I am currently a Phd student in Zhejiang University and about to graduate at 2026.06.
Reviewr Experience:
CVPR, NeurIPS, SIGGRAPH Asia, ICML, ECCV, ICCV, ACM MM, ICLR, AISTATS, AAAI, ICPR
近期研究： DiT架构的相机运镜与转场可控的视频生成模型；浙大华为联合开源,持续维护首个动态场景、Metric Scale相机标注的高质量视频数据集RealCam-Vid.近期在研究FlashAttention，注意力稀疏化（CUDA底层实现）与并行推理的相关技术。
历史研究领域:
1. 视频与图像可控生成/编辑。 掌握主流图像/视频生成方法的多分辨率训练的工程经验以及adapter、lora、梯度反传、噪声反演等多种可控方法。
2. Transformer架构扩散模型研究：在Sora发布前，已有长时间的转向Transformer架构扩散模型的研究经历。掌握U-ViT、DiT、MaskDiT、离散的VQDiT、自回归的MaskGiT、LFQ压缩、VAE压缩、TikTok压缩等研究经历。熟练掌握RMSNorm, QK Norm，双向Attention, ZeroAdaLn, GemmaMlp, 噪声策略，eps/x0/v-prediction等关键技巧，有丰富的训练Pixart， DiT的工程经验。
3. 位置编码，尺度外推的相关研究：在RoPE未广泛应用到生成领域时，独立实现2D RoPE应用于DiT的图像生成，复现Training-free的尺度外推技术例如NTK RoPE, ReRoPE, Leaky ReRoPE等。
4. 加速：掌握通用蒸馏剪枝技术及diffusion领域特有的加速技术，在官方代码未开源前独立实现w-embedding CFG蒸馏，Consistency Model，LCM，PCM，UFOGen，DMD等1步/少步生成加速方法，参与并指导学弟发表加速工作Target-Driven Distillation，应用于小红书，huggingface模型已被下载5.35k次。
5. 3D生成：具有基于MVDream,Wonder3D，Zero123等diffusion-based的多视角生成、MeshGPT，LRM等One-step Feed-Forward的原生3D基础模型的较长时间的研究经历。
6. 强化学习：具有使用DPO、PPO对DiT模型进行不同时间步自动化最优CFG探索的研究经历。
7. 自动驾驶BEV：具有自动驾驶场景的4D高斯生成的少部分研究经历和BEV生成的研究经历。
