'''朱松纯'''， 男 （Song-Chun Zhu ，1968年 出生于 －）， 湖北 省 鄂州 市，全球著名计算机视觉专家，统计与应用数学家、 人 工智能专家 ， 现任 美国加州大学洛杉矶分校 [UCLA] （UCLA） 统计 学 系与计算机系教授 ，UCLA <ref>Song-Chun Zhu's homepage</ref>，研究范围涵盖 计算机视觉、 认知、学习与自主机器人中心主任。==简介==朱松纯于 1996年获美国哈佛大学计算机博士学位，师从国际数学大师大卫·曼福德教授 [David Mumford，菲尔兹奖、[[美国]]国家科学奖章获得者，国际数学家协会前主席]，在国际顶级期刊和会议上发表论文200余篇， 三次问鼎马尔奖。朱松纯在1990年代率先将概率 统计建模与 随机计算方法引入计算机视觉研究，提出了一系列图像与视频的结构化解译的框架、数理模型和统 计算 法，发展了广义模式理论 [General Pattern Theory]。在 认知科学 领域，如视觉常识推理 、 场景理解及 机器学习、自主机器 人 工智能 等领域 做出重要贡献。自2010年以来，朱松纯两次担任美国视觉、认知科学、AI领域跨学科合作项目MURI负责人 [Principal Investigator]。朱松纯教授对科研具有很强的前瞻性，选题和方法独树一帜，长期致力于构建计算机视觉、认知科学、乃至人工智能科学的统一数理框架 。{{Infobox person | 姓名 = 朱松纯| 图像 =[[[[File:Song-Chun Zhu.jpg|缩略图|Song-Chun Zhu]]]| 出生日期 = {{birth date and age|1968|01|01}} <!-- 逝世用: {{Birth date|YYYY|MM|DD}} --> | 出生地点 = 中国湖北省鄂州市 | 国籍 = 美国 | 别名 = | 职业 =计算机视觉专家，人工智能专家，统计与应用数学家 | 知名于 = <br>}}==学历教职==1986-1991年，[[中国]]科学技术大学，计算机专业，学士学位

1992-1996 ==工作经历==朱松纯于2002年加入加州大学洛杉矶分校统计系与计算机科学系，担任副教授，并于2006 年 晋升为正教授。 朱松纯组建了UCLA视觉、认知、学习和自主中心<ref>Center for Vision, Cognition, Learning, and Autonomy (VCLA)</ref>（Center for Vision, Cognition, Learning and Autonomy，VCLA） ， 并领导了 美国 哈佛 多个 大 型跨 学 ， 科AI项目。他长期致力于构建 计算机 专业 视觉、认知科学、乃至人工智能科学的统一数理框架 ， 硕士 其中包括作为统一表示形式的时空 、 博士 时间和因果图（STC-AOG）以及用于推理和 学 位 习的众多蒙特卡洛方法 。

1996-1997 2005 年， 美 朱松纯联合沈向洋 [Harry Shum] 等多位知名科学家在中国湖北省鄂州市创建民办、非营利性 国 布朗 际交流平台——莲花山研究院，并任院长。研究院的一个先期项目是收集 大 学 量的图像，手工标注图像中的场景、物体和部件、关系、功能等 ， 应用 至2010年已积累超过50万张图像 数 学专业 据 ， 博士后 是发展计算机视觉的物体识别和图像解译任务的先行者 。

1997-1998 朱松纯组织过多场学术研讨会及会议。在2012 年 ，美国 罗德岛普罗维登 斯 坦福大学， 举行的 计算机 系人工智能实验室 视觉与模式识别（CVPR）会议上，朱松纯作为大会主席向Ulf Grenander颁发了先锋勋章（Pioneer Medal）。2019年CVPR在美国加州长滩举行 ， 讲师 朱松纯再次担任大会主席<ref>CVPR2019</ref> 。

1998-2002年 2017年7月 ， 朱松纯在 美国 俄亥俄州 洛杉矶创 立 大学 暗物智能科技DMAI ， 计算机系与 致力于打造基于强 认 知科学中心，助理教授 知AI的技术平台 。[[File:Song-Chun Zhu.jpg|缩略图|Song-Chun Zhu]]]

2002-2006年，美 ==学术成果==朱松纯已在 国 加州大学洛杉矶分校，统计系与计算机系 际顶级期刊和会议上发表论文300余篇 ， 副教授 [终身教职]。其研究成果集中在以下四点：

2006 '''一、视觉的统计建模与计算理论 —— 为马尔的视觉理论建立统一的数理模型''' 1995-2005 年 至今 期间 ， 朱松纯教授与导师曼福德、UCLA教授以及博士生，为计算视觉创始人马尔提出的早期视觉 [early vision] 概念， 包括纹理 [texture]、图像基元 [Texton] 以及原始简约图 [primal sketch] 美国加州 等建立了一个统一的数理模型；提出统计建模的最小最 大 熵原理 [minimax entropy principle]；将神经学和心理 学 的发现，植入统计物理的吉布斯模型 [Gibbs Model]， 从而导出一类新型的马尔科夫随机场的概率模型 [FRAME]，并将该模型扩展到中层视觉模型，描述形状与格式塔 [Gestalt] 组成原则；发现自然图像的尺度不变与尺度变化的统计规则，将各种视觉模式及其对应的数理模型映射到一个连续的熵频谱 [entropy spectrum] 和信息尺度 [information scaling]；进一步研究了各种模型之间跳转和感知转化 [perceptual transition] 的机制，与博士生王亦洲 [现为北大教授] 导出感知尺度空间理论 [perceptual scale space]。 在1990年代，朱松纯发展了两类新的非线性偏微分方程（PDE）。 一类用于图像分割，将PDE连接到统计图像模型的这项工作在ICCV 2013上获得了赫尔姆霍茨奖。另一类称为GRADE（Gibbs Reaction and Diffusion Equations，吉布斯反应和扩散方程）于1997年发表，并采用Langevin动力学方法进行推理和学习随机梯度下降。（Stochastic gradient descent，SGD）。 '''二、实现图像与场景的解译（parsing）计算框架 —— 扩展了模式识别创始人傅京孙先生的句法模式识别理论''' 1999-2010年期间，朱松纯与其首位博士生屠卓文 [现为UCSD教授] 提出用数据驱动的蒙特卡 洛 杉矶 马尔可夫链方法[Data-Driven Markov Chain Monte Carlo]求图像 分 校 割和解译 [Image Parsing] 问题的全局最优解；与其博士生Adrian Barbu [现为FSU教授] 提出了 Swendsen-Wang Cut [SWC] 的蒙特卡洛算法，在通用的概率采样 [sampling] 计算中，实现大的状态跳转 ， 突破传 统 方法 计 算的瓶颈问题。 该领域的这一进步使拆分合并运算符在文献中首次可逆，并且比吉布斯采样器和跳跃扩散方法快了100倍。 这一成就促成了图像解析方面的工作，使朱松纯在ICCV 2003中获得了马尔奖。 2006-2015年间，朱松纯教授提出了概率随机的与或图 [and-or graph] 模型来表达上下文相关图语法 [graph grammar]，重启了模式识别领域创始人傅京孙先生倡导的句法模式识别框架；提出时空因果与或图 [Spatial，Temporal，Causal And-or graph STC-AOG] 为物体、场景、事件和因果关 系 建立统一的模型，并用于场景 与 事件的解译任务。 '''三、提出人工智能的“暗物质” —— 研究视觉与认知的物理与社会常识''' 自2010年以来，朱松纯将 计算机 系 视觉与认知科学、自然语言理解、机器人等学科结合，探索他所称的“人工智能的暗物质”——占95％的、无法通过感知输入观测到的智能。 与认知科学的结合：通过常识推理 [如物体和场景的物理属性、使用功能、行为的因果] 和社会推理 [人的意图、动机、目的] 来丰富场景和事件的理解；与自然语言理解的结合：通过人机情景对话来获取常识，并于2010年率先从图像和视频的解译图产生文本描述的I2T [Image Parsing to Text Generation] 方法；与机器人结合：研究自主机器人与人类深度合作的认知构架 [cognitive architecture]。''''''四、探索迈向通用人工智能的新的研究路径 ——“小数据、大任务”范式'''''' 朱松纯在2017年发表了一篇广为流传的文章 《浅谈人工智能：现状、任务、构架与统一》。在文中，朱松纯将行业中流行的数据驱动型深度学习研究称为“大数据、小任务''范式。该范式使用大量标注的数据为每个特定任务训练神经网络，导致AI模型无法解释、应用范围狭窄等问题。与之相反，朱松纯提出了“小数据、大任务”的范式，主张以此来实现通用人工智能。 朱松纯团队构建了一个大规模、逼真的VR / AR环境，用于训练和测试负责执行大量日常任务的自主AI个体。这些个体整合视觉，语言，认知，机器学习和机器人技术等领域的能力，在此过程中发展物理和社会常识 ， 正教授 并使用认知架构与人类进行交流 。

2015-2020年，第二次担任美国视觉、认知科学、AI领域跨学科合作项目 MUR I MURI 首席科学家 [Principal Investigator]。

1999==著作=====图书===· S.C. Zhu and D.B. Mumford, A Stochastic Grammar of Images, monograph, now Publishers Inc. 2007. · A.Barbu and S.C. Zhu, Monte Carlo Methods, Springer, 2019. · S.C. Zhu, AI: The Era of Big Integration – Unifying Disciplines within Artificial Intelligence, DMAI, Inc., 2019. · S.C. Zhu and Y.N. Wu, Concepts and Representations in Vision and Cognition, Draft taught for 10+ years, Springer, Preparing for 2020. ===论文=== Zhu, S. C., Wu, Y., & Mumford, D. (1998). FRAME: filters, random fields, and minimax entropy towards a unified theory for texture modeling. International Journal of Computer Vision, 27(2) pp.1-2010年期间，朱松纯教授与其首位博士生屠卓文 [现为UCSD教授] 20. · Y. N. Wu, S. C. Zhu and X. W. Liu, (2000). Equivalence of Julesz Ensemble and FRAME models International Journal of Computer Vision, 38(3), 247-265.  提出用数据驱动的蒙特卡洛马尔可夫链方法 [· Tu, Z. and Zhu, S.-C. Image Segmentation by Data-Driven Markov Chain Monte Carlo] , IEEE Trans. on PAMI, 24(5), 657-673, 2002.  求图像分割和解译 [· Barbu, A. and Zhu, S.-C., Generalizing Swendsen-Wang to Sampling Arbitrary Posterior Probabilities, IEEE Trans. on PAMI, 27(8), 1239-1253, 2005. · Tu, Z., Chen, X.,Yuille, & Zhu, S.-C. (2003). Image Parsing] parsing: unifying segmentation, detection, and recognition. Proceedings Ninth IEEE International Conference on Computer Vision.  问题的全局最优解;与其博士生Adrian Barbu [现为FSU · Zhu, S. C., & Yuille, A. (1996). Region competition: unifying snakes, region growing, and Bayes/MDL for multiband image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 18(9), 884–900.  教授] · Zhu, S. C., & Mumford, D. (1997). Prior learning and Gibbs reaction-diffusion. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(11), 1236–1250.  提出了 Swendsen· Zhu, S.-C., Guo, C., Wang Cut [SWC] , Y., & Xu, Z. (2005). What are Textons? International Journal of Computer Vision, 62(1/2), 121–143.  的蒙特卡洛算法，在通用的概率采样 [sampling] · Zhu, S.-C., & Mumford, D. (2006). A Stochastic Grammar of Images. Foundations and Trends in Computer Graphics and Vision, 2(4), 259–362.  计算中，实现大的状态跳转，突破传统方法计算的瓶颈问题。· Guo, C. Zhu, S.-C. and Wu, Y.(2007), Primal sketch: Integrating Texture and Structure. Computer Vision and Image Understanding, vol. 106, issue 1, 5-19. · Y.N. Wu, C.E. Guo, and S.C. Zhu (2008), From Information Scaling of Natural Images to Regimes of Statistical Models, Quarterly of Applied Mathematics, vol. 66, no. 1, 81-122.

2006-· B. Zheng, Y. Zhao, J. Yu, K. Ikeuchi, and S.C. Zhu (2015 年间，朱松纯教授提出了概率随机的与或图 [), Scene Understanding by Reasoning Stability andSafety, Int'l Journal of Computer Vision, vol. 112, no. 2, pp221-or graph] 模型来表达上下文相关图语法 [graph grammar]，重启了模式识别领域创始人傅京生先生创导的句法模式识别框架;提出时空因果与或图 [Spatial，Temporal，Causal And-or graph STC-AOG] 为物体、场景、事件和因果关系建立统一的模型，并用于场景与事件的解译任务。238, 2015.

自2010年以来，朱松纯教授将计算机视觉与认知科学、自然语音理解、机器人等学科结合。与认知科学的结合· Y. Zhu, Y.B. Zhao and S.C. Zhu (2015), Understanding Tools: 通过常识推理 [如物体和场景的物理属性、使用功能、行为的因果] 和社会推理 [人的意图、动机、目的] 来丰富场景和事件的理解;与自然语言理解的结合:通过人机情景对话来获取常识，并于2010年率先从图像和视频的解译图产生文本描述的I2T [Image Parsing to Text Generation] 方法;与机器人结合:研究自主机器人与人类深度合作的认知构架 [cognitive architecture]。Task-Oriented Object Modeling, Learning and Recognition, Proc. of IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).

===莲花山研究院===2005年，朱松纯教授联合沈向洋 [Harry Shum] 等多位知名科学家在湖北省鄂州市创建民办、非营利的国际交流平台莲花山研究院 <ref>[https· Fire, A. and S.C. Zhu (2016), Learning Perceptual Causality from Video, ACM Trans. on Intelligent Systems and Technology, 7(2)://www23.msra.cn/zh-hans/news 微软亚洲研究院"牵手"莲花山视觉研究院 微软亚洲研究院官网 ] </ref> ，并任院长。

在莲花山研究院_t01e8f57fbafab1d172· Y.X. Zhu, C. Jiang, Y. Zhao, D. Terzopoulos and S.C. Zhu (2016), Inferring Forces and Learning Human Utilities from Video, Proc. of IEEE Conf. on Computer Vision and Pattern Recognition (CVPR).jpg_1]

研究院连续5年举办国际学术研讨会和免费暑期讲习班，为国内年轻学者和大量学生提供了一个学术空气浓厚、具有国际科研水准的开放式学术合作与交流平台。为计算机视觉在[[中国]]的发展与人才的启蒙和培养做出了贡献。· D. Xie, T. Shu, S. Todorovic and S.C. Zhu (2018), Learning and Inferring “Dark Matter” and Predicting Human Intents and Trajectories in Videos, IEEE Trans on Pattern Analysis and Machine Intelligence, 40(7): 1639-1652.

研究院的一个先期项目是收集大量的图像，手工标注图像中的场景、物体和部件、关系、功能等。其标注的的广度和精细程度为世界领先，并推动了计算机视觉的物体识别和图像解译任务的发展。· Zhu, Y. et al (2020) Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Human-like Commonsense, Engineering special issue on AI.

2005年首场研讨会的参会人员包括后来为大量图像数据收集与标注做出突出贡献的多为著名科学家，如 Berkeley 图像分割数据库原创者David Martin，MIT · S.C. Zhu, (2019) AI: The Era of Big Integration 教授、LabelMe 数据库的原创者Antonio Tarrobal等。– Unifying Disciplines within Artificial Intelligence, DMAI, Inc..