Ming-Yu Liu（NVIDIA）

Liu 於2003年從交通大學取得學士學位。⁠[1]

他在馬里蘭大學帕克分校電機與計算機工程系先後於2011年取得碩士學位、2012年取得博士學位，博士導師為 Rama Chellappa。⁠[1][1][2]

加入 NVIDIA 前，他在馬薩諸塞州劍橋的三菱電機研究實驗室（MERL）任首席研究科學家，此外還曾在英特爾從事軟件工程工作。在 MERL 期間，他因參與開發商用機器人箱內揀選系統獲得2014年 R&D 100 獎，街景語義標註論文入圍2015年機器人學會議 RSS 最佳論文，2016年獲 MERL 的 CR&D Award。2016年6月，他與 Oncel Tuzel 發表耦合生成對抗網絡（CoGAN）論文。⁠[1][2][2][3][2][4][5][5]

2016年，Liu 加入 NVIDIA Research，研究方向是生成式圖像建模，目標是讓機器具備類似人的想像能力。他在2017年和2018年兩度獲 NVIDIA 內部的 Pioneer Research Award。⁠[3][3][4]

他與另外五名合作者發表論文《High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs》，即用條件生成對抗網絡從語義標註圖合成高分辨率圖像的 pix2pixHD。⁠[6][6][3]

2018年，他在 CVPR 期間的語義分割領域自適應競賽和魯棒光流估計挑戰賽中均獲第一名，並獲評 CVPR 2018 傑出審稿人。⁠[2][4]

2019年3月，他與第一作者 Taesung Park 等三名合作者發表空間自適應歸一化（SPADE）語義圖像合成論文，該論文入圍2019年 CVPR 最佳論文。基於這項研究的 GauGAN 應用讓用戶畫出形狀後由神經網絡填充逼真細節，在 SIGGRAPH 2019 Real-Time Live! 上同時獲得最佳演示獎和觀眾選擇獎，又獲《大眾科學》2019年“Best of What’s New”獎。他介紹，項目起點只是想改進上一代圖像合成算法 pix2pixHD，沒想到初步成果就已被許多人認為有用。⁠[7][7][2][1][2][3][3]

他用於視頻壓縮的生成對抗網絡研究幫助 NVIDIA 獲得《福布斯ForbesForbes 是美國商業媒體品牌，1917年由 B.C. Forbes 創辦《Forbes》雜誌起家，以 Forbes 400、全球億萬富豪榜、30 Under 30 等榜單聞名，旗下有 Forbes.com、ForbesLive 活動和遍佈81個國家的授權版。2014年起由香港投資集團 Integrated Whale Media 持有多數股權；2021年曾計劃經特殊目的收購公司在紐約證券交易所上市，2022年終止。總部位於新澤西州澤西城。點擊查看完整詞條》2020年 AI 獎項中的“最具顛覆性發明者”獎；2021年，他又在 SIGGRAPH Real-Time Live! 獲最佳演示獎。⁠[2][4][4]

2023年，馬里蘭大學電機與計算機工程系授予他傑出校友獎，當時他是 NVIDIA 研究高級總監。他參與了 NVIDIA Picasso、NVIDIA Maxine 和 NVIDIA Canvas：在 Picasso 中為客戶搭建用合規數據訓練圖像、視頻和三維生成器的生成式 AI 平臺，團隊為 Maxine 開發了改善視頻通話體驗的實時人像系統。同年，他參與的三維表面重建研究 Neuralangelo 入選《時代》2023年最佳發明。⁠[1][1][1][1][8][8][4]

NVIDIA 在 CES 上發佈物理 AI 開發平臺 Cosmos，Liu 撰文介紹：Cosmos 是一組世界基礎模型，可預測並生成具有物理感知的虛擬環境未來狀態視頻，用來幫助開發者打造下一代機器人和自動駕駛汽車；首批模型以允許商用的開放模型許可提供。Cosmos 獲 CNET Group 頒發的 Best of CES 最佳 AI 與最佳整體獎。次日，NVIDIA 團隊在 arXiv 提交技術報告《Cosmos World Foundation Model Platform for Physical AI》。⁠[9][9][9][9][9][10][10]

2026年，他獲交通大學電機學院（ECE College）頒發傑出校友獎。⁠[4][4]

NVIDIA 在 COMPUTEX 期間的 GTC Taipei 發佈世界基礎模型 Cosmos 3，Liu 撰文介紹：該模型在單一模型中結合視覺推理與文本、視頻、圖像、環境聲音和動作的多模態生成，採用混合 Transformer 架構，先由推理模塊理解場景，再由生成模塊輸出合成視頻或機器人任務數據，並能原生生成關節角度、夾爪位置等數值動作數據。⁠[11][11][11][11][11]

在舊金山舉行的 Runway AIRunwayRunway（Runway AI, Inc.）是一家總部位於紐約的人工智能公司，2018年起源於紐約大學 Tisch 藝術學院的 ITP 項目，開發面向影視、廣告和創意行業的視頻生成模型與工具，先後推出 Gen-1 至 Gen-4.5 系列模型，並把研究方向擴展到可實時模擬世界的“通用世界模型”。點擊查看完整詞條 Summit 上，他以 NVIDIA Cosmos Lab 副總裁身份與 Google DeepMindGoogle DeepMindGoogle DeepMind 是 Google 旗下的人工智能研究機構，2023年4月由2014年被 Google 收購的 DeepMind 與 Google Research 的 Brain 團隊合併而成，由 Demis Hassabis 任首席執行官。它開發了 AlphaGo、AlphaFold 和 Gemini 系列模型，Hassabis 與 John Jumper 因 AlphaFold 的蛋白質結構預測工作獲得2024年諾貝爾化學獎。點擊查看完整詞條 首席研究科學家 Jon BarronJon Barron（Google DeepMind）Jon Barron 是美國計算機視覺研究者，Google DeepMind 首席研究科學家，在舊金山領導一個主要研究神經輻射場（NeRF）的小團隊。他是2020年 NeRF 論文的作者之一，並以第一作者身份發表 mip-NeRF、mip-NeRF 360 和 Zip-NeRF 等後續研究。點擊查看完整詞條、Wayve 研究總監 Alexander Toshev 一同參加座談“Grounding Intelligence in the Physical World”，討論如何縮小模擬與真實世界之間的差距，以及世界模型下一步的方向。⁠[12][12][12]

Liu 表示，Cosmos 研發的世界基礎模型要讓機器不僅感知世界，還能模擬、推理並與之交互。他把自己的願景形容為為機器人建造“黑客帝國”：一個以物理為基礎的模擬宇宙，讓機器在真正行動之前可以安全、大規模地“做夢”、演練和積累經驗。Cosmos、NVIDIA Canvas（GauGAN）和 NVIDIA Maxine（LivePortrait）三款產品均源自其研究團隊的研究。⁠[4][4][4][8]

個人網站：https://mingyuliu.net/（在新窗口打開）⁠[4]

X：公開賬號：https://x.com/liu_mingyu（在新窗口打開）⁠[4]

LinkedInLinkedInLinkedIn 是面向職場人士的社交網絡平臺，2002年由 Reid Hoffman 等人創立、2003年上線，2011年在紐約證券交易所上市，2016年被 Microsoft 以約262億美元收購後成為其全資子公司，收入來自會員訂閱、廣告和招聘解決方案。點擊查看完整詞條：公開主頁：https://www.linkedin.com/in/mingyuliu/（在新窗口打開）⁠[4]

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