一、嘉宾简介

陈雪锦

现为中国科学技术大学信息学院特任教授，教育部“青年长江学者”。2003 和 2008年分别于中国科学技术大学获得学士和博士学位，2008-2010 年于耶鲁大学计算机系从事博士后研究。2010 年加入中国科学技术大学。曾在斯坦福大学、微软亚洲研究院任访问学者。主要研究方向为计算机图形学、三维视觉、脑显微图像分析。在ACM SIG-GRAPH、IEEE TVCG、TMI、ACM Multimedia等期刊会议上发表学术论文60余篇，承担国家科研项目 10 余项，曾获 CVM 期刊 2019 年度最佳论文提名、安徽省教学成果特等奖、安徽省教学成果一等奖。

二、访谈内容

问：请介绍一下您的团队以及团队的研究内容？

陈雪锦 ：我所在的团队USTC-VGG（Visual Geometry Group，视觉几何组）隶属于中国科学技术大学类脑智能技术与应用国家工程实验室，在实验室主任吴枫教授带领下开展科研工作。团队由20多名博士生、硕士生、本科生组成，是一个对科技满怀热情、对生活充满激情、洋溢青春活力的团队，同学之间互帮互助、团结友爱，是一个相亲相爱的大家庭。课题组位于中国科学技术大学高新校区，办公环境宽敞明亮，拥有高性能 GPU 计算集群、两台三维激光扫描仪、多台深度相机等先进设备，为团队成员开展前沿研究提供了优越的软硬件条件。个人主页：http://staff.ustc.edu.cn/~xjchen99/。
USTC-VGG 课题组面向国家重大需求、面向国际科技前沿，紧密结合产业发展趋势，致力于三维视觉、计算机图形学、生物医学图像分析方面的研究。在三维场景理解和建模方面，研究点云语义分割、结构化几何分析和三维重建，研究基于草图的三维建模和内容创造；在生物医学图像处理方面，围绕脑科学与人工智能的交叉方向，以构建全脑神经连接图谱为目标，研究生物显微图像中的神经元三维重建、大规模形态分析、亚细胞结构重建。同时，围绕着三维视觉、生物医学图像分析领域内样本少、标注难的问题，研究零样本、小样本等半监督和自监督学习算法。

图 1 三维建模

问：请您介绍一下，在相关研究方面所取得的成果和做出的贡献？

陈雪锦：USTC-VGG 课题组近年来围绕着大规模复杂场景的三维建模和几何结构分析关键技术，分别面向宏观自然场景建模和微观全脑神经连接图谱构建两个领域，深入探究了三维结构的表达和推断方法，以及结构指导的精准高效数据分析和内容生成技术。具体地，1） 在自然场景的几何分析和三维重建方面，面向复杂自然场景中目标尺度范围大、几何形态复杂、细节结构丰富的挑战，建立了“拓扑结构恢复—几何形状细化”的层级化重建框架，学习目标结构的有效表达，在结构指导下进行精细几何优化，降低几何歧义性和目标特异性；将此框架成功应用于多个三维建模任务中，包括结构感知的三维场景重建、基于组合结构的物体建模、保持结构的真实感内容生成，大幅度提升三维建模鲁棒性和模型泛化性。2） 在微观目标的三维形态分析及重建方面，面向全脑神经连接图谱构建，针对神经生物学领域三维超高分辨率三维显微图像数据体量大、标注数据少、精细结构多的挑战，提出一系列半监督学习方法，通过结合传统几何重建算法与深度学习技术，充分挖掘数据自身间的结构关联，极大降低了数据标注代价，提升了稠密神经元重建性能，支持更精准的几何形态分析；基于此，开发了一套全自动大规模微米分辨率的神经元集群重建系统，为推动神经科学发展做出积极贡献。

图 2 Computational Visual Media 2019年最佳论文提名

图 3 Harvard-ISBI 2021 大规模三维线粒体分割挑战赛亚军

问：在科学研究中遇到的重大机遇和挑战，您是如何应对的？有什么经验可以分享？

陈雪锦：在科学研究中，机遇和挑战一定是并存的。我们课题组的两个主要研究方向，一个是计算机图形学，一个是脑显微影像分析，在研究过程中，我和课题组同学们都面临着同样的挑战，上手难、工作量大。在三维建模方面，同学们要花较长一段时间掌握三维几何表达、投影、图形渲染等一整套基本理论和实现流程。而从计算机图形学到脑显微影像分析的转移，则是瞄准世界前沿的脑科学和类脑智能方向，期望在神经生物学和人工智能的学科交叉点碰撞出新的火花。但在前期研究中，需要花费大量的精力阅读相关书籍和文献，了解神经生物学的专业知识，不断地与生物学专家交流讨论，才慢慢地读懂论文、了解背景意义，掌握脑神经影像数据特性。然后，基于在几何分析和三维建模领域的技术积累，我们将计算机图形学和计算机视觉技术迁移到脑显微影像处理、神经元重建和分析领域，根据电镜图像、神经元数据特征设计出一系列创新方法，极大地提升了超大规模神经元重建和分析效率，为推动全脑图谱构建提供了有力技术支持。在传统神经生物学领域，研究人员往往需要投入数年的工作量来手工提取特定神经元或细胞结构，而我们所研发的自动分割和重建技术则将 PB 级全脑数据处理缩短到 1-2 个月。回望这 6 年的科研转型，前两年打地基的工作辛苦且迷茫，但一旦把地基打牢，在技术上不断深耕，就可以进入到成果丰硕期。课题组近三年在生物医学图像处理顶级会议 MICCAI和期刊 IEEE TMI 上发表了论文 10 余篇，无论从创新性还是实用性都得到了神经生物学领域内学者的高度评价。总的来说，科研是一个长期过程，且路上起起伏伏，遇到挑战的时候，往往就是在爬坡阶段，虽然行路艰难，但坚持下来，就会到达一个山峰，看到不一样的风景。

问：在科学研究中遇到的重大机遇和挑战，您是如何应对的？有什么经验可以分享？

陈雪锦：国际交流和合作对于推动科研创新、提升团队影响力非常重要。目前，国际交流与合作形式非常多元化，尤其是线上交流形式越来越丰富，具体有以下几种方式。1） 积极参加国际学术会议，事先了解感兴趣报告的具体内容，准备问题，勇于提问；2） 如果自己有工作报告，务必认真准备每一次论文报告和海报展示，给人留下深刻印象；3） 日常科研中，对于感兴趣工作，主动发邮件向对方咨询，同时介绍自己的工作，可以增加交流合作的机会。无论哪种形式，最重要是发挥主观能动性，以开放平等的心态与国际一流的学者和团队分享、合作。

图 4 2021年参加SIGGRAPH线上会议

来源：女科技工作者工作委员会供稿