杨森
计算机视觉 | 多模态大语言模型 | 自动驾驶
现任百度高级研发工程师，专注于计算机视觉、多模态大语言模型和自动驾驶研究
现任百度高级研发工程师，专注于计算机视觉、多模态大语言模型和自动驾驶研究
# **杨森个人主页**
## 关于我
- **计算机视觉研究员**
- 研究方向：
- 计算机视觉
- 多模态大语言模型
- 自动驾驶
## 教育背景
- **博士**：东南大学（2019.5-2023.3）
- 硕士：东南大学（2017.9-2019.1）
- 学士：吉林大学（2013.9-2017.7）
## 工作经历
- **百度 VIS 高级研发工程师**（2023.7-至今）
- 腾讯 TPG 实习生（2021.12-2022.8）
- 旷视科技 实习生（2021.1-2021.10）
## 研究成果
- **自动驾驶**
- TopoSD: Topology-Enhanced Lane Segment Perception
- MGMapNet: Multi-Granularity Representation Learning
- **多模态大模型**
- Vision Remember: Alleviating Visual Forgetting in Efficient MLLM
- **姿态估计**
- Detecting and grouping keypoints
- Capturing the motion of every joint
- Searching part-specific neural fabrics
- SimCC: A Simple Coordinate Classification
- TokenPose: Learning Keypoint Tokens
- TransPose: Keypoint Localization via Transformer
## 技术栈
- **多模态大模型**
- MLLM架构：自回归模型、LLaVA、Qwen2.5-VL、LISA、Grounding Models
- 训练技术：SFT、强化学习
- 视觉Token压缩、大规模分布式训练
- **自动驾驶感知**
- BEV视觉建图、时序建模、概率规划
- 多模态融合：视觉+地图结构化数据
- VLM
- **深度学习框架**
- PyTorch、Python、C++
- Transformer模型、GPU/昇腾NPU开发
## 联系方式
- 邮箱: yangsenius@gmail.com
- 博客: senyang-ml.github.io
- 谷歌学术主页
我是百度的一名研究工程师，主要从事计算机视觉、多模态大语言模型和自动驾驶方面的工作。我于2023年获得东南大学博士学位。我的研究重点是计算机视觉和深度学习，特别关注2D/3D人体姿态估计、自动驾驶感知和视觉多模态基础模型。我热衷于开发创新解决方案，将前沿研究与实际应用相结合。
我的研究兴趣包括：
高级研发工程师
2023.7 - 至今
负责多模态大模型、自动驾驶视觉感知与规划的算法研究与创新应用，旨在推动技术边界，解决复杂挑战。工作涵盖从前沿算法设计到产品落地的全流程，注重将理论突破转化为实际业务价值，并在多个核心领域取得显著进展。
实习生
2021.12 - 2022.8
负责三维人体重建与动作生成项目，基于参数化SMPL模型提出独立token表征方法，实现了高精度的三维人体重建和关节运动捕捉，3DPW指标提升8%，论文发表在ICLR-2023 (spotlight, top25%)。
实习生
2021.1 - 2021.10
参与人体姿态估计项目，设计基于token表示的Transformer模型（ICCV-2021）。研究Transformer中注意力模式（Pattern Recognition）。首创坐标分类新范式SimCC，突破传统回归和heatmap方法精度瓶颈（ECCV 2022 Oral，被主流姿态估计框架采用）。
arXiv preprint arXiv:2503.07168, 2025
ICLR 2025 (引用0次)
Pattern Recognition (引用22次)
ICLR 2023 (spotlight, top 25%) (引用14次)
Pattern Recognition (引用12次)
ECCV 2022 (oral, top 5%) (引用200+次)
arXiv preprint arXiv:2409.15730, 2024 (引用1次)
yangsenius@gmail.com