。微调 Qwen3-VL-8B 建立难例挖掘与价值过滤机制，对输入图像进行多维质量量化，实现对网络数据中高质量文字图像的自动化、高精度筛选与过滤。融合实采、渲染合成、网络数据与 T2I 生成数据等异构源，构建出百万级规模的高质量文字复原训练集，形成可持续迭代的数据闭环体系。

项目职责：针对 RAW 域图像传统复原模型的画质上限，引入生成式方案，探索多帧输入条件下的模型结构设计与 RAW 域信息注入策略。

• 跨空间条件注入设计：针对 FLUX.1-dev 12B 隐空间与多帧 RAW 域的模态差异，通过引入 Bayer 数据流与 LoRA 微调显式约束底层结构，显著提升 RGB 域的图像重建质量。此外，结合对抗生成损失对模型进行单步蒸馏，将推理过程压缩至单步，实现生成速度的跨越式提升。
• Latent/Pixel 扩散方案架构选型：对比预研 Latent 与 Pixel 空间扩散两大路线，分析不同域下图像重建 loss 的有效性，探究“清晰度”与“保真度”两者在不同技术路线上的差异，为模型定型与演进奠定基础。

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、模型训练与常见画质问题优化，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 RAW 域复原模型在复杂真实退化条件下的训练与优化。

 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/生活中深度集成 Claude Code / Codex / Openclaw 等 AI 工具，并能够基于相关设计思想合理设计 CLAUDE.md/AGENTS.md 与 Skills 进行项目管理与自动化效率提升；为 Openclaw 等 Multi-Agent 工具搭建技能中台避免 Agent Workspace 腐化。
• 开发技能/工具：Python, Pytorch, Diffusers, PEFT, Git, Docker 等。
• 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。