UCLA 的朱松纯教授是一个什么样的人？ 第1页

来实名回答一下，代季峰，微软亚洲研究院视觉组研究员，曾经在UCLA朱老师的VCLA实验室访学一年多，长期与他们实验室老师和学生保持联系。准确说，这个问题对于Ph.D.学生而言，涉及到这个VCLA实验室的两个核心老师，朱松纯和吴英年。在我的认知中，他们俩分别是这样的：朱松纯老师是对视觉领域大方向有着一流的直觉，对数学（尤其概率统计）一丝不苟，善于拿大 funding，对学生是刀子嘴豆腐心；吴英年老师是对统计学有着一流的直觉，对学生是宅心仁厚，“上善若水，利万物而不争“。实验室里面，学生私下都是叫老朱、老吴，接下来我就用老朱、老吴代称他们吧。

详细说下我对老朱的认知。

一、对视觉领域大方向有着一流的直觉。高票答案里有提到他们实验室现在学生多，能够在美帝养得起一大票学生，那得雄厚的funding支撑。老朱最近几年应该都是美帝大学视觉界里funding最多的教授（不知道是不是要加个“之一“）。能够拿到这些大funding，证明的不是他跟项目主管关系够铁，而是对这个领域的大方向有着领先和准确的把握。我只说一件很触动我的事情吧，12年下半年，老朱主持的一个MURI大项目在UCLA开会，视觉界里各路大佬都来了。各讲各家看到的重要方向。老朱上台，讲了一通vision meets language。说视觉和语言的结合会是一个重要的问题，比如看到一整个图片，系统应该输出一段话描述它，比如看到一个bounding box区域，要描述这里面发生了什么，blah，blah，这个用一个hierarchical的And-Or graph该如何实现。我当时和UCLA的室友坐在下面，偷偷笑，老朱又在说天书了。没想，过一两年，这就是红极一时的VQA任务，不过是用Deep Network实现的。

能够提前感知到未来的大方向，这是顶级的research感觉，个人觉得这是老朱最厉害的地方。上世纪九十年代引领把概率模型引入视觉问题的风潮，世纪初的时候就开始做Image Recognition，后来又很早开始搞Image Recognition的数据集（叫LHI dataset，标的很细，像后来的visual gnome，不过收费闭源），以及在SVM火透的时候坚持探索hierarchical representation（走的是层次概率图模型的路线）。老朱提的大方向，虽然有错的，但是正确的概率已经是很高了。

当然，不同科研者习惯的在技术浪潮中的身位不一样。按照某老师的说法，如果把一个技术浪潮比作高斯函数的话，老朱走在6 Sigma，远在dataset和technique都不ready的情况下就想冲上去做；有些研究者走在1 Sigma，提出标准化数据集或者第一个work的technique；有些研究者走在0 Sigma，拿state of the art或者improvement。

二、对数学（尤其是统计）一丝不苟。还记得跟老朱讨论的时候，最经常被challenge的是：这个算法不对，数学上是错的，这个CV领域最近火的技术在统计上是不对的。大部分研究者，概率模型火就用概率模型，SVM火就用SVM，Deep Network火就用Deep Network。而老朱是有信仰的。他和老吴、Alan Yuille是曾经在SVM之前引领了视觉领域的模型潮流的，那就是概率模型。那是他们自己的东西，所以不像其他人那样可以轻易舍弃。当然，也是一种信仰。按老吴的说法，要是我们那么干，我统计学领域的朋友会骂我的。Anyway，谁知道统计学模型会不会卷土重来呢？

对我而言，我从中学到的是保持模型的简单和漂亮，以及在一个领域踏实的耕耘（还记得老朱说，做research像下围棋，不能东下一颗西下一颗，地盘全被别人占了）。虽然现在也用CNN的东西（老朱见到我就要说，捂脸）。虽然达不到他们的高度，但还是会给自己设一个bar，太丑的东西就别做了。

三、对学生刀子嘴豆腐心。是的，这是老朱争议最大的地方。刚去他实验室的前三个月，很不适应他的批评，但你慢慢了解他，就好了。关键的几点：他对学生的长远发展和重要利益，是非常好的；批评时很难受，但过后他不记仇；有老吴平衡和调和。其实学术圈的老板，脾气大一些、对学生push的非常多，算是research人的通病吧。老朱好的地方在于，他对学生的长期利益和发展是很关心的，他push你一方面出于科研进度，一方面更是出于从他的认知为了学生好。最后找工作什么的关键时刻，他和老吴是非常supportive，有人情味的。

再说说老吴。他和老朱从哈佛读博开始就是好机油（别理解歪了），后来一起run一个实验室。他为主的工作曾经两次获得马尔奖提名。老吴很低调，有些时候存在感弱一些。但在实验室里面，你会深切的感到老吴的能量和温暖。说点干货吧：

一、对统计一流的直觉。老吴思考问题的方式绝大部分从数学，尤其是统计学出发，能不知道从哪里想到一个优美的数学模型解释视觉的问题。他两次获得马尔奖提名的工作，以及代表性的texture analysis，generative model，unsupervised learning的工作，全是这样的风格。好多时候，他能够看见视觉领域简单用用数学就能做出来的一个重要工作，不过他自己不屑于去做。他和老朱都是那种盯着重要问题，对小问题不屑一顾的那种人。比如从我访问那会儿起，2013年左右，老吴就开始研究generative modeling and unsupervised learning for deep networks，并做了一系列的工作。虽然现在火的是GAN，不过老吴一直都是有实力做出这样工作的研究者，只是最后是不是被大家记住那个需要一些运气。

二、对学生“上善若水，利万物而不争”。他对学生好不是皮面上的那种哄好，而真的是从内心的好。他会谦和的和你讨论一个个学术问题，在被老朱批了之后安慰你，告诉你老朱的真实想法，也会关心学生生活和发展上的点点滴滴。还记得那些在UCLA风和日丽的下午，跟老吴讨论完学术问题，他就请学生“走，一起去喝杯咖啡吧”。