跳转至

人大高瓴 胡迪 副教授

报告生成时间: 2026年7月

实验室主页(GeWu-Lab): https://gewu-lab.github.io/ DBLP: https://dblp.org/pid/49/8496-1.html(英文名 Di Hu 0001,ORCID: 0000-0002-7118-6733) 个人主页(RUC教师系统): https://gsai.ruc.edu.cn/dtao 个人学术主页: https://dtaoo.github.io/


一、学者基本信息

胡迪,中国人民大学高瓴人工智能学院预聘副教授(准聘副教授)、博士生导师。2010-2019年于西北工业大学完成本科至博士学业(本硕博连读),博士导师为李学龙教授(ACM/IEEE/AAAI/AAAS等多学会Fellow,首位当选AAAI执委的中国大陆学者)。2019-2020年任百度研究院人工智能研究员,2020年9月加入中国人民大学任准聘助理教授,2023年晋升准聘副教授。

研究方向为机器多模态感知与学习:以大脑的多通道知觉为背景,挖掘并探究多模态信息(如图像、声音、触觉等)在机器感知、推理与理解等方向的潜在问题与方法,让机器具备"多感官认知能力"。实验室名称"GeWu"取自《礼记·大学》"致知在格物"。

主要荣誉: - 2022年度吴文俊人工智能优秀青年奖 - 2020年中国人工智能学会优秀博士论文奖 - 2021年陕西省优秀博士论文奖 - 中国科协青年人才托举工程(2022-2024) - 百度全球顶尖人工智能人才计划(AIDU,2019) - 中国人民大学"杰出学者"计划 - MSRA StarTrack Scholar(2025) - CVPR Doctoral Consortium入选(2019年,大陆仅4人) - 国家留学基金委赴卡内基梅隆大学联合培养奖学金(2018)

据其个人主页统计,以主要作者身份在领域顶级国际会议及期刊上发表论文30余篇(截至CCF官方简介时点),包括TPAMI、NeurIPS、CVPR、ICCV、ECCV、AAAI、ICLR、ICML、CoRL等。代表性工作包括视音多模态场景理解算法DMC、场景问答任务MUSIC-AVQA、平衡多模态学习理论(OGM-GE、MMPareto)、以运动学为引导的可泛化铰链物体操纵等。


二、DBLP数据统计

2.1 身份定位

目标学者对应DBLP记录 Di Hu 0001(pid: 49/8496-1),ORCID: 0000-0002-7118-6733,机构标注包括 Baidu Research / Renmin University of China, Gaoling School of AI / Northwestern Polytechnical University, OPTIMAL。

2.2 发表统计

年份 论文数(主要会议/期刊) 备注
2016 2 CVPR、ACM MM(博士阶段首批顶会)
2017 3 AAAI、ACM MM、ICCV
2018 2 TMM、TIP
2019 4 CVPR x2、ICASSP、Sci Sin Inform
2020 7 NeurIPS、ECCV x2、CVPRW x4
2021 4 TPAMI、CVPR、AAAI
2022 7 CVPR Oral x2、AAAI x2、WACV x2、TMM
2023 7 ICCV、ACM MM x2、ICASSP、Interspeech等
2024 18 TPAMI、CVPR、ECCV x4、ICLR、ICML、CoRL Oral、AAAI x2、ACM MM x2、RSS、ICRA、IROS、PR、MLJ
2025 11+ CVPR x4、ICLR、ICML x2、NeurIPS x2、SIGIR、TPAMI
2026 7+(含arXiv) Inf. Fusion、CoRR等

总计:约70-80篇主要发表记录(含顶会论文、期刊论文和arXiv预印本)。2024年起产出显著加速,反映团队规模扩大和研究方向多元化(从音视觉拓展到具身智能、多模态大语言模型)。

2.3 合作者频次统计(Top 25)

排名 合作者 合作次数 合作年份 身份/机构
1 Xuelong Li(李学龙) 16 2016-2024 博士导师,西北工业大学/中国电信
2 Yake Wei(卫雅珂) 14 2021-2026 GeWu-Lab 2021级直博生
3 Feiping Nie(聂飞平) 11 2017-2024 西北工业大学教授,博士阶段核心合作者
4 Wenke Xia(夏文科) 9 2022-2025 GeWu-Lab 2022级博士生
5 Ruoxuan Feng(冯若轩) 9 2023-2026 GeWu-Lab 2023级硕士生
6 Dong Wang(王栋) 9 2019-2025 西北工业大学/中国电信研究院
7 Guangyao Li(李光耀) 7 2022-2025 GeWu-Lab 2020级博士生(2024已毕业)
8 Dejing Dou(窦德景) 6 2020-2021 百度研究院大数据实验室主任/俄勒冈大学
9 Dongzhan Zhou(周东展) 5 2022-2025 上海AI实验室/悉尼大学
10 Rui Qian(钱锐) 5 2020-2022 上交本科生→CUHK MMLab博士
11 Weiyao Lin(林玮瑶) 5 2020-2022 上海交通大学教授
12 Zequn Yang(杨泽群) 4 2022-2026 GeWu-Lab 2022级博士生(聂飞平联合指导)
13 Henghui Du(杜珩辉) 4 2024-2026 GeWu-Lab 2023级硕士生
14 Ji-Rong Wen(文继荣) 4 2021-2025 人大高瓴AI学院执行院长
15 Zhigang Wang(王志刚) 4 2021-2024 西北工业大学/中国电信
16 Peiwen Sun(孙培文) 4 2024 合作研究者
17 Yaoting Wang(王耀廷) 4 2024 合作研究者
18 Hang Zhou(周杭) 4 2022 合作研究者
19 Bin Zhao(赵斌) 3 2024 西北工业大学/中国电信
20 Honggang Zhang(张鸿港) 3 2024 合作研究者
21 Xincheng Pang(庞新成) 3 2023-2024 GeWu-Lab成员
22 Wanli Ouyang(欧阳万里) 3 2022 上海AI实验室/悉尼大学
23 Yapeng Tian(田亚鹏) 3 2020-2021 罗切斯特大学/UT Dallas
24 Chenliang Xu(徐辰亮) 3 2020-2021 罗切斯特大学教授
25 Xiaoqiang Lu(卢小强) 3 2016-2017 中科院西安光机所

三、博士教育背景与导师/师承分析

3.1 博士阶段(西北工业大学,2014-2019年,本硕博连读2010-2019年)

姓名 身份/机构 合作论文数 合作年份 备注
Xuelong Li(李学龙) 西北工业大学教授,光电与智能研究院(iOPEN)院长 16次(最高频合作者) 2016-2024 确认的博士导师(西北工业大学官方新闻明确标注"我院李学龙教授指导的2019届博士研究生"),ACM/IEEE/AAAI/AAAS等多学会Fellow
Feiping Nie(聂飞平) 西北工业大学教授 11次 2017-2024 博士阶段几乎所有论文的共同作者,推断为核心联合指导教师或实验室核心合作者
Xiaoqiang Lu(卢小强) 中科院西安光学精密机械研究所(OPTIMAL中心) 3次 2016-2017 博士早期论文合作者,OPTIMAL实验室成员

师承分析: 胡迪的博士导师李学龙教授是中国计算机视觉与多模态领域的顶级学者,其主要研究方向涵盖多模态认知计算、视觉信息处理和临地安防,与胡迪目前的多模态感知与学习研究方向一脉相承。李学龙曾任中科院西安光机所OPTIMAL中心主任,后转任西北工业大学光电与智能研究院院长,2024年后出任中国电信首席科学家。聂飞平教授是机器学习和数据分析领域的知名学者,在图谱学习、特征选择等方向有深厚积累,与胡迪在多模态哈希、跨模态检索等方向密切合作。

3.2 联合培养经历(卡内基梅隆大学,2018年)

胡迪于2018年获国家留学基金委奖学金赴卡内基梅隆大学(CMU)联合培养。其博士生卫雅珂也于2023年底赴CMU联培,体现了与CMU的持续学术联系。


四、现单位团队(中国人民大学GeWu-Lab)

GeWu-Lab是由胡迪领导的研究小组,聚焦机器多模态感知与学习。据实验室官网(2026年7月),团队现有成员如下:

4.1 现役博士生

姓名 入学年份 合作论文数 本科/硕士背景 研究方向 备注
Yake Wei(卫雅珂) 2021级直博 14次 电子科技大学 多模态学习机制 团队最核心学生,曾赴CMU联培,2024年度百度奖学金(全球仅10人,奖金20万),多篇CVPR Oral/TPAMI/ICML/NeurIPS,入选CVPR Doctoral Consortium 2026
Wenke Xia(夏文科) 2022级博士 9次 — 强化学习与具身AI 多篇CoRL/CVPR/NeurIPS/RSS
Wenxuan Hou(侯文轩) 2022级博士 2次 西北工业大学/西安交通大学 多模态场景理解 —
Zequn Yang(杨泽群) 2022级博士 4次 — 多模态学习机制 聂飞平联合指导,多篇CVPR/ICLR/ICML
Mingxin Wang(王明新) 2025级博士 — 电子科技大学 多模态交互与具身智能 北京智源研究院联合培养
Dongnuan Cai(蔡东暖) 2025级博士 — 华南理工大学 多模态理解与MLLM —
Youquan Fu(傅有权) 2025级博士 — 西安电子科技大学 音视觉 —
Yu Miao(缪宇) 2025级博士 — 北京邮电大学 多模态大语言模型 —
Jifan Li(李纪帆) 2026级博士(预) — 北京航空航天大学 具身AI 北京智源研究院联合培养
Yizhuo Zhang 2026级博士(预) — 吉林大学 具身智能与世界模型 —
Ziheng Chen 2026级博士(预) — 吉林大学 多模态大语言模型 —

4.2 现役硕士生

姓名 入学年份 合作论文数 本科背景 备注
Henghui Du(杜珩辉) 2023级硕士 4次 大连理工大学 多模态大语言模型,多篇CVPR
Ruoxuan Feng(冯若轩) 2023级硕士 9次 湖南大学 多模态具身AI,多篇ICLR/CoRL Oral/AAAI/ICASSP,产出极高
Yuchen Li(李宇辰) 2024级硕士 — 浙江大学 —

4.3 本科生/访问学生/科研助理

实验室官网列出10+名本科生科研助理,来自北京航空航天大学、北京邮电大学、武汉大学、中国人民大学等高校。代表性人员包括: - Haotian Ni(倪浩天):北航22级本科生,2024年7月加入GeWu-Lab,已发ICML 2025论文(RollingQ),后经胡迪推荐赴上海AI Lab实习 - Chengxiang Huang(黄承翔):北邮本科生,研究多模态不平衡问题,已发CVPR 2025

4.4 已毕业学生及去向

姓名 入学级别 毕业去向 备注
Guangyao Li(李光耀) 2020级博士 清华大学 合作7次,2024年通过博士论文答辩
Yixin Xu(许一鑫) 2020级硕士 航天一院 国防军工系统
Xiaokang Peng(彭小康) 2020级硕士 中央办公厅 政府核心部门
Rui Qian(钱锐) 访问学生(上交本科) CUHK MMLab博士 合作5次,指导发表多篇CVPR/ECCV/NeurIPS
Andong Deng(邓安东) 访问学生(上交) UCF博士 合作2次

4.5 团队规模与特点

GeWu-Lab当前规模约25-30人(含博士生11人、硕士生3人、本科/访问学生10+人),在人大高瓴学院中属于中等偏小但精干的团队。与赵鑫教授团队(近50人)相比规模较小,但人均产出极高——以2025年为例,仅CVPR就有4篇(其中多篇学生为第一作者),ICLR、ICML、NeurIPS各有1-2篇。


五、核心合作者(跨机构,除团队学生外)

合作者 所属机构 合作次数 合作年份 关系与领域
Xuelong Li(李学龙) 西北工业大学/中国电信 16次 2016-2024 博士导师,多模态认知计算,博士毕业后仍保持密切合作
Feiping Nie(聂飞平) 西北工业大学 11次 2017-2024 博士阶段核心合作者,跨模态哈希/多视图学习,联合指导杨泽群博士
Dong Wang(王栋) 西北工业大学/中国电信 9次 2019-2025 时序动作分割、具身AI,李学龙团队成员
Dejing Dou(窦德景) 百度研究院/俄勒冈大学 6次 2020-2021 百度研究院时期直接上级/合作者,大数据实验室主任
Dongzhan Zhou(周东展) 上海AI实验室 5次 2022-2025 视音分离/场景理解
Rui Qian(钱锐) 上交→CUHK 5次 2020-2022 声源定位
Weiyao Lin(林玮瑶) 上海交通大学 5次 2020-2022 视频理解与声源定位
Ji-Rong Wen(文继荣) 人大高瓴AI学院院长 4次 2021-2025 校内领导,合作TPAMI/CVPR等论文
Zhigang Wang(王志刚) 西北工业大学/中国电信 4次 2021-2024 具身AI方向,李学龙团队
Bin Zhao(赵斌) 西北工业大学/中国电信 3次 2024 机器人操控,李学龙团队
Wanli Ouyang(欧阳万里) 上海AI实验室/悉尼大学 3次 2022 计算机视觉
Yapeng Tian(田亚鹏) UT Dallas 3次 2020-2021 声音与视觉交叉感知
Chenliang Xu(徐辰亮) 罗切斯特大学 3次 2020-2021 音视觉学习,国际合作
Ruihua Song(宋睿华) 人大高瓴AI学院 2次 2021-2023 校内同事,参与TikTalk对话数据集
Wayne Xin Zhao(赵鑫) 人大高瓴AI学院 2次 2023-2025 校内同事,参与TikTalk和SIGIR合作
Errui Ding(丁二锐) 百度视觉技术部 2次 2020-2021 百度时期合作,NeurIPS 2020/CVPR 2021
Changqing Zhang(张长青) 天津大学 1次 2023 多模态学习
Ziwei Liu(刘子纬) 南洋理工大学 2次 2022 AAAI合作

六、业界合作关系深度分析

6.1 百度研究院:历史渊源与持续合作

历史渊源: 胡迪于2019年8月入选百度"AIDU"全球顶尖人工智能人才计划,2019-2020年在百度研究院大数据实验室任人工智能研究员,直接合作者为实验室主任Dejing Dou(窦德景,俄勒冈大学教授兼百度研究院副院长)。

合作论文统计:

百度合作者 合作论文数 合作年份 代表性论文
Dejing Dou(窦德景) 6次 2020-2021 NeurIPS 2020(声源定位)、ECCV 2020 x2、AAAI 2021、CVPRW 2020 x2
Errui Ding(丁二锐) 2次 2020-2021 NeurIPS 2020、CVPR 2021(行人重识别)
Shilei Wen(文石磊) 1次 2020 NeurIPS 2020
Xiao Tan(谭啸) 1次 2020 NeurIPS 2020

合作模式分析: 胡迪在百度研究院的工作集中于视听场景理解的工业化应用。代表性成果"Discriminative Sounding Objects Localization via Self-supervised Audiovisual Matching"(NeurIPS 2020)是其离开百度后的第一篇顶会论文,明确标注了百度视觉技术部(Errui Ding、Shilei Wen、Xiao Tan)的合作关系。该论文的核心技术涉及无监督声源定位,与百度在智能驾驶、智能家居等场景中的音视觉感知需求高度吻合。

后续合作趋势: 2021年后与百度直接署名合作减少,但延续了深层联系: - 2021-2022年主持百度研究院横向项目"跨模态迁移学习场景下的可解释性研究" - 博士生卫雅珂于2025年2月获得百度奖学金(全球仅10人,奖金20万元),这是百度对GeWu-Lab研究成果的高度认可 - 胡迪本人入选百度"AIDU"人才计划,保持与百度的长期人才联系

6.2 腾讯AI Lab:犀牛鸟专项合作

胡迪于2021-2022年主持腾讯AI Lab犀牛鸟专项研究计划项目"动态视音场景下多说话人跟踪与日志方法研究"。硕士生许一鑫(Yixin Xu)于2022年参与了腾讯AI Lab犀牛鸟精英人才项目。该合作方向与腾讯在音视频会议、游戏语音等场景中的多说话人检测需求直接相关。

6.3 微软亚洲研究院(MSRA):StarTrack Scholar

2025年4月,胡迪入选MSRA StarTrack Scholar,这是微软亚洲研究院面向亚太地区优秀青年学者的标杆项目,旨在促进学术交流与长期合作。GeWu-Lab官网新闻明确记录了此事。MSRA StarTrack 2025的重点方向之一即为"Media Foundation"(多模态基础模型),与胡迪的研究方向高度契合。

6.4 上海AI实验室:密切合作网络

Dongzhan Zhou(周东展,合作5次,2022-2025)是胡迪在上海AI实验室的主要合作者,共同发表视音分离和场景理解方向多篇论文(WACV、AAAI、ECCV等)。Wanli Ouyang(欧阳万里,合作3次)同为上海AI实验室/悉尼大学的知名教授。此外,本科生倪浩天也经胡迪推荐赴上海AI Lab实习。

6.5 北京智源人工智能研究院(BAAI)

2025级博士生Mingxin Wang和2026级预计博士生Jifan Li均为BAAI联合培养,体现了GeWu-Lab与智源研究院在多模态/具身AI方向的人才共建关系。

6.6 西北工业大学/中国电信研究院:师门持续合作网络

胡迪博士毕业后与导师李学龙团队保持密集合作,尤其在具身智能/机器人操控方向: - Xuelong Li(李学龙,16次,2016-2024)——李学龙后出任中国电信首席科学家,其团队多名成员与胡迪持续合作 - Dong Wang(王栋,9次,2019-2025)——李学龙团队成员,动作分割/具身AI - Zhigang Wang(王志刚,4次,2021-2024)——具身AI,机器人操控 - Bin Zhao(赵斌,3次,2024)——机器人操控

2024年的CoRL论文"Play to the Score"和"KOI"均由胡迪团队与李学龙团队联合完成(署名同时出现Xuelong Li、Dong Wang、Bin Zhao等),体现师门在具身智能方向的深度绑定。

6.7 国际学术合作

合作方 合作者 合作论文数 方向
罗切斯特大学 Yapeng Tian、Chenliang Xu 3次(2020-2021) 声音-视觉协同学习
南洋理工大学 Ziwei Liu 2次(2022) 视觉计算
德国宇航中心(DLR) Xiaoxiang Zhu、Lichao Mou 2次(2020) 多模态遥感
卡内基梅隆大学 — 联培关系 博士生卫雅珂2023年底赴CMU联培

6.8 学生毕业去向的工业界分布

学生 毕业去向 类型
Guangyao Li(李光耀) 清华大学 学术界
Yixin Xu(许一鑫) 航天一院 国防军工
Xiaokang Peng(彭小康) 中央办公厅 政府部门
Rui Qian(钱锐) CUHK MMLab博士 学术界
Andong Deng(邓安东) UCF博士 学术界(海外)

分析: GeWu-Lab成立时间较短(2020年起),已毕业学生数量有限。从已有数据看,毕业生去向呈现"学术界为主、少数进入特殊体制内单位"的特点,尚未出现大规模流向互联网/AI企业的趋势。这与团队建立时间短、核心学生仍在读(卫雅珂、夏文科等核心博士生尚未毕业)有关。随着团队第一批自主培养的直博生陆续毕业,预计将出现更多面向产业界的去向。

6.9 产学研项目总览

项目来源 项目名称 时间 性质
百度研究院 跨模态迁移学习场景下的可解释性研究 2021-2022 横向合作
腾讯AI Lab 犀牛鸟专项:动态视音场景下多说话人跟踪 2021-2022 横向合作
国家自然科学基金 自然场景下机器的视听感知与学习(青年项目) 2022-2024 纵向
中国科协 青年人才托举工程 2022-2024 人才项目
MSRA StarTrack Scholar 2025 国际合作

七、Connection圈层总结

第一圈层(学术领路人/博士导师): 李学龙(16次,占比约20%以上)——胡迪学术生涯最核心的影响者和持续合作者。李学龙不仅是其博士导师,更是其加入人大后在具身智能/机器人方向最重要的联合研究伙伴,二人合作关系从2016年延续至2024年。聂飞平(11次)是博士阶段第二大合作者,几乎参与了胡迪2017-2019年的所有论文,且联合指导了胡迪的博士生杨泽群。这一师门网络根植于西北工业大学OPTIMAL/iOPEN实验室,构成了胡迪学术血统的核心。

第二圈层(GeWu-Lab自主培养团队): 卫雅珂(14次)、冯若轩(9次)、夏文科(9次)构成团队产出的核心三人组。尤其是卫雅珂,以2021级直博生的身份产出TPAMI/CVPR Oral/ICML/NeurIPS/ICLR等多篇顶会顶刊论文,获百度奖学金(全球10人),入选CVPR Doctoral Consortium,是胡迪"亲自指导每一位学生"培养模式的典型成果。冯若轩作为2023级硕士生已发表9篇合作论文,产出速度极高。团队当前规模约25-30人,虽不大但人均产出位居人大高瓴学院前列。

第三圈层(百度研究院-产业合作根基): 窦德景(6次)、丁二锐(2次)等百度研究院合作者构成胡迪产业化能力的起点。虽然直接署名合作在2021年后减少,但通过横向项目、百度奖学金等渠道保持深层联系。百度的AIDU人才计划是胡迪学术生涯早期的重要标签。

第四圈层(校内同事与跨校合作网络): 文继荣(4次)、宋睿华(2次)、赵鑫(2次)等人大高瓴学院同事构成校内合作网络;上海交通大学(林玮瑶5次、钱锐5次)、上海AI实验室(周东展5次)、罗切斯特大学(Yapeng Tian 3次、Chenliang Xu 3次)构成跨校/国际合作的重要节点。MSRA StarTrack的入选则标志着与微软的合作通道正式打开。

产出规模与趋势: 胡迪的论文总量(约70-80篇)虽不及赵鑫(574篇),但考虑其2020年才建立独立团队,平均年产出约12-15篇(2024年后加速至18+篇),质量极高(多篇CVPR Oral、NeurIPS、ICLR、ICML),在多模态学习领域具有强影响力。研究方向正从音视觉场景理解向具身智能、多模态大语言模型等更广泛领域扩展,与当前AI研究热点高度契合。


八、数据来源与局限性说明

数据来源:

  1. DBLP官方作者消歧记录(pid: 49/8496-1)
  2. 中国人民大学高瓴人工智能学院官方教师页面(https://gsai.ruc.edu.cn/dtao)
  3. GeWu-Lab实验室官网(https://gewu-lab.github.io/member/)
  4. 西北工业大学光电与智能研究院(iOPEN)官方新闻(https://iopen.nwpu.edu.cn/info/1020/3176.htm)
  5. 知乎GeWu-Lab招生文章(https://zhuanlan.zhihu.com/p/496452639)
  6. 中国计算机学会(CCF)数字图书馆学者档案

局限性说明: 合作者频次统计可能略低于DBLP实际值;部分合作者的中文姓名为推测对应;业界合作信息可能未覆盖非公开的咨询顾问关系。