Ø 个人基本信息
姓名：朱玄
导师：杨欣 教授
研究方向：计算机视觉、深度估计
Ø 科研工作
朱玄同学自大三下学期加入导师课题组起，便正式踏上科研探索之路。初期，由于缺乏专业论文阅读以及相关代码实践经验，他对入门路径感到迷茫，后通过向组内前辈请教经验、在线学习相关课程，逐步明确了自身研究方向。科研过程中，他虽经历过多次尝试失败与挫折，但始终未轻言放弃，而是脚踏实地积累：一方面通过研读大量前沿论文掌握领域研究现状，另一方面针对代表性工作开展代码实践，逐步沉淀了扎实的科研经验。此外，他还积极参与学术交流活动，通过线上线下渠道参加国内学术讲座与研讨会，从领域专家的报告及独到见解中，有效拓宽了学术视野。
科研成果方面，朱玄同学目前分别以第一作者、第二作者身份发表两篇论文，1篇发表于CVPR 2025，1篇发表于ICCV 2025。
在第一项科研工作中，研究提出了一套视频 dToF 点深度补全框架，并通过三大核心模块针对性解决关键技术问题：设计光流指导的可变形卷积模块，以提升深度估计的精度；采用频率自适应选择模块，有效解决边缘预测相关问题；构建时域一致性损失函数，改善视频深度闪烁现象。实验结果相较于此前的最优方法，该框架在深度估计精度、一致性及推理速度上均实现了提升。
在第二项科研工作中，研究提出了一种真实 dToF 点的模拟方法。该方法通过在合成数据集上复现真实 dToF 点的分布特征，从输入的 dToF 稀疏深度数据层面，直接解决由 dToF 固有特性引发的噪声问题。同时，研究将该方法与单目深度估计大模型相结合，实现了对深度异常区域的有效恢复，以及对精细结构的精准预测。实验结果表明，相较于现有方法，该方案在真实 dToF 数据集上取得了最优的精度表现与泛化能力。
Ø 社会活动
为将所学知识应用于实际场景并接触行业前沿动态，朱玄同学在暑期加入腾讯公司开展实习工作。实习期间，他不仅学习了新的专业知识，还将其切实应用到实际游戏项目的算法设计和优化，落地之中。此外，他还通过线上方式参与了 CVPR 2025 学术会议，在与领域同行的交流探讨中，进一步深化了对行业发展的认知与见解。
