香港中文大学电子工程学系李鸿升教授在其实验室主页公布了博士招募信息，面向下一学年入学，低层视觉研究方向拟招募一至两名博士生，同时公开招募具身智能、机器人操作与多模态研究方向的博士生。这类由导师明确写出方向和名额的招募信息，比泛泛了解某大学设有博士项目更具参考价值。
李鸿升教授的研究依托电子工程学系与多媒体实验室，覆盖计算机视觉、机器学习和智能交互。公开信息列出了多项近期会议论文和学术服务。对考虑加入实验室的申请者而言，这意味着可以观察到的课题推进、同行交流与学生合作体系，而非一个尚未明确主题的空缺名额。
低层视觉研究关注图像和视频在降噪、恢复、清晰度与信号保真等基础层面的技术问题。它与机器人、多模态研究之间存在内在关联：自动化系统若无法可靠感知环境，后续动作规划也可能受到影响。不同研究方向的博士生将面对不同的数据、实验设备和成果评价方法。
从公开招募方式看，明确的人数只对应低层视觉方向，不能扩大解释为实验室全部研究方向都严格招收一至两人。不同方向可能有不同的岗位设置、评审偏好和研究起点。申请者若同时具备视觉与机器人背景，也应选择一个中心问题展开，而不是把每个研究方向都写成同等兴趣。
研究项目与团队资源
实验室主页记录了近期在计算机视觉、机器学习和自然语言处理领域的论文接受情况，并展示李鸿升教授参与重要国际学术会议评审组织的工作。团队研究范围广，申请者应阅读与目标岗位对应的近期论文和代码，而不是把实验室所有成果理解为每位新生都必须掌握的技能。
如果申请低层视觉方向，通常需要说明自己如何衡量恢复结果的真实性、鲁棒性与效率；如果申请具身智能方向，则应解释感知、动作、反馈以及物理或仿真场景的耦合关系。研究提案中选择正确的实验指标，往往比提出一个看似覆盖全领域的目标更重要。
在一个持续发表多领域成果的团队里，实验组织能力同样是科研资源的一部分。可靠的数据管理、可复现的训练脚本、合理的计算预算及论文复核流程，都会影响博士项目能否按阶段推进。研究计划应尽可能说明申请者已具备的技能与准备补齐的短板。
公开论文记录可以帮助判断方法迭代速度，也可以作为研究计划选题的起点。例如从近期图像恢复成果出发，进一步检验模型在真实噪声、设备迁移或时间变化下的表现；对机器人系统，则需要考虑模拟环境与真实场景之间的落差。这样的提案更容易形成清晰的实验路线。
博士项目与资助安排
香港中文大学的研究生院设有研究型博士入学机制，电子工程学相关项目有明确的正式申请流程。申请者应区分实验室招募意向、学院或研究生院是否批准录取，以及是否获得助学金；即使导师写明有名额，也不代表申请者免于学术评审。
研究型博士通常涉及助学金资助，具体标准及资格需参考大学研究生院发布的最新官方指引。资助通常与正常学习期相关，是否获得应以个人录取安排为准。此外，学费减免政策可能因学生身份（如本地或国际）而异，申请者应仔细查阅相关资格制度。
对研究生而言，长期资金与课题资源是两件事情：个人生活和学费需要稳定安排，计算资源与实验经费则取决于课题和团队。把“实验室论文很多”当作“每个学生都有不限量计算资源”没有依据。更稳妥的方法是从未来研究的实际需求出发，判断可用算力、合作方式以及数据获取条件。
此外，博士生的基本培养支出与论文实验所需的专门支出应分别评估。多媒体研究可能涉及大规模数据、昂贵算力、机器人平台或人类参与者测试，不同项目对这些资源的需求并不一致。已有科研成果能证明团队活跃，却不能代替针对个人项目的可行性论证。
申请人和课题的匹配方式
李鸿升教授的招募信息对研究方向区分得很清楚。准备简历时，应明确写出每个项目的职责分工与可交付成果。研究方向为图像恢复的申请者可以展示噪声建模、感知指标或推理效率；面向机器人操作的申请者则需要说明实验平台、感知误差和动作评价之间的关系。
可以挑选一份具有代表性的论文复现或自己主持的小项目，记录实验环境、训练成本、不同基线和失败案例。如果已有论文或代码仓库，建议把贡献清楚拆分为问题设计、实现、实验与结果解释，避免让团队成果掩盖个人能力。
博士研究并不必然要求一开始就具备全部技能，但需要证明能够面对未知问题持续学习。导师公布的招募人数是重要线索；最终是否进入实验室，仍取决于双方的研究匹配及学校的正式录取。
面向明确岗位的研究计划，通常可以从一个可检验的失败案例写起：比如恢复模型在不同设备采集的图像中出现颜色偏移，或者动作模型在陌生环境里无法稳定完成任务。随后交代已有证据、拟采用的基线、评价方法和阶段目标。把问题缩小，有利于展示独立科研判断。
