Kai Zhao
Profile Image

赵凯

副教授，上海大学

机器学习计算机视觉
Venues·TPAMICVPRNeurIPSICCVECCVMed. Image Anal.

赵凯老师本科和硕士均毕业于上海大学，硕士导师是沈为教授 （现上海交通大学教授）；2020年获南开大学计算机科学与技术专业博士学位， 师从程明明教授。 博士毕业后入选腾讯校招技术大咖（T9级技术专家，腾讯校招最高技术职级）， 并在腾讯优图实验室担任高级研究员。 2022年起在加州大学洛杉矶分校（UCLA）从事博士后研究，2025年8月加入上海大学任教。

赵凯老师的研究领域主要包括计算机视觉和机器学习。 他在相关顶级期刊和会议上发表论文20余篇，包括 IEEE TPAMI、CVPR、NeurIPS、ICCV、ECCV等顶刊顶会， 多篇论文入选 ESI 高被引，谷歌学术总引用 6,000 余次。 赵凯老师关于掌纹识别的研究被《麻省理工科技评论》报道，并应用于微信刷掌支付、北京地铁大兴机场线刷掌入站中。赵凯老师是很多开源库（例如 PyTorch 和 mmdetection）的活跃贡献者。

招生信息

实验室招收本科实习生、考/保研硕士生和博士研究生。

欢迎对我们团队感兴趣的同学申请加入， 请邮件发送带照片的一页 PDF 简历。

联系方式

  • WeChat QR Code
  • 上海大学宝山校区东区12号楼527室
  • kzkaizhao.net（发邮件时请说明来意并尽量简洁直接）

教育背景、任职经历

2025.08 ~

副教授

上海大学

2022.03 ~ 2025.07

博士后

加州大学洛杉矶分校

2020.10 ~ 2022.02

高级研究员

腾讯优图实验室

2018.09 ~ 2019.01

研究实习生

松下研发中心，新加坡

2017.09 ~ 2020.06

博士生

南开大学

2016.07 ~ 2016.11

研究实习生

腾讯优图实验室

2014.09 ~ 2017.06

硕士生

上海大学

2010.09 ~ 2014.06

本科生

上海大学

代表性学术论文

  1. Kai Zhao and Alex Ling Yu Hung and Kaifeng Pang and Parsa Hajipour and Holden Wu and Steve Raman and Kyunghyun Sung, "PCa-Mamba: Spatiotemporal State Space Models for Prostate Cancer Detection in Multi-Parametric MRI", Medical Image Analysis, 2026. (影响因子=11.8, 中科院 1 区, Top期刊) DOI: 10.1016/j.media.2026.104033  [PDF]  [Google Scholar] 
  2. Kai Zhao, "Application of Artificial Intelligence in Gastrointestinal Disease", Diagnostics, 2026. DOI: 10.3390/diagnostics16050723  [PDF]  [Google Scholar] 
  3. Kai Zhao and Liting Ruan and Haoran Jiang and Xiaoqiang Zhu and Xianchao Zhang and Dan Zeng, "Beyond Predictive Resampling: Learning Input-Agnostic Downsampling for Efficient Aligned Vision Recognition", Proceedings of the AAAI Conference on Artificial Intelligence, 2026. (oral presentation, top 4.5%) DOI: 10.1609/aaai.v40i16.38319  [PDF]  [Google Scholar] 
  4. Kai Zhao and Wubang Yuan and Zheng Wang and Guanyi Li and Xiaoqiang Zhu and Deng-ping Fan and Dan Zeng, "Open-Vocabulary Camouflaged Object Segmentation with Cascaded Vision Language Models", Computational Visual Media, 2025. (影响因子=18.3) DOI: 10.26599/CVM.2025.9450512  [PDF, 中译版]  [Google Scholar] 
  5. Kaifeng Pang and Kai Zhao and Alex Ling Yu Hung and Haoxin Zheng and Ran Yan and Kyunghyun Sung, "NExpR: Neural Explicit Representation for fast arbitrary-scale medical image super-resolution", Computers in Biology and Medicine, 2025. (影响因子=7, 中科院 2 区) DOI: 10.1016/j.compbiomed.2024.109354  [PDF]  [Google Scholar] 
  6. Kai Zhao and Alex Ling Yu Hung and Kaifeng Pang and Haoxin Zheng and Kyunghyun Sung, "MRI Super-Resolution with Partial Diffusion Models", IEEE Transactions on Medical Imaging, 2024. (影响因子=11.3, 中科院 1 区, Top期刊) DOI: 10.1109/TMI.2024.3483109  [PDF]  [Google Scholar] 
  7. Kai Zhao and Zuojie He and Alex Hung and Dan Zeng, "Dominant Shuffle: A Simple Yet Powerful Data Augmentation for Time-series Prediction", arXiv:2405.16456, 2024. [Google Scholar] 
  8. Kai Zhao and Kaifeng Pang and Alex LingYu Hung and Haoxin Zheng and Ran Yan and Kyunghyun Sung, "A Deep Learning-Based Framework for Highly Accelerated Prostate MR Dispersion Imaging", Cancers, 2024. (影响因子=4.5, 中科院 3 区) DOI: 10.3390/cancers16172983  [PDF]  [Google Scholar] 
  9. Alex Ling Yu Hung and Haoxin Zheng and Kai Zhao and Kaifeng Pang and Demetri Terzopoulos and Kyunghyun Sung, "Cross-Slice Attention and Evidential Critical Loss for Uncertainty-Aware Prostate Cancer Detection", International Conference on Medical Image Computing and Computer-Assisted Intervention, 2024. [Google Scholar] 
  10. Kai Zhao and Tao Wang and Ruixin Zhang and Wei Shen, "Adaptive feature alignment for adversarial training", Pattern Recognition Letters, 2024. (影响因子=3.9, 中科院 3 区) DOI: j.patrec.2024.10.004  [PDF]  [Google Scholar] 
  11. Alex Ling Yu Hung and Kai Zhao and Haoxin Zheng and Ran Yan and Steven S Raman and Demetri Terzopoulos and Kyunghyun Sung, "Med-cDiff: Conditional medical image generation with diffusion models", Bioengineering, 2023. [Google Scholar] 
  12. Yating Xu and Kai Zhao and Liangang Zhang and Mengyao Zhu and Dan Zeng, "Hyperspectral anomaly detection with vision transformer and adversarial refinement", International Journal of Remote Sensing, 2023. [Google Scholar] 
  13. Kai Zhao and Lei Shen and Yingyi Zhang and Chuhan Zhou and Tao Wang and Ruixin Zhang and Shouhong Ding and Wei Jia and Wei Shen, "B'ezierpalm: A free lunch for palmprint recognition", European Conference on Computer Vision, 2022. DOI: 10.1007/978-3-031-19778-9_2  [PDF]  [Google Scholar] 
  14. Xuehui Wang and Kai Zhao and Ruixin Zhang and Shouhong Ding and Yan Wang and Wei Shen, "Contrastmask: Contrastive learning to segment every thing", Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2022. [Google Scholar] 
  15. Lei Shen and Yingyi Zhang and Kai Zhao and Ruixin Zhang and Wei Shen, "Distribution alignment for cross-device palmprint recognition", Pattern Recognition, 2022. (影响因子=7.5, 中科院 1 区, Top期刊) DOI: 10.1016/j.patcog.2022.108942  [PDF]  [Google Scholar] 
  16. Jia Li and Junjie Zhang and Fansheng Chen and Kai Zhao and Dan Zeng, "Adaptive material matching for hyperspectral imagery destriping", IEEE Transactions on Geoscience and Remote Sensing, 2022. [Google Scholar] 
  17. Kai Zhao and Xuehui Wang and Xingyu Chen and Ruixin Zhang and Wei Shen, "Rethinking mask heads for partially supervised instance segmentation", Neurocomputing, 2022. (影响因子=5.5, 中科院 2 区) DOI: 10.1016/j.neucom.2022.10.003  [PDF]  [Google Scholar] 

The list is generated from publications.bib. Please visit my Google Scholar for full publication list.

学术服务

  • 会议审稿: CVPR, ICCV, ECCV, ICML, ICLR, NeurIPS, AISTAT, ACCV
  • 期刊审稿: Nature Communications, IEEE TPAMI, IEEE TIP, IEEE TNNLS, IEEE TMM, Pattern Recognition
  • Guest Editor: MDPI Diagnostics

指导过的学生 / 实习生

  • Katarina Chiam，UCLA，2023 级硕士生。
  • Sohaib Naim，UCLA，2022 级博士生。
  • 李润嘉，腾讯优图，实习生。去向：牛津大学 VGG 组博士。
  • 庞凯风，UCLA，2022 级硕士生。去向：UCLA 攻读博士。
  • Alex Hung，UCLA，2020 级博士生。
  • 郑昊昕，UCLA，2020 级博士生。去向：亚马逊。
  • 王雪辉，上海交通大学，2020 级博士生。
  • 高尚华，南开大学，2018 级博士生。去向：哈佛大学博士后。

研究生培养

基础课程

研究生阶段建议系统修读以下课程，提前做好准备将有助于更快地进入研究状态并取得科研成果。

  1. 费曼学习法
  2. 斯坦福-CS231n 深度学习和计算机视觉（b站搬运、中文讲解）， 课程中的Python numpy矩阵编程教程也很重要， 要跟着教程实践
  3. 麻省理工学院-计算机科学教育中缺失的一课（中译版）：重点了解 Shell Tools、Version Control (Git)、Debugging and Profiling、Metaprogramming 章节
  4. 动手学深度学习：教材+课程+代码
  5. 斯坦福 CS229 机器学习（2018年秋季）（b站搬运）
  6. 麻省理工学院-矩阵方法及其在信号处理和机器学习中的应用
  7. 斯坦福 CS234: 强化学习
  8. 计算机视觉中的多视角几何：经典教材，有中翻版（翻译质量一般），建议直接读英文版或中英对照；做3D相关研究的学生必修，其它学生可选修。

对于申请阶段的保研和考研学生，如能提前修读并通过相关课程（尤其是 CS231n、CS229），将在导师遴选时获得优先考虑，该课程内容也是面试的重要参考。

论文阅读

论文选择要求

  • 优先看顶刊顶会论文；
  • 优先选择顶级高校、科研机构、知名研究人员的论文；
  • 注重广度：既要关注本领域前沿，也要涉猎相关与相邻方向，并主动学习其他领域中具有借鉴意义的方法；
  • 优先选择代码和数据集公开的工作。

阅读深度要求

1. 问题层（Why）
  • 为什么要做这个工作：这个问题的价值和意义是什么，解决它能带来什么影响；
  • 为什么要这么做：作者为什么提出这个方案，其核心动机和出发点是什么；

要求能够用 3–5 句话准确概括论文"在解决什么问题，为什么重要，为什么这样做"。

2. 方法层（How）
  • 理解方法的整体框架、模块组成和数据流，重点理解各模块的输入与输出，以及这些输入输出在计算机中的表示形式（例如，图像通常表示为尺寸为 H×W×3 的张量）；
  • 明确关键创新点及其设计动机；
  • 说清方法与已有方法的本质差异。
3. 实验层（Evidence）
  • 实验设计是否合理，数据集与评价指标是否匹配研究目标；
  • 对比方法是否充分且公平；
  • 消融实验是否有效验证核心假设；
  • 代码和数据是否公开可得。
4. 反思与延展（Critical Thinking）
  • 方法的隐含假设及可能失效的场景；
  • 计算复杂度、工程实现与实际应用限制；
  • 与自身研究方向的结合方式与潜在改进点。

阅读输出要求

  • 完成一次结构化的论文汇报（15–20 分钟）；
  • 形成可复用的阅读笔记（Markdown / LaTeX 等）；
  • 在条件允许的情况下进行方法复现或关键模块验证。

数量与频率要求

  • 研一学生：每周精读 1 篇，略读 3+ 篇高质量论文；
  • 研二以上和博士生：每周精读 2 篇，略读 5+ 篇高质量论文，并逐步形成方向性认识。

培养目标

通过系统的论文阅读训练，研究生应逐步具备判断论文价值、拆解复杂模型、设计实验验证假设以及提出自身研究问题的能力。

论文阅读的终点不是"理解别人"，而是"形成自己的研究判断力"。

School of Athens
The School of Athens.