LiGuanyue
李冠岳
📧 csliguanyue007@mail.scut.edu.cn
📱 +86 134-2751-8891
🌐 个人主页 · Google Scholar · GitHub / 开源代码
🔍 研究兴趣
- 机器人操控大模型：致力于构建基于深度学习的通用机械臂操控系统，探索具身智能与大模型的结合。
- 可解释生成模型：在本科至硕士阶段聚焦生成对抗网络（GAN）与自编码器（AE）的隐空间可解释性，提出子空间分解、密度保持插值等方法提升模型透明性与可控性。
- 技术落地与产品化：坚持“研究-工程-产品”闭环，自主开发并运营电商平台「十只蜜蜂市集」（微信/百度搜索），覆盖前后端、支付、数据库、安全运维全栈流程。
🎓 教育背景
南开大学 · 计算机学院
博士研究生｜计算机科学与技术｜2022.09 – 至今
- 创立 天津市学府华服科技有限公司，聚焦机械臂智能操控与软件研发。
- 持续推进机器人操控大模型方向研究，融合多模态感知、模仿学习与世界模型。
华南理工大学 · 计算机科学与工程学院
工学硕士｜计算机｜GPA: 3.41/4.00｜2019.09 – 2021.06
- 毕业论文：《基于子空间的可解释性生成对抗网络》（导师：吴斯）
- 荣誉：宏平长青一等奖学金（前1.4%）、校一等奖学金（前10%）
工学学士｜计算机科学与技术（全英创新班）｜GPA: 3.61/4.00｜2015.09 – 2019.06
- 毕业设计：《基于对抗学习的自编码器隐空间插值模型》（校级优秀毕业设计，前2.8%）
- 荣誉：校二等奖学金（2017）、三等奖学金（2016）
📚 代表性论文
| 会议/期刊 | 标题 | 角色 | 链接 |
|---|---|---|---|
| AAAI 2021 | High Fidelity GAN Inversion via Prior Multi-Subspace Feature Composition | 一作 | 开源代码 |
| ACM MM 2021 | Discovering Density-Preserving Latent Space Walks in GANs for Semantic Image Transformations | 一作 | 项目网页 |
| ICME 2021 | Adversarial Adaptive Interpolation for Regularizing Representation Learning & Image Synthesis in AEs | 一作 | 开源代码 |
| IEEE TMM 2021 | Adversarial Adaptive Interpolation in Autoencoders for Dually Regularizing Representation Learning | 一作 | 开源代码 |
| ECCV (Under Review) | Discriminator-based Image Feature Recomposition for Light-Weighted GAN Inversion | 一作 | — |
| IJCAI 2019 | Improving Representation Learning in AEs via Multidimensional Interpolation & Dual Regularizations | 共同一作 | 开源代码 |
✅ 全部一作工作均开源，注重可复现性与社区贡献。
💼 工程实践
🐝 十只蜜蜂市集（创始人 & 全栈开发者）
- 独立开发并持续运营的校园生鲜电商平台（微信小程序 / 网站）。
- 技术栈：
- 前端：Vue.js / WeChat Mini Program
- 后端：Node.js + Express / Python Flask
- 数据库：MySQL + Redis
- 运维：Nginx / Docker / 阿里云 ECS + SSL 安全防护
- 支付：微信支付 SDK 接入与风控处理
⚙️ 技术栈
- 编程语言：Python（主力）、JavaScript/TypeScript、C++
- 深度学习框架：PyTorch（熟练）、TensorFlow、MindSpore
- Web/全栈开发：Vue、React、Flask、Express、MySQL、MongoDB、Redis
- 机器人相关：ROS（基础）、OpenCV、PyBullet / Isaac Gym（仿真）
- 工具：Git、Docker、Linux、LaTeX
🌟 自我评价
“做能落地的研究，写可维护的代码。”
我兼具扎实的学术研究能力与丰富的工程落地经验——既能在顶会发表系统性创新工作，也能从0到1打造高可用产品。未来希望在具身智能与机器人基础模型方向持续深耕，推动AI真正“动手”改变世界。