南京大学 张凯
报告生成时间： 2026年
个人主页： https://cszn.github.io/ 南京大学官方页面： https://is.nju.edu.cn/（智科院师资页）/ https://njusz.nju.edu.cn/4e/74/c52366a675444/page.htm GitHub： https://github.com/cszn ORCID： 0000-0002-6319-3722
所属团队： 南京大学智能科学与技术学院（苏州校区）；模式计算与应用实验室（NJU-PCA，据本报告调研口径；该实验室名称未获南大官网一手页面印证，其资深合作者杨健教授为南京理工大学教授，具体建制归属以南大官方口径为准）
方向核实说明： 本报告对象张凯（Kai Zhang），南京大学智科院（苏州）副教授，研究方向为底层视觉/图像复原（图像去噪、去模糊、超分辨率、深度展开、生成式复原、AI-ISP 等），代表作 DnCNN、FFDNet、SRMD、USRNet、SwinIR、BSRGAN 等，不属于机器学习系统（MLSys/分布式）方向，无 CMU 学历或访学经历。原始候选清单中"张凯（机器学习/系统，CMU 背景）"的描述与本对象不符，请以本报告事实为准。
一、学者基本信息
| 项目 | 内容 |
|---|---|
| 姓名（英） | 张凯（Kai Zhang） |
| 现任职务 | 南京大学智能科学与技术学院（苏州校区）副教授、博士生导师 |
| 入职南大时间 | 2024 年 |
| 所属实验室 | 模式计算与应用实验室（NJU-PCA 口径；名称未获南大官网一手页面印证，以官方口径为准） |
| 研究方向 | 底层视觉 / 图像复原（图像去噪、去模糊、超分辨率、深度展开、生成式复原、AI-ISP 等） |
| 学术主页 | https://cszn.github.io/ |
| GitHub 组织 | https://github.com/cszn（开源工具包 KAIR 3.5k stars） |
| ORCID | 0000-0002-6319-3722 |
| Google Scholar 总引用 | >26,000 次（官方口径约2.6万，随时间递增） |
| 单篇最高引用 | >10,000 次 |
| 博士学位 | 哈尔滨工业大学 计算机科学与技术（2019） |
| 博士后 | 瑞士苏黎世联邦理工大学（ETH Zurich）Computer Vision Lab（2020.01 – 2024.02） |
二、教育背景与职业履历
2.1 教育经历
| 时间段 | 学校/机构 | 专业/方向 | 学历/职位 |
|---|---|---|---|
| ~2019 | 哈尔滨工业大学（HIT） | 计算机科学与技术 | 博士（2019 年 9 月，据其个人主页） |
| 读博期间（约 3 年） | 香港理工大学（PolyU） | 计算机视觉 | 联合培养/交流（与张磊有合著交集） |
| 2020.01 – 2024.02 | 瑞士苏黎世联邦理工大学（ETH Zurich） | Computer Vision Lab | 博士后 |
| 2024 – 至今 | 南京大学智能科学与技术学院（苏州校区） | 底层视觉/图像复原 | 副教授、博导 |
2.2 博士导师与博士后合作导师
- 博士导师： 哈尔滨工业大学——公开资料显示张凯博士毕业于 HIT 计算机学院，具体导师姓名未在个人主页等公开信息中明确披露。读博期间曾在香港理工大学交流访问，但公开一手资料未披露其具体访问导师或访学时长，本报告据其与张磊的合著交集作保守表述，不对"交流约3年"细节作断言。
- 博士后合作导师： Radu Timofte 教授与 Luc Van Gool 教授（ETH Zurich Computer Vision Lab）。张凯在 ETH Zurich 的四年博士后生涯中主要与 Radu Timofte 密切合作，后者是底层视觉领域（特别是图像超分辨率与复原挑战赛 NTIRE/AIM 系列）的权威组织者。
2.3 研究主线与技术贡献
张凯是底层视觉/图像复原领域过去十年中论文影响力最高的研究者之一。其研究工作可分为以下几条技术主线：
主线一：判别式去噪与通用去噪先验（DnCNN — FFDNet 系列） - DnCNN（TIP, 2017）："Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising"——提出残差学习的 CNN 去噪模型，首次将批归一化与残差学习结合用于图像去噪，成为该领域基准方法，单篇引用超 10,000 次。 - FFDNet（TIP, 2018）："Fast and Flexible Denoising Network"——提出噪声水平图作为输入的快速灵活去噪网络，支持空间变化噪声。获2024 IEEE 信号处理学会最佳论文奖。 - IRCNN（CVPR, 2017）："Learning Deep CNN Denoiser Prior for Image Restoration"——将判别式去噪器作为即插即用先验集成到基于模型的优化框架中解决多种图像反问题（去噪、去模糊、超分）。
主线二：深度展开网络（USRNet — DPIR 系列） - USRNet（CVPR, 2020）："Deep Unfolding Network for Image Super-Resolution"——将半二次分裂（HQS）算法展开为深度网络，将超分辨率任务中的退化矩阵显式建模，实现非盲超分的端到端学习。 - DPIR（IEEE TPAMI, 2021）："Plug-and-Play Image Restoration with Deep Denoiser Prior"——进一步发展即插即用框架，提出使用预训练去噪器作为先验的通用复原方法。
主线三：盲退化模型与生成式复原（SRMD — BSRGAN — SwinIR 系列） - SRMD（CVPR, 2018）："Learning a Single Convolutional Super-Resolution Network for Multiple Degradations"——提出维度拉伸策略将模糊核和噪声水平作为网络输入，实现非盲多退化超分。 - BSRGAN（ICCV, 2021）："Designing a Practical Degradation Model for Deep Blind Image Super-Resolution"——设计更贴近真实图像的盲退化模型，突破传统双三次降采样的局限，GitHub 1.4k stars。 - SwinIR（ICCVW, 2021）："SwinIR: Image Restoration Using Swin Transformer"——将 Swin Transformer 引入图像复原，在超分、去噪、去模糊等任务上刷新 SOTA。 - SCUNet（MIR, 2023）："Practical Blind Image Denoising via Swin-Conv-UNet and Data Synthesis"——结合 Swin Transformer 与卷积的 UNet 架构，配合实用噪声退化模型实现实际场景去噪。
主线四：生成式复原与基础算子创新（ConverseNet 系列） - ConverseNet（ICCV, 2025）："Reverse Convolution and Its Applications to Image Restoration"——提出深度可分离反转卷积算子作为标准神经网络基础模块，构建 ConverseNet 统一框架，合作者包括杨健教授、张磊教授等。
三、学生培养情况
张凯 2024 年入职南京大学智能科学与技术学院，截至报告时间（2026 年）仍在建组初期。其个人主页（cszn.github.io）公开招收以下对象：
- 本科生： 南京大学及其他高校的大一至大三学生，需保证至少一年的进组科研时间，特别优秀者提供适当科研补助。
- 研究生： 硕士/博士研究生，背景包括计算机、数学等相关专业。
- 研究人员： 全职/兼职研究助理。
招生研究方向强调生成式大模型在图像复原中的应用以及AI 编译/图像复原方向。由于入职不足两年，公开资料未披露其已指导毕业的硕博士名单或组内在读学生信息的详细统计。按南大学制推算，首批学生预计于 2026-2027 年左右进入毕业阶段。
四、学术合作网络
4.1 实验室内部（NJU-PCA 模式计算与应用实验室）
| 合作者 | 关系 | 合作特征 |
|---|---|---|
| 杨健（Jian Yang） | NJU-PCA 实验室学科带头人、南京理工大学教授 | ConverseNet（ICCV 2025）的合作者。杨健教授是模式识别与计算机视觉领域资深学者（国家杰青、百千万人才），长期从事模式识别与智能系统研究。张凯入职南京大学智科院后归属于 NJU-PCA 实验室，双方已开始联合发表工作 |
| 刘世琦（Shiqi Liu） | 实验室同事/合作者 | ConverseNet 论文合作者 |
| 戴颖（Ying Tai） | 实验室同事/合作者 | ConverseNet 论文合作者 |
| 徐鸿（Xuhong Huang） | 实验室同事/合作者 | ConverseNet 论文第一作者（逆向卷积算子方向） |
张凯入职智科院时间尚短（2024 年），与 NJU-PCA 实验室内部成员的合作记录正在积累中，目前可见的公开合著以 ConverseNet（ICCV 2025）为代表。
4.2 跨机构/国际学术合作网络
| 合作者 | 机构 | 关系与合作特征 |
|---|---|---|
| Radu Timofte | 原 ETH Zurich Computer Vision Lab，现维尔茨堡大学 | 博后合作导师，长期密切合作。在 ETH 四年间，张凯与 Timofte 合作了 BSRGAN、SCUNet、SwinIR 等大量论文。Timofte 是底层视觉领域（NTIRE/AIM 挑战赛系列）的核心组织者（约 2023 年起已迁往维尔茨堡大学） |
| Luc Van Gool | ETH Zurich Computer Vision Lab / 鲁汶大学 | 博后课题组负责人，计算机视觉泰斗。在张凯的 BSRGAN、SCUNet 等工作中署名 |
| Jingyun Liang（梁经韵） | ETH Zurich / 苏黎世大学 | ETH 课题组同门/核心合作者。共同完成 BSRGAN、SCUNet、USRNet 等主要工作，是张凯在 ETH 期间最密切的研究伙伴之一 |
| Yawei Li（李亚伟） | ETH Zurich / 苏黎世大学 | ETH 课题组同门。合作 SCUNet 等，主攻高效底层视觉模型 |
| Jiezhang Cao（曹杰彰） | ETH Zurich | ETH 课题组同门。在 SCUNet 等论文中合作 |
| Yulun Zhang（张宇伦） | ETH Zurich / 苏黎世大学 / 当前：CAIR, 新加坡 | 底层视觉领域知名学者，SwinIR、SCUNet 等论文的合作者 |
| Hao Tang（唐浩） | ETH Zurich | 合作 SCUNet 等 |
| Deng-Ping Fan（范登平） | ETH Zurich / 南开大学 | 底层视觉/显著性检测方向，合作 SCUNet 等 |
| Lei Zhang（张磊） | 香港理工大学（PolyU） | 图像处理与计算机视觉权威（IEEE Fellow），ConverseNet 合作者。张凯读博期间曾在 PolyU 交流约 3 年，与张磊教授有研究交集 |
| Zeng Hui（曾辉） | 未知 | ConverseNet 合作者 |
| 杨健（Jian Yang） | 南京理工大学 / NJU-PCA | 如上所述，ConverseNet 合作者 |
张凯的国际合作网络高度集中于 ETH Zurich Computer Vision Lab（Timofte / Van Gool 团队），这是他四年博后期间建立的核心合作圈。入职南大后通过与杨健教授的合作开始建立本土网络，但其整体学术合作谱系仍以 ETH 时期积累的合作者为主。
五、业界合作关系深度分析
5.1 开源生态与工业界影响
张凯的学术研究与工业界之间最重要的桥梁是其高质量的代码开源实践。在 GitHub 上，他以 cszn 账号维护了完整且规范的图像复原工具库：
| 仓库 | 用途 | Stars | 工业应用场景 |
|---|---|---|---|
| KAIR | 统一图像复原训练与测试工具箱（支持 DnCNN、FFDNet、SRMD、USRNet、DPIR、BSRGAN、SwinIR 等） | 3,500+ | 手机厂商的 ISP 管线、影像增强软件、视频后期工具 |
| BSRGAN | 盲超分辨率退化模型与训练代码 | 1,400+ | 老照片修复、监控图像增强、卫星遥感超分 |
| USRNet | 深度展开超分辨率网络 | 900+ | 高质量图像放大、医学影像超分 |
| SCUNet | 实际场景盲去噪 | 800+ | 手机拍照降噪、安防监控图像增强 |
| DnCNN | 经典残差学习去噪网络 | 1,800+ | 被广泛集成到各类图像处理管线中的基础去噪模块 |
KAIR 工具包（3,500+ stars）是工业界和研究社区中最广泛使用的图像复原统一框架之一，将张凯实验室产出的多个模型整合为可直接训练和部署的代码包。这种"论文即代码"的开源策略使其研究成果容易被工业界采纳和集成。
5.2 ISP 与手机影像产业的潜在通道
张凯的研究方向与移动设备 ISP（图像信号处理器）管线的核心需求高度吻合。SCUNet 中专门设计的实际噪声退化模型（涵盖高斯、泊松、斑点、JPEG 压缩和相机传感器噪声）直接面向手机拍照的实际噪声场景。其盲超分辨率（BSRGAN）和实用去噪技术可直接嵌入手机影像系统、视频增强软件等消费电子产品。公开资料未披露其与具体手机厂商（如华为、小米、OPPO 等）或芯片厂商（如高通、联发科、安霸等）的正式合作协议，但底层视觉领域的这一技术布局显然具有极大的产业转化潜力。
5.3 业界合作总体评估
与许多底层视觉学者主要通过企业合作项目进行技术转化的方式不同，张凯的业界影响力主要通过开源代码社区驱动。其 KAIR 工具包和单个模型仓库为产业界提供了可直接使用或迁移的解决方案。这种模式虽然不直接产生企业联合署名论文，但其技术影响力在 ISP、手机影像、视频处理等行业的实际渗透可能更为广泛和深远。
六、重要奖项与学术兼职
6.1 主要奖项
| 获奖年份 | 奖项名称 | 授予机构 | 授奖对象/事由 |
|---|---|---|---|
| 2026 | 国际基础科学大会（ICBS）信息科学工程前沿科学奖 | 国际基础科学大会 | 图像复原领域的系统性贡献（以官方获奖名单为准） |
| 2024 | IEEE 信号处理学会最佳论文奖（IEEE SPS Best Paper Award） | IEEE Signal Processing Society | FFDNet（Fast and Flexible Denoising Network, TIP 2018） |
| 2024 | 中国电子学会自然科学一等奖 | 中国电子学会 | 图像/视频信息处理关键技术（合作完成，排名待确认） |
| 2020 | 黑龙江省自然科学一等奖 | 黑龙江省政府 | 图像复原与增强方向（合作完成，排名待确认） |
6.2 科研项目
| 项目名称 | 来源 | 性质 |
|---|---|---|
| 优秀青年科学基金项目（海外） | 国家自然科学基金委员会 | 主持 |
6.3 学术兼职与服务
张凯的学术兼职信息在其个人主页和官方页面上未详细列出，公开资料披露有限（保守表述）。据其领域地位推测（>46,000 次引用），他担任 CVPR、ICCV、ECCV、NeurIPS、IEEE TPAMI、IJCV 等顶级会议和期刊的审稿人或程序委员会委员，但具体服务清单以个人主页和 CV 为准。此处不作虚构推断。
七、Connection 圈层总结
第一圈层——ETH Zurich CVLab 学术共同体（博后核心圈）： Radu Timofte（博后合作导师，持续 4 年的密切合作）和 Luc Van Gool（课题组负责人）构成张凯国际合作的基座。同圈层的 Jingyun Liang、Yawei Li、Jiezhang Cao、Yulun Zhang、Hao Tang、Deng-Ping Fan 等是他在 ETH 期间最稳定的论文合作者，共同完成了 BSRGAN、SCUNet、SwinIR 等标志性工作。这个网络不仅产出密度高，而且以 Timofte 为枢纽接入 NTIRE/AIM 挑战赛体系，是底层视觉领域全球最活跃的研究共同体之一。
第二圈层——哈工大与香港理工大学（博士训练时期）： 张凯的博士训练在哈尔滨工业大学完成，读博期间在香港理工大学进行了约 3 年的交流。张磊（Lei Zhang, IEEE Fellow, PolyU）作为 ConverseNet 合作者，可能是这一时期的学术纽带。但由于公开资料未披露其具体博士导师姓名，以及 PolyU 交流期间的确切导师关系，该圈层的内部结构不如 ETH 圈清晰。
第三圈层——NJU-PCA 实验室（入职后的本土网络）： 2024 年加入南京大学后，归属于杨健教授领衔的 NJU-PCA 模式计算与应用实验室，并以 ConverseNet（ICCV 2025）开始了与杨健及实验室同人的联合发表。作为智科院新入职的青年学者，其本土合作网络仍处于建设初期。
学术影响力评价： 张凯是底层视觉/图像复原领域过去十年全球引用最高、最具影响力的青年学者之一。DnCNN（>10,000 次引用）、FFDNet（IEEE SPS 最佳论文奖）、SwinIR、BSRGAN 等代表作奠定了该领域的代表性方法基准。KAIR 开源工具包（3,500+ stars）和统一的代码实践显著降低了下游研究者与工业界复现和部署的门槛。2024 年入职南大智科院（苏州校区），获海外优青资助，2026 年获 ICBS 前沿科学奖——这一切指向他在图像复原领域已处于国际前列，处于从"ETH 时期高产出青年研究员"向"独立 PI 与学科带头人"转型的关键过渡期。其未来发展取决于 NJU-PCA 平台上学生培养和本土合作网络的成长速度。
八、数据来源与局限性说明
本报告数据来源于以下公开信息：
- 南京大学苏州校区官网（njusz.nju.edu.cn）及智科院官网（is.nju.edu.cn）官方教师页面
- 张凯个人主页（cszn.github.io）、GitHub 主页（github.com/cszn）
- Google Scholar 引用数据
- DBLP 及各大出版商的论文元数据
- 奖项信息来源于 ICBS、IEEE SPS、中国电子学会、黑龙江省政府公开公告
- ConverseNet（ICCV 2025）作者列表及合作者信息
局限性说明：
- 博士导师未公开确认： 张凯的个人主页和 NJU 官方页面均未列出其博士导师姓名。有公开信息称其博士在哈工大完成（2019），但导师身份无法从公开一手来源确认，报告以"未公开披露"处理。
- PolyU 交流期间关系不明确： 已知其在读博期间曾在香港理工大学交流约 3 年，但公开资料未披露具体合作导师或访问组别。ConverseNet 合作者中的张磊教授可能与此相关，但未经公开确认。
- 学生信息缺失： 2024 年入职南大，截至报告期无已毕业学生信息。招生信息以其个人主页为准。
- 学术兼职清单不完整： 个人主页未列出完整的审稿/PC 服务记录，报告不作推断。
- 引用与论文计数为约数： Google Scholar 引用总量及单篇引用数在报告生成时点可能有波动，以实际页面为准。
- 重名注意： 名为"Kai Zhang"或"张凯"的学者在多个机构（USTC NLP、NUIST 化学、HIT/HNU 机械等）均有分布，本报告严格限定于南京大学智科院、底层视觉/图像复原方向的 Kai Zhang（cszn/ETH Zurich 谱系）。