刘汉鹏
刘汉鹏，华中科技大学计算机科学与技术学院博士研究生，导师为何琨教授，预计于 2027 年 6 月毕业。主要研究视觉表征学习与多模态基础模型，关注视觉及图文预训练、预训练模型的持续改进，以及视觉编码器在多模态大语言模型中的应用。已在 NeurIPS 发表或获录用论文 3 篇、CVPR 论文 1 篇。
研究方向
- 视觉与图文预训练： 自监督学习、自回归视觉预训练、多视角图文对齐与训练时多模态融合。
- 视觉编码器后训练： 改进 CLIP 等预训练模型，缓解后训练中的遗忘，提升视觉编码器向多模态大语言模型迁移的能力。
- 多模态大语言模型： 研究由问题和指令引导的视觉编码，使视觉表征适应不同的理解任务。
- 高效视觉学习： 高效视觉 Transformer、知识蒸馏与数据集蒸馏。
教育经历
- 2022 年至今： 华中科技大学，计算机科学与技术专业，博士研究生，导师：何琨教授。
- 2018—2022 年： 华中科技大学，计算机科学与技术专业，工学学士。
科研与实习经历
2024 年至今，理想汽车，研究实习生。 参与大规模图文预训练，以及视觉和视觉-语言基础模型的分布式训练与评测；开展基于 128 张 A800 GPU 和十亿级图文数据的 CLIP 类模型预训练研究。
代表性论文
-
ITO: Multi-View Alignment and Training-Time Fusion for Image-Text Pretraining，NeurIPS 2026，第一作者。研究多视角图文对齐与仅在训练阶段使用的融合机制，在保持标准双塔模型推理开销的同时提升表征能力。 论文 · 代码 · 项目主页
-
Rethinking Contrastive Loss in CLIP Post-training: A Complementary Framework with Frozen Text Encoder，NeurIPS 2026，共同通讯作者。提出 ComCLIP，研究对比损失温度对后训练遗忘的影响，并通过冻结文本编码器及互补训练目标改进视觉编码器。 论文 · 代码 · 项目主页
-
You Only Need Less Attention at Each Stage in Vision Transformers，CVPR 2024，共同第一作者。提出 LaViT，通过在不同层之间复用注意力矩阵，提高视觉 Transformer 在分类、检测和分割任务中的效率。 论文
-
Leveraging Contrastive Learning for Enhanced Node Representations in Tokenized Graph Transformers，NeurIPS 2024。 论文
-
Boosting the Patch-based Self-Supervised Learning through Past-to-Present Smoothing，Pattern Recognition，2025，第一作者。
预印本
- iGVLM: Dynamic Instruction-Guided Vision Encoding for Question-Aware Multimodal Understanding，第一作者。研究动态指令引导的视觉编码，并提出用于多问题、多指令一致性评测的 MM4。 论文
- Separators in Enhancing Autoregressive Pretraining for Vision Mamba，第一作者。 论文
完整论文列表见 Google Scholar。
学术服务与学生指导
- 担任 NeurIPS、ICLR、CVPR、AAAI 等会议审稿人。
- 担任 Pattern Recognition、IEEE Transactions on Cybernetics 等期刊审稿人。
- 在 ComCLIP 项目中提出研究思路，指导华中科技大学低年级学生开展研究，参与实验并主导论文写作，以共同通讯作者身份发表成果。
联系方式
- 学校邮箱： hanpengliu@hust.edu.cn
- 备用邮箱： 1359947339@qq.com
- 个人主页： showstarpro.github.io
- 英文简历： 下载 PDF
目前计划于 2027 年 6 月完成博士学业，正在寻找视觉-语言与多模态学习方向的博士后机会。
资料依据：刘汉鹏个人主页（主页标注更新于 2026 年 10 月）。