---
title: "让深度网络可训练的那个人，现在说图像生成器忘了怎么去噪"
date: 2026-11-16
category: 科技人物
site: 脑机网
canonical: https://aiai.cafe/a/njw-2d12db
language: zh-CN
---

# 让深度网络可训练的那个人，现在说图像生成器忘了怎么去噪

> 2015 年一篇计算机视觉论文里有一张图，展示了本不该发生的事：一个 56 层网络在自己训练数据上比 20 层还差。不是过拟合——更深的模型更难优化，加层反而让结果变坏。

2015 年一篇计算机视觉论文里有一张图，展示了本不该发生的事：一个 56 层网络在自己训练数据上比 20 层还差。不是过拟合——更深的模型更难优化，加层反而让结果变坏。

修法是一行算术：不让一叠层学映射，而是让它学输入与目标之间的差，最后把输入加回去。这就是残差连接，现在几乎在一切里面：Transformer、AlphaFold、扩散模型、视频模型。

写下它的何恺明，现在是麻省理工电子工程与计算机科学系终身副教授，持 Douglas Ross（1954）软件技术职业发展教授席位；2025 年 6 月起兼任 Google DeepMind 杰出科学家。

他的新论点更小更怪，而它决定你生成每张图的成本。

## 那个修法是一次加法
ResNet 的贡献不是新神经元或更大的数据集，而是一次重新参数化：让一个块容易学到恒等映射，深度就不再跟你作对。

这篇《用于图像识别的深度残差学习》拿了 2016 年 CVPR 最佳论文，2026 年又获该会议时间检验奖。他主页注明《自然》一篇文章称其为二十一世纪被引最多的论文；截至 2025 年 5 月，他的论文引用超过 70 万次——数字来自他的谷歌学术。

同样的模式贯穿他的记录：Faster R-CNN 拿了 2025 年 NeurIPS 时间检验奖，Mask R-CNN 拿了 2017 年 ICCV 马尔奖，PReLU 拿了 2025 年 ICCV 亥姆霍兹奖，第一篇去雾论文拿了 2009 年 CVPR 最佳论文；没有一篇需要新硬件。

## 一条走直线的职业路径
他的履历异常线性：2007 年清华本科，2011 年在香港中文大学师从汤晓鸥获博士（后者创办商汤），2011 至 2016 年在微软亚洲研究院，2016 至 2024 年在 Facebook 人工智能研究院，2024 年起在麻省理工，随后获终身教职，2025 年兼任 DeepMind。

他从未经营过公司。同辈大批去创业，他留在实验室，做出来的东西照样进了别人的产品。

## 终身教授到底交付了什么
他课题组的产出很好核：论文列表几乎每条带 arXiv、代码或项目页。

- MAR（NeurIPS 2024，亮点）表明自回归图像模型不需要离散分词器：小的扩散头可直接建模连续 token，去掉管线一级。
- MeanFlow（NeurIPS 2025，口头报告）学的是一个时间区间上的平均速度场，而不是瞬时速度，一次网络评估就能出样本。
- 《回到基础：让去噪生成模型去噪》（CVPR 2026；技术报告 2025 年 11 月）是与李天宏合写的、最有主张的一篇。

## 去噪这个论证，说白了
现代生成器用去噪目标训练：拿干净样本，加噪，让网络还原。但多数大系统不要求网络输出干净图像，而是输出噪声或沿噪声日程推动样本的速度，因为这些目标训练早期数值更稳。

《回到基础》主张这条绕路变贵了：如果任务是预测速度，一部分容量就花在记账上。改成预测干净信号，质量提升，且模型越大、数据维度越高差距越明显——视频和三维生成正朝那里走。

后果不小：更少参数或采样步就能保住质量，每张图、每秒视频更便宜——这是演示和日用品之间的差别。MeanFlow 从采样端推同一根杠杆：标准扩散每个样本要几十次评估，若学到一步之内的平均流，一次可能就够。

## 为什么这在实验室之外重要
为推理付费的人。生成按 GPU 秒计价，一步采样器或同等质量下更小的网络，会改写卖生成能力应用的单元经济。

在开放权重上做东西的人。他课题组的选择往往一年内变成别人仓库的默认值；MAR 的无分词器配方，对想在图上学语言模型式扩展的人很关键。

关注资深研究者去向的人。他在大陆受教育，在香港读博，在美国工业实验室建成职业，最后拿到终身教席——这条路存在，很窄。

## 关键要点

- 残差连接把深度从障碍变成可用维度，今天的模型几乎都带着它。
- 他当前的论点是：生成模型该直接预测干净信号，不是噪声或速度。
- MAR 与 MeanFlow 分别从建模和采样两端降成本。
- 他的选择常在一两年内成为开源社区默认。

## 诚实的局限
本文由一手文件构成：他的院系主页、个人主页与论文列表、论文背后的 arXiv 记录，加上关于 DeepMind 任命的报道。我没采访他，所以这里的推理是我对论文的读解，不是他的话；也因此没有直接引语。

引用数字和"本世纪被引最多"来自主页自述，所引《自然》文章没复核。奖项信息来自他和麻省理工，2025 至 2026 年的奖太新，第三方汇总未跟上。

技术部分简化了一场仍在进行的争论：干净信号预测会不会在超大规模视频模型上成为默认尚无定论，我也看不到他在 DeepMind 的工作。中文流行传记里高考满分一类的细节无法从机构来源确认，没有写入。

## 普通人现在能做什么

- 选边前，读 2025 年 11 月那份技术报告和代码，消融实验本身就是论证。
- 如果你微调扩散模型，做那个便宜实验：同等质量下把速度预测换成干净样本预测，比较每秒出样数。
- 单步采样器是成本杠杆，不是猎奇。给生成功能定价时，问供应商用哪种采样器、多少步。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-2d12db
本内容仅供参考，不构成投资建议。
