导师简介
如果你想申请香港城市大学 传媒学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析香港城市大学的Prof. Ling的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！
Prof. Miu Ling LAM（林妙玲）现任香港城市大学（CityU）School of Creative Media副教授，主要研究方向为计算成像、机器人技术与互动媒体，具体聚焦计算摄影与显示、基于深度学习的光场合成及近红外成像。
学术经历方面，加入CityU前，她曾在加州大学洛杉矶分校（UCLA）担任博士后研究员，专攻单分子DNA识别与艺术-科学融合研究。
研究与学术影响力突出：其成果获香港政府研究资助局（GRF）、创新科技署（ITF）、国家自然科学基金（NSFC）等多方资助；个人荣获CityU教学卓越奖、世界文化理事会特别认可奖、IEEE国际会议三项最佳论文奖、裘槎基金会奖学金等11项奖项。
研究分析
代表性论文解读
- 2025年期刊论文《Controllable Human Video Generation from Sparse Sketches》：发表于IEEE Transactions on Visualization and Computer Graphics（CCF A类期刊）聚焦从稀疏草图生成可控人体视频。该研究将计算机视觉与生成式AI结合，通过深度学习模型实现对人体动态的精准控制，解决了传统视频生成中“可控性不足”的核心问题，在虚拟数字人、动画制作等领域具有直接应用价值，论文标注“Superior Performance”和“World Application”，体现其技术创新性与落地潜力。
- 2025年书籍章节《Hybridized Craftsmanship: From Traditional Ceremonial Arms to Generative Pattern Formation in New Media Art》：收录于《Might and Magnificence: Ceremonial Arms and Armour across Cultures》探讨传统仪式兵器到新媒体艺术生成式图案的“混合工艺”。这一成果体现了她“艺术-科技”跨界研究的特色，将计算成像技术与文化遗产元素融合，为新媒体艺术创作提供了基于传统文脉的技术路径。
重点项目分析
- ITF-ExtU-Lead: Future Cinema Systems: Next-Generation Art Technologies：作为合作研究者，项目聚焦下一代艺术技术的未来影院系统，涉及叙事方法、文化遗产、生成式AI等核心方向（相关关键词占比均超60%）。项目通过跨机构协作，探索生成式AI在文化遗产场景中的叙事应用，例如将 heritage sites 与动态影像结合，打造沉浸式观影体验，兼具学术创新性与文化传播价值。
- Jockey Club Project IDEA：作为项目负责人，该项目全称为“Inclusive Digital and Experimental Arts”，核心是通过数字与实验艺术技术推动包容性发展，例如针对老年人和残障人士的技术设计（与她的TEDY项目理念一脉相承）。项目将计算成像与社会关怀结合，体现了技术应用的人文维度，也是她“科技服务社会”研究理念的实践载体。
研究想法
- 光场技术赋能文化遗产“动态数字化”：结合Prof. Lam的light field technologies与文化遗产研究基础，提出“光场+生成式AI”的文化遗产保护方案。利用光场相机采集文物（如传统仪式兵器）的三维光场信息，再通过可控生成模型（如基于她团队的人体视频生成技术延伸），还原文物在历史场景中的使用动态。相比现有静态数字化方法，该方案能保留文物的光影细节与空间关系，同时实现“可交互的历史场景重现”，适用于博物馆沉浸式展览与文化教育。
- 近红外成像与无障碍媒体交互设计：基于她的near infrared imaging研究，探索近红外技术在视障人士媒体交互中的应用。设计集成近红外传感器的触觉反馈设备，通过近红外成像识别视障用户的手势轨迹，结合计算摄影算法将数字内容（如图片、视频）转化为触觉振动模式。该想法突破传统无障碍技术“单一反馈”的局限，利用跨模态融合提升视障用户的媒体感知体验，同时可与Jockey Club Project IDEA的包容性目标结合落地。
- 计算摄影驱动的“生成式工艺设计”：融合computational photography与混合工艺研究，开发面向传统手工艺人的生成式设计工具。通过计算摄影采集传统工艺（如陶瓷、刺绣）的纹理与结构特征，构建“工艺特征数据库”，再利用轻量化深度学习模型，根据用户输入的设计草图生成符合传统工艺规范的图案方案。该工具既能保留传统工艺的核心特征，又能提升设计效率，为新媒体艺术与传统手工艺的融合提供技术桥梁。
申请建议
1.学术背景准备
- 核心课程：优先修读计算机视觉（Computer Vision）、机器学习（Machine Learning）、计算摄影（Computational Photography）相关课程，掌握基础理论框架；若有艺术背景，可补充新媒体艺术史、互动媒体设计等课程，强化跨学科基础。
- 知识储备：深入理解光场成像原理、生成式AI模型（如GANs、Diffusion Models）、图像处理算法，关注IEEE TVCG、SIGGRAPH等期刊会议的最新研究，尤其是计算成像与媒体艺术交叉领域的成果。
2.技能与工具储备
- 编程能力：熟练掌握Python（PyTorch/TensorFlow框架）、C++（OpenCV库），具备深度学习模型训练与部署经验；了解光场数据处理工具（如Light Field Toolbox）、媒体创作软件（如TouchDesigner）者优先。
- 实验能力：掌握基础摄影测量技术、光场相机操作（如Lytro相机），具备实验设计与数据采集分析能力；有3D建模、互动装置开发经验者可增加竞争力。
3.科研与实践经历准备
- 科研项目：优先参与计算成像、生成式AI或互动媒体相关项目，例如“基于深度学习的图像修复”“光场图像合成”“无障碍交互装置设计”等，积累项目报告或技术文档；若有机会，以第一作者身份撰写会议或期刊论文（即使是摘要或短文）。
- 实践经历：参与新媒体艺术展览、科技艺术节的技术支持工作，或在相关企业（如影视后期、互动媒体公司）实习，积累技术落地经验；若有自主开发的互动媒体作品（如基于计算机视觉的装置），可整理成作品集。
4.申请材料与套磁建议
- 文书撰写：个人陈述（PS）需明确结合Prof. Lam的研究方向，例如“如何将计算摄影技术应用于文化遗产保护”，并说明自身经历与该方向的契合点；研究计划（RP）可围绕她的活跃项目展开，如“基于光场技术的文化遗产动态重现”，提出具体的研究问题与初步方案。
- 套磁策略：首次套磁时，简要介绍自身背景（重点突出跨学科经历），并针对性讨论她的1-2项研究成果（如《Controllable Human Video Generation from Sparse Sketches》中的可控生成技术），提出1-2个具体的研究疑问（如“如何平衡生成视频的可控性与自然度”），展现对其研究的深入了解；附上个人简历、代表性项目/论文或作品集。
博士背景
Cassian，美国top10院校传媒学博士生在读，研究领域包括公共政策、文化传播与广告学。已在国际权威期刊《Journal of Communication》和《New Media & Society》上发表多篇论文，研究成果获得国际学术会议最佳论文奖。擅长将社交媒体数据与政治文化分析结合，关注信息传播与公众态度的互动关系。精通数据分析、文本挖掘与传播学理论，为相关领域的博士申请提供全面辅导。"
【竞赛报名/项目咨询+微信：mollywei007】
