Ming-Yu Liu（NVIDIA）

Liu 于2003年从交通大学取得学士学位。⁠[1]

他在马里兰大学帕克分校电机与计算机工程系先后于2011年取得硕士学位、2012年取得博士学位，博士导师为 Rama Chellappa。⁠[1][1][2]

加入 NVIDIA 前，他在马萨诸塞州剑桥的三菱电机研究实验室（MERL）任首席研究科学家，此外还曾在英特尔从事软件工程工作。在 MERL 期间，他因参与开发商用机器人箱内拣选系统获得2014年 R&D 100 奖，街景语义标注论文入围2015年机器人学会议 RSS 最佳论文，2016年获 MERL 的 CR&D Award。2016年6月，他与 Oncel Tuzel 发表耦合生成对抗网络（CoGAN）论文。⁠[1][2][2][3][2][4][5][5]

2016年，Liu 加入 NVIDIA Research，研究方向是生成式图像建模，目标是让机器具备类似人的想象能力。他在2017年和2018年两度获 NVIDIA 内部的 Pioneer Research Award。⁠[3][3][4]

他与另外五名合作者发表论文《High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs》，即用条件生成对抗网络从语义标注图合成高分辨率图像的 pix2pixHD。⁠[6][6][3]

2018年，他在 CVPR 期间的语义分割领域自适应竞赛和鲁棒光流估计挑战赛中均获第一名，并获评 CVPR 2018 杰出审稿人。⁠[2][4]

2019年3月，他与第一作者 Taesung Park 等三名合作者发表空间自适应归一化（SPADE）语义图像合成论文，该论文入围2019年 CVPR 最佳论文。基于这项研究的 GauGAN 应用让用户画出形状后由神经网络填充逼真细节，在 SIGGRAPH 2019 Real-Time Live! 上同时获得最佳演示奖和观众选择奖，又获《大众科学》2019年“Best of What’s New”奖。他介绍，项目起点只是想改进上一代图像合成算法 pix2pixHD，没想到初步成果就已被许多人认为有用。⁠[7][7][2][1][2][3][3]

他用于视频压缩的生成对抗网络研究帮助 NVIDIA 获得《福布斯ForbesForbes 是美国商业媒体品牌，1917年由 B.C. Forbes 创办《Forbes》杂志起家，以 Forbes 400、全球亿万富豪榜、30 Under 30 等榜单闻名，旗下有 Forbes.com、ForbesLive 活动和遍布81个国家的授权版。2014年起由香港投资集团 Integrated Whale Media 持有多数股权；2021年曾计划经特殊目的收购公司在纽约证券交易所上市，2022年终止。总部位于新泽西州泽西城。点击查看完整词条》2020年 AI 奖项中的“最具颠覆性发明者”奖；2021年，他又在 SIGGRAPH Real-Time Live! 获最佳演示奖。⁠[2][4][4]

2023年，马里兰大学电机与计算机工程系授予他杰出校友奖，当时他是 NVIDIA 研究高级总监。他参与了 NVIDIA Picasso、NVIDIA Maxine 和 NVIDIA Canvas：在 Picasso 中为客户搭建用合规数据训练图像、视频和三维生成器的生成式 AI 平台，团队为 Maxine 开发了改善视频通话体验的实时人像系统。同年，他参与的三维表面重建研究 Neuralangelo 入选《时代》2023年最佳发明。⁠[1][1][1][1][8][8][4]

NVIDIA 在 CES 上发布物理 AI 开发平台 Cosmos，Liu 撰文介绍：Cosmos 是一组世界基础模型，可预测并生成具有物理感知的虚拟环境未来状态视频，用来帮助开发者打造下一代机器人和自动驾驶汽车；首批模型以允许商用的开放模型许可提供。Cosmos 获 CNET Group 颁发的 Best of CES 最佳 AI 与最佳整体奖。次日，NVIDIA 团队在 arXiv 提交技术报告《Cosmos World Foundation Model Platform for Physical AI》。⁠[9][9][9][9][9][10][10]

2026年，他获交通大学电机学院（ECE College）颁发杰出校友奖。⁠[4][4]

NVIDIA 在 COMPUTEX 期间的 GTC Taipei 发布世界基础模型 Cosmos 3，Liu 撰文介绍：该模型在单一模型中结合视觉推理与文本、视频、图像、环境声音和动作的多模态生成，采用混合 Transformer 架构，先由推理模块理解场景，再由生成模块输出合成视频或机器人任务数据，并能原生生成关节角度、夹爪位置等数值动作数据。⁠[11][11][11][11][11]

在旧金山举行的 Runway AIRunwayRunway（Runway AI, Inc.）是一家总部位于纽约的人工智能公司，2018年起源于纽约大学 Tisch 艺术学院的 ITP 项目，开发面向影视、广告和创意行业的视频生成模型与工具，先后推出 Gen-1 至 Gen-4.5 系列模型，并把研究方向扩展到可实时模拟世界的“通用世界模型”。点击查看完整词条 Summit 上，他以 NVIDIA Cosmos Lab 副总裁身份与 Google DeepMindGoogle DeepMindGoogle DeepMind 是 Google 旗下的人工智能研究机构，2023年4月由2014年被 Google 收购的 DeepMind 与 Google Research 的 Brain 团队合并而成，由 Demis Hassabis 任首席执行官。它开发了 AlphaGo、AlphaFold 和 Gemini 系列模型，Hassabis 与 John Jumper 因 AlphaFold 的蛋白质结构预测工作获得2024年诺贝尔化学奖。点击查看完整词条 首席研究科学家 Jon BarronJon Barron（Google DeepMind）Jon Barron 是美国计算机视觉研究者，Google DeepMind 首席研究科学家，在旧金山领导一个主要研究神经辐射场（NeRF）的小团队。他是2020年 NeRF 论文的作者之一，并以第一作者身份发表 mip-NeRF、mip-NeRF 360 和 Zip-NeRF 等后续研究。点击查看完整词条、Wayve 研究总监 Alexander Toshev 一同参加座谈“Grounding Intelligence in the Physical World”，讨论如何缩小模拟与真实世界之间的差距，以及世界模型下一步的方向。⁠[12][12][12]

Liu 表示，Cosmos 研发的世界基础模型要让机器不仅感知世界，还能模拟、推理并与之交互。他把自己的愿景形容为为机器人建造“黑客帝国”：一个以物理为基础的模拟宇宙，让机器在真正行动之前可以安全、大规模地“做梦”、演练和积累经验。Cosmos、NVIDIA Canvas（GauGAN）和 NVIDIA Maxine（LivePortrait）三款产品均源自其研究团队的研究。⁠[4][4][4][8]

个人网站：https://mingyuliu.net/（在新窗口打开）⁠[4]

X：公开账号：https://x.com/liu_mingyu（在新窗口打开）⁠[4]

LinkedInLinkedInLinkedIn 是面向职场人士的社交网络平台，2002年由 Reid Hoffman 等人创立、2003年上线，2011年在纽约证券交易所上市，2016年被 Microsoft 以约262亿美元收购后成为其全资子公司，收入来自会员订阅、广告和招聘解决方案。点击查看完整词条：公开主页：https://www.linkedin.com/in/mingyuliu/（在新窗口打开）⁠[4]

NVIDIA：官网：https://www.nvidia.com/（在新窗口打开）。⁠[4]