OpenDepth: Repurposing Image Editing Priors for Robust Open-World Monocular Depth Estimation
利用图像编辑先验的结构保持能力，通过浅层特征对齐与 RGB 隐空间重建解耦几何与环境外观变化，实现开放世界中的鲁棒单目深度估计。
本科生 · 北京邮电大学
张孟珂Mengke Zhang
探索机器如何看见、聆听与理解世界。
我是北京邮电大学物联网工程专业本科生，目前在香港大学 Medical Intelligence and Robotic Cognition (MIRoC) Lab 担任科研实习生。
我的研究围绕多模态学习、计算机视觉与生成模型展开，涵盖鲁棒深度估计、图像复原、语音理解与安全等方向。
研究兴趣
- 多模态学习
- 三维视觉
- 生成模型
- 语音与音频
01
研究与成长的记录近期动态
- OpenDepth 与 ACR-Net 已上线 arXiv。OpenDepth ↗ · ACR-Net ↗
- OpenDepth 被 ACM MM 2026（CCF-A）录用！
- 两篇一作论文投稿至 AAAI（CCF-A），目前处于双盲评审中。
更早的动态
- 加入香港大学 MIRoC 实验室 担任科研实习生，研究超声图像三维重建。
- OpenDepth 投稿至 ACM MM 2026（CCF-A）。
- 两篇论文（ACR-Net 与 Phoneme-Aware Mamba Watermark）被 Interspeech 2026 录用。
- 入职小米，担任自动驾驶算法实习生。
- 加入北邮 VRobotIT 实验室 担任科研实习生。
- 统一图像去雨论文（DualMoE）被 ICASSP 2026 录用。
02
* 共同一作代表性论文
ACR-Net: Mitigating Semantic Dominance via Contrastive Acoustic-Semantic Decoupling
针对语音情感识别与音频大模型中的语义主导问题，解耦相互冲突的声学与语义表征，并提出 ASPIRE 对抗基准及 SOP/LDD 评价指标。
Phoneme-Aware Mamba Watermark: An Active Defense System Against Purified Speech Deepfakes
基于双向 Mamba 的音素感知主动水印，将水印与语音语义耦合，抵抗扩散净化攻击，实现低延迟的语音溯源。
Learning Dual Mixture-of-Experts Models for Unified Image Deraining
面向雨线、雨滴与雨幕的统一图像去雨：结合 Soft-MoE 退化建模与高频引导的 Hard-MoE 路由，并构建 Hybrid-Rain10K 基准。
进行中
两篇关于语义分割与几何基础模型的一作论文正在 AAAI（CCF-A）双盲评审中，相关细节在评审期间暂不公开。
03
科研、实习与教育经历
2026.06 — 至今
香港大学（HKU）
Medical Intelligence and Robotic Cognition (MIRoC) Lab 科研实习生 — 指导老师：蒋中亮博士
研究面向医学影像的超声图像三维重建。
2026.03 — 2026.07
2026.02 — 至今
2025.06 — 2025.08
中国联通
图像算法实习生
面向生产流程开发与优化图像处理算法。
2025.03 — 2025.06
2024.07
2023.09 — 至今
北京邮电大学
物联网工程 本科 · GPA 3.62/4.0（89.5/100）
研究兴趣：多模态学习、计算机视觉与生成模型。
04
技能与工具
- 编程语言
- Python · C/C++ · Java · MATLAB
- 深度学习
- PyTorch · TensorFlow · Transformers · Mamba · Diffusion models
- 视觉与数据处理
- OpenCV · Pillow · scikit-image · NumPy · Pandas · SciPy · scikit-learn
- 工具与语言
- LaTeX · Git · DaVinci Resolve · English (CET-4 / CET-6)
05
竞赛与奖励荣誉
保持联系
让一次交流，成为研究的起点。
欢迎联系我，探讨科研合作与新的机会。