01、先看项目：4年制计算机博士，申请全年可交但有固定截点
这期看的是新加坡国立大学（NUS）School of Computing 的 Computer Science PhD。学校的项目结构按 Year 1 到 Year 4 展开：前期完成课程与资格考试，之后进入论文研究与答辩；NUS 其他研究型博士招生资料也把博士的正常修读期写为 4 年。对准备 2027 年入学的人，更重要的是申请节奏：NUS Computing 的 PhD 申请全年接受，但 August intake 的 cut-off 是 12 月 15 日，January intake 的 cut-off 是前一年的 6 月 15 日。按 2026 年 9 月 13 日这个时间点，下一次最现实的节点就是 2026 年 12 月 15 日。
学费要按身份和补贴资格看。NUS Registrar 2026/27 研究型项目学费表把 Computing 与 Design & Engineering、Science 等列在同一档：新生若享受 MOE subsidy，国际生在 Service Obligation / Graduate Assistantship Programme 口径下为 S$21,900/年；不享受 MOE subsidy 的国际生为 S$43,750/年。这个数字是学校“标价”，不等于每位博士最终自付多少，因为奖学金资格会直接改变实际负担。
02、S$3,000/月是基础现金档，奖学金不是自动到账
NUS Research Scholarship 对国际博士生的基础 stipend 是 S$3,000/月，全年按 12 个月计算为 S$36,000；通过 PhD Qualifying Examination 后，符合条件者还可增加 S$500/月。NUS Computing 同时明确写明，这项 Research Scholarship 面向符合条件的全日制研究型博士生按竞争方式提供，初次通常授予一年，之后按学业进展逐年续，博士最多可续到 4 年，并包含 full tuition fee subsidy。也就是说，标题中的金额只取可直接量化的现金 stipend，不把学费减免自行折算进“奖学金金额”，更不能把“可申请”理解成“人人保证获得”。
人民币换算采用 2026 年 9 月 11 日、也就是 9 月 13 日之前最近可用交易日的 SGD/CNY 历史汇率。按约 1 SGD=5.295 CNY 计算，S$36,000 约为人民币 19.1 万元/年。这里说的是基础档税前/名义现金金额；个人保险、生活成本以及是否拿到 scholarship，都要以正式 offer 和当期账单为准。
03、流视频不是“看完再答”：Angela在做持续记忆与缓存
本期 Professor 是 Angela Yao 副教授，NUS Computing 的官方职称为 Dean’s Chair Associate Professor。她的研究长期围绕 human-centric computer vision，尤其是视频中的人类行为理解、3D 人体与手部建模。她在 2026 年的研究里有一条很清晰的新变化：视觉系统不再只处理一个已经剪好的短视频，而是要面对连续不断到来的第一视角或长视频流。
例如 2026 年 ICML 的 “Decouple and Cache” 关注 streaming video understanding 中的 KV cache 构建：真正的难点不是把更多帧无脑塞进上下文，而是怎样在有限计算与显存预算下保留对后续问题有用的信息。另一项 “Keep It in Mind” 则把问题进一步推到 user-centric continual spatial reasoning：系统需要随着用户移动和环境变化持续更新空间记忆。对想做博士的人，这意味着“视频理解”已经从单次识别任务，走向记忆、持续推理、效率和个体上下文共同约束的系统问题。
04、第一视角视觉正在从识别动作，走向真正帮助具体的人
CVPR 2026 的 Ego-Grounding for Personalized Question-Answering in Egocentric Videos 把“个性化”推到第一视角问答里。第一视角视频的价值不只是识别“有人拿起杯子”，而是要知道这个物品和当前用户过去的行为、空间位置、任务目标有什么关系。这样的问题会同时牵涉视觉 grounding、时序记忆、语言问答以及对个人历史的建模。
这条线和 Angela Yao 过去的人体与行为理解并不割裂。她一直关心的是系统如何从视觉中理解“人正在做什么、身体如何运动、行为如何发生在空间里”。当场景变成 wearable camera 或 embodied agent，研究对象只是从单帧/短视频扩展为持续的生活流。申请者如果只会把“我做过目标检测”写成技能清单，会很难解释自己能解决这种跨时间、跨模态、面向真实用户的研究问题。
05、HumanBA把人和相机一起优化：几何能力仍是研究主线
Angela 的另一条线没有被大模型热潮替代，而是在继续做扎实的 3D 几何。CVPR 2026 的 HumanBA 研究 human-aware bundle adjustment：当画面中人本身在运动时，传统把世界当成静态背景的相机优化会遇到结构性困难。HumanBA 的思路是把人体与相机的变量解耦，再进行全局优化，让动态人体不再只是被当成“异常点”丢掉。
同年 CVPR spotlight 的场景坐标重建工作，又把 unposed images、pose graph optimization 与场景重建放在一起。把这些研究并排看，会发现她的组并不是只追一个模型范式，而是在“人—相机—空间—时间”这组关系上不断换问题：有时是3D pose，有时是视频记忆，有时是相机几何。对于计算机视觉博士，这种研究路线比单纯追 benchmark 更值得注意，因为它要求你既能理解视觉表征，也能把几何、优化和系统约束讲清楚。
06、申请Angela：把研究问题、方法底座和可执行计划对齐
Angela Yao 的组网页目前明确写着正在招 PhD students，方向包括 human-centric AI、video understanding 和 3D human perception，并要求申请人走 NUS School of Computing 的正式 PhD 申请。对申请材料而言，最有用的做法不是泛写“我对 AI 很感兴趣”，而是从她当前研究中选一条自己真正接得上的问题链。做长视频/多模态的人，可以具体谈持续记忆、视频 token/KV cache、第一视角问答；做3D的人，可以谈人体建模、bundle adjustment、scene coordinates、几何优化；做系统的人，则要说明如何处理长序列计算成本与在线更新。
CV 里最好把“做过什么”写成可判断的证据：数据规模、模型或算法、你负责的环节、实验结果、代码与论文；Research Proposal 再把这些经历转成一个能继续推进的问题。公开研究能说明的是 Angela 现在在做哪些题目、使用哪些方法，并不能替她宣布个人录取偏好。真正有说服力的匹配，是让读者一眼看到你已有的技术资产为什么能进入她正在推进的研究线。
