王歡，安徽六安人，浙江大學信息與通信工程專業學士（2016年）、碩士（2019年），美國東北大學計算機工程專業博士（2024年4月）。2024年6月全職加入西湖大學任助理教授，創立高效智慧型計算實驗室（ENCODE Lab），擔任PI、博士生導師。
王歡專注於Efficient AI方向的理論、算法、套用研究，包括剪枝、蒸餾、量化等方法。擔任領域內眾多頂會頂刊審稿人，如CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、AAAI、IJCAI、SIGGRAPH Asia、TPAMI、IJCV、TIP、TNNLS等。曾在Google、Snap、MERL、Alibaba等著名業界研究機構實習。發表論文30餘篇，部分成果如R2L、MobileR2L和SnapFusion已在業界套用。獲CVPR’23 Outstanding Reviewer Award及2023 Snap Research Fellowship HM等獎項。
基本介紹
人物經歷,研究方向,主要成就,代表論文,
人物經歷
2016、2019年獲浙江大學信息與通信工程專業學士、碩士學位
2024年4月獲美國東北大學計算機工程專業博士學位
2024年6月全職加入西湖大學
研究方向
王歡博士專注於Efficient AI相關的理論、算法、套用研究，致力於讓前沿AI算法得以落地，以更低成本產出更高、更穩定的性能，惠及大眾，推動社會進步。
其研究重點包括：
· 經典Effcient AI方法和理論：剪枝、蒸餾、量化、高效能網路結構設計、低秩分解等。
· 套用領域：
1. 生成式AI：文生圖、擴散模型，大語言模型、多模態模型等；
2. 三維視覺：神經輻射場、神經光場、3DGS、神經渲染，數字人，talking head等；
3. 底層視覺：圖像超解析度、圖像復原，風格遷移等。
主要成就
研究成果發表論文30餘篇（其中一作/共同一作論文10餘篇），多數發表於領域內頂會頂刊（如CVPR/ICCV/ECCV, ICLR/NeurIPS, TPAMI/TIP）。部分成果已在業界套用，如：
· R2L（ECCV’22）、MobileR2L（CVPR’23）系列基於神經光場（NeLF）對神經輻射場（NeRF）進行蒸餾，實現了端上高保真、實時渲染（~60 FPS, iPhone13，768x1008解析度）；成果亦發表美國專利。
· SnapFusion（NeurIPS’23）是世界上首個端上運行時間低於2s且維持和SD-v1.5性能相當的文生圖模型；成果亦發表美國專利。
代表論文
（*代表同等貢獻，†代表通訊作者）
1. Yitian Zhang, Yue Bai, Huan Wang, Yizhou Wang, Yun Fu. Don’t Judge by the Look: A Motion Coherent Augmentation for Video Recognition. In ICLR, 2024.
2. Yanyu Li, Huan Wang, Qing Jin, Ju Hu, Pavlo Chemerys, Yun Fu, Yanzhi Wang, Sergey Tulyakov, Jian Ren. SnapFusion: Text-to-Image Diffusion Model on Mobile Devices within Two Seconds. In NeurIPS, 2023.
3. Jiamian Wang, Huan Wang, Yulun Zhang, Yun Fu, Zhiqiang Tao. Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution. In ICCV, 2023.
4. Huan Wang, Yulun Zhang, Can Qin, Yun Fu. Global Aligned Structured Sparsity Learning for Efficient Image Super-Resolution. TPAMI, 2023.
5. Junli Cao, Huan Wang, Pavlo Chemerys, Vladislav Shakhrai, Ju Hu, Yun Fu, Denys Makoviichuk, Sergey Tulyakov, Jian Ren. Real-Time Neural Light Field on Mobile Devices. In CVPR, 2023.
6. Yitian Zhang, Yue Bai, Chang Liu, Huan Wang, Sheng Li, Yun Fu. Frame Flexible Network. In CVPR, 2023.
7. Huan Wang, Yun Fu. Trainability Preserving Neural Pruning. In ICLR, 2023.
8. Xu Ma, Yuqian Zhou, Huan Wang, Can Qin, Bin Sun, Chang Liu, Yun Fu. Image as Set of Points. In ICLR (Oral, top-5%), 2023.
9. Huan Wang, Suhas Lohit, Michael Jones, Yun Fu. What Makes a “Good” Data Augmentation in Knowledge Distillation – A Statistical Perspective. In NeurIPS, 2022.
10. Yue Bai, Huan Wang, Xu Ma, Yitian Zhang, Zhiqiang Tao, Yun Fu. Parameter Efficient Masking Networks. In NeurIPS, 2022.
11. Yitian Zhang, Yue Bai, Huan Wang, Yi Xu, Yun Fu. Look More but Care Less in Video Recognition. In NeurIPS, 2022.
12. Huan Wang, Jian Ren, Zeng Huang, Kyle Olszewski, Menglei Chai, Yun Fu, Sergey Tulyakov. R2L: Distilling Neural Radiance Field to Neural Light Field for Efficient Novel View Synthesis. In ECCV, 2022.
13. Huan Wang, Can Qin, Yue Bai, Yulun Zhang, Yun Fu. Recent Advances on Neural Network Pruning at Initialization. In IJCAI, 2022.
14. Huan Wang, Yulun Zhang, Can Qin, Yun Fu. Learning Efficient Image Super-Resolution Networks via Structure-Regularized Pruning. In ICLR, 2022.
15. Yue Bai, Huan Wang, Kunpeng Li, Zhiqiang Tao, Yun Fu. Dual Lottery Ticket Hypothesis. In ICLR, 2022.
16. Huan Wang, Yulun Zhang, Can Qin, Yun Fu. Aligned Structured Sparsity Learning for Efficient Image Super-Resolution. In NeurIPS (Spotlight, <3%), 2021.
17. Huan Wang, Can Qin, Yulun Zhang, Yun Fu. Neural Pruning via Growing Regularization. In ICLR, 2021.
18. Huan Wang, Yijun Li, Yuehai Wang, Haoji Hu, Ming-Hsuan Yang. Collaborative Distillation for Ultra-Resolution Universal Style Transfer. In CVPR, 2020.
19. Xiaotang Jiang, Huan Wang, Yiliu Chen, Ziqi Wu, et al. MNN: A Universal and Efficient Inference Engine. In Machine Learning and Systems (MLSys), 2020 (accept rate: 19.2%, Oral).
20. Huan Wang, Xinyi Hu, Qiming Zhang, Yuehai Wang, Lu Yu, Haoji Hu. Structured Pruning for Efficient Convolutional Neural Networks via Incremental Regularization. IEEE Journal of Selected Topics in Signal Processing (JSTSP), 2019.
21. Huan Wang, Qiming Zhang, Yuehai Wang, Lu Yu, Haoji Hu. Structured Pruning for Efficient ConvNets via Incremental Regularization. In NeurIPS Workshop, 2018; In IJCNN, 2019 (Oral).
22. Huan Wang, Qiming Zhang, Yuehai Wang, Haoji Hu. Structured Probabilistic Pruning for Convolutional Neural Network Acceleration. In BMVC, 2018 (Oral, 4.3%).
