引言
何恺明是计算机视觉领域具有重要影响力的学者。根据 Google Scholar 的数据，截至 2023 年，他的论文已被引用超过 500,000 次。他关于 ResNet 的研究确立了现代深度学习模型中的一种基本构件。何恺明自 2024 年起在麻省理工学院 EECS 系任教。此前，他从 2016 年起在 Facebook 担任研究科学家；更早之前，他从 2011 年起在微软从事研究。他在香港中文大学获得博士学位，导师为汤晓鸥。本文简要介绍何恺明的博士论文“Single Image Haze Removal Using Dark Channel Prior”（基于暗通道先验的单幅图像去雾）[1]，希望从中学习如何开展有影响力的研究并撰写引人入胜的论文。
论文概要
何恺明的论文为单幅图像去雾问题提出了一种启发式方法。其关键在于提出了一个有效且简单的先验，即暗通道先验，为求解去雾方程提供额外约束。这个先验来自他对无雾图像统计特征的观察：这些图像中的大多数局部区域都包含至少在一个颜色通道上很暗的像素。此外，论文介绍了暗通道先验的高效实现，并展示了它与人类视觉感知系统之间的紧密联系。
观察、评论与趣事
以下是关于何恺明博士论文的一些有价值的观察和趣事，可能为科研论文写作提供启发。
- 何恺明从 2007 年开始在微软担任研究实习生，同年进入香港中文大学攻读博士。单幅图像去雾这一研究课题可能源于微软工程师的建议。
- 何恺明于 2007 年开始博士学习，第一篇论文发表于 2009 年，并获得 CVPR 最佳论文奖。因此，在博士阶段的前两年，他尚未发表研究成果。
- 何恺明提出的单幅图像去雾方案有效、简单且有趣。他还进行了大量数值实验，验证所提方案的有效性。
- 何恺明的论文具有良好的可读性，即使不熟悉该课题的读者也能理解和欣赏。这得益于他尽量减少术语的使用。
- 何恺明的写作通常遵循以下结构：首先强调问题的重要性，随后讨论解决问题的挑战并介绍已有方案；接着提出自己的新方案，说明其相对于已有方法的优势；最后讨论方案可能带来的广泛社会影响。
- 与产业界合作是发现具有重大社会影响的有价值研究问题的有效途径。研究的目标应当是以有效且简单的方式解决这些问题，而这需要对研究对象有深入理解。
相关论文
何恺明在博士期间发表了五篇研究论文，其中四篇与博士论文相关。这些论文发表于 2009 至 2011 年，他均为第一作者。所有论文都发表于顶级学术会议或期刊，包括 CVPR（三篇）、TPAMI（一篇）和 ECCV（一篇）。尤为突出的是，他的第一篇论文“Single image haze removal using dark channel prior”获得了 2009 年 CVPR 最佳论文奖，截至 2023 年已被引用超过 8,000 次。这些成果体现了他在选择有影响力研究课题方面的学术品味。