导师简介-史萍

作者:发布时间:2025-06-20

姓名:史萍

职称 硕(博)导:教授 博导、硕导

博士招生专业:信息与通信工程

学硕招生专业 方向:信息与通信工程 智能视频处理

专硕招生专业 方向:人工智能 智能视频技术

主要研究领域:智能媒体处理相关研究,包括AI视频生成模型评测、视频质量评价、视频质量增强、目标检测与跟踪、动态人脸重建与生成、视觉信息处理、超高清视频技术等。

电子邮箱Emailshiping@cuc.edu.cn

个人简介

       工学博士,教授,博士生及硕士生导师。主持或参与多项国家级及省部级科研项目,出版了《广播电视技术概论》等五部专著或教材,发表学术论文100余篇,参与起草了高清晰度数字电视主观评价用测试图像“超高清视频图像质量客观评价方法”等12项国家及行业标准,获得9项国家发明专利及10项软件著作权。获得国家广播电视总局科技进步奖、广东省科技进步奖、中国广播电影电视社会组织联合会广播影视科技创新奖、中国电影电视技术学会科技进步奖等多个奖项。参加多个学术团体,目前担任中国电影电视技术学会第九届理事会副秘书长、中国电影电视技术学会标准与测试专业委员会副主任、中国电影电视技术学会网络视频专业委员会副主任、中国人工智能学会智能传媒专业委员会委员、国家广电总局科技委制播专业委员会委员等。先后指导博士及硕士研究生累计近百人,荣获中国传媒大学教学名师、北京市优秀教师、北京市师德先进个人、全国杰出影视科技工作者等荣誉称号

科研团队/实验室介绍

担任智能媒体计算实验室负责人。该实验室隶属于媒体融合与传播国家重点实验室的智能视音频与超高清技术研究中心,主要研究基于人工智能的图像及视频处理技术,包括视频质量评价、视频质量增强、目标检测与跟踪、人体姿态估计、智能交互技术、图像分类与检索、视觉信息处理、超高清视频技术等。团队师生来自信息与通信工程学院,教师3人,博士后1人。在读博士研究生7人,硕士研究生11人。

实验室依托媒体融合与传播国家重点实验室,具备良好的科研环境和实验条件,计算资源充足,仪器设备齐全,可为科研工作提供良好支撑。实验室定期举办学术研讨交流会,有良好的科研氛围。实验室同学曾在计算机视觉领域顶级学术会议CVPR以及多媒体领域顶级学术会议ICME发表论文,并获得CVPR2025生成式视频质量评价挑战赛亚军、ICME2020手机图像质量评价挑战赛冠军。为了鼓励同学们潜心学术,挑战未知,勇于创新,实验室还设立了学术之星荣誉奖项,目前已有2位研究生因取得突出学术成果及良好的综合素质而荣获此奖项

承担的主要科研项目

[1] 国家自然科学基金联合基金重点支持项目:“天基光学在轨时敏弱小目标智能处理理论与方法研究”,合作单位项目负责人。

[2] 国家重点研发计划重点专项:视听媒体微服务关键技术研究与应用,子课题负责人。

[3] 国家广电总局科研项目:广播电视安全播出管理体系成熟度评估研究,课题负责人。

[4] 国家广电总局科研项目:直播卫星备份星性能指标符合性及超高清卫星广播传输技术研究,课题负责人。

[5] 国家广电总局广播电视和网络视听中长期科技计划项目:实时姿态估计及动作捕捉关键技术研究与应用示范,课题负责人。

[6] 国家广电总局广播电视和网络视听中长期科技计划项目:超高清演播室LED大屏技术要求及应用研究,课题负责人。

[7] 横向项目:关于演播室LED大屏幕标准研究,项目负责人。

[8] 横向项目:“4K超高清综合测试图制作软件开发,项目负责人。

[9] 横向项目:“8K超高清晰度图像素材统计特性分析软件,项目负责人。

[10] 横向项目:外观视图知名卡通形象智能识别系统建设项目,项目负责人。

[11] 横向项目:“文生视频主观评价方法”,项目负责人。

[12] 横向项目:“2024AIGV市场竞争分析报告”,项目负责人。  

代表性学术成果

[1] 著作:《广播电视技术发展史》“总体技术篇”,史萍,李彬等,中国传媒大学出版社,20249月,ISBN 978-7-5657-3803-6

[2] 著作:《广播电视技术-干部必读》,史萍,倪世兰,陈德泽,中国广播电视出版社,2008年,ISBN 978-7-5043-5641-3

[3] 著作:《广播电视技术概论》,史萍,倪世兰,中国广播电视出版社,2003ISBN 7-5043-4129-0/TN.294

[4] 译作:《多媒体与虚拟现实工程》, 史萍,张远,张永辉,邹珵,杨盈昀,中国电影出版社,2000ISBN 7-106-01588-1/TB 0101

[5] 论文:Zefeng Ying, Da Pan and Ping Shi, Quality difference ranking model for smartphone camera photo quality assessment, 2020 IEEE International Conference on Multimedia and Expo (ICME 2020), 6-10 July 2020, London

[6] 论文:Xueting Wang, Ping Shi, Da Pan, Spatial-Temporal Network for No Reference Video Quality Assessment Based on Saliency, 2020 International Conference on Culture-oriented Science & Technology(ICCST 2020), 30-31 October 2020, Beijing, China.

[7] 论文:Zhuoyuan Yang, Pan Da, Ping Shi, Joint image dehazing and super-resolution: closed shared source residual attention fusion network, IEEE Access, Volume 9, August 3, 2021, pp: 105477-105492.

[8] 论文:Pan Da, GuiYing Song, Ping Shi, HaoCheng Zhang, Perceptual quality assessment of nighttime video, Displays 70 (2021) 102092,

[9] 论文:Da Pan, XueTing Wang, Ping Shi, ShaoDe Yu, No-reference video quality assessment based on modeling temporal-memory effects, Displays 70 (2021) 102075

[10] 论文:Zefeng Ying , Da Pan and Ping Shi*. Blind Video Quality Assessment for Ultra-High-Definition Video Based on Super-Resolution and Deep Reinforcement Learning. Sensors, 29 January 2023.

[11] 论文:Junli Deng, Haoyuan Yao and Ping Shi, Enhanced 3D Pose Estimation in Multi-Person, Multi-View Scenarios through Unsupervised Domain Adaptation with Dropout Discriminator, Sensors, 12 October 2023, 8406 (Volume 23, Issue 20)

[12] 论文:Qirong Liang, Da Pan, Zefeng Ying, Ping Shi, Defocussr: An Efficient Framework for Defocus Image Super-Resolution Guided by Depth Information, The 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (IEEE ICASSP 2024), 14-19 April 2024, Seoul, Korea.

[13] 论文:Qipei Li, Zefeng Ying, Da Pan, Zhaoxin Fan, Ping Shi, Estgn: Enhanced Self-mined Text Guided Super-Resolution Network for Superior Image Super Resolution, The 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (IEEE ICASSP 2024), 14-19 April 2024, Seoul, Korea.

[14] 论文:Zelu Qi, Da Pan, Tianyi Niu, Zefeng Ying, Ping Shi, Bridge the Gap Between Practical Application Scenarios and Cartoon Character Detection: A Benchmark Dataset and Deep Learning ModelDisplaysVolume 84, September 2024,102793,(Available online 4 July 2024).

[15] 论文:Zelu Qi, Ping Shi, Chaoyang Zhang, Shuqi Wang, Fei Zhao, Da Pan, Zefeng Ying, Towards Holistic Visual Quality Assessment of AI-Generated Videos: A LLM-Based Multi-Dimensional Evaluation Model, In 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2025)

[16] 论文:Fei Zhao, Da Pan, Zelu Qi, Ping Shi, Research on Audio-Visual Quality Assessment Dataset and Method for User-Generated Omnidirectional Video, IEEE International Conference on Multimedia and Expo (ICME2025)

[17] 论文:Junli Deng, Ping Shi, Qipei Li, Jinyang Guo DynaSplat: Dynamic-Static Gaussian Splatting with Hierarchical Motion Decomposition for Scene Reconstruction, IEEE International Conference on Multimedia and Expo 2025 (ICME2025)

[18] 论文:Jian Xiao, Ping Shi, Qipei Li, LkSFocalNets: Video Action Recognition with Large Kernel Selective Focal Networks, 2025 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2025)

[19] 行业标准:“超高清视频图像质量客观评价方法”,GY/T 412-2024,史萍(5/54

[20] 行业标准:“超高清晰度电视综合测试图”,GY/T 413-2024,史萍(9/26

[21] 行业标准:演播室高清晰度电视数字视频信号接口”, GY/T 157-2000,史萍(2/5)。

[22] 行业标准:“4:4:4数字分量视频信号接口”, GY/T 159-2000,史萍(1/5)。

[23] 行业标准:演播室数字音频参数”, GY/T 156-2000,史萍(5/5)。

[24] 行业标准:数字电视附属数据空间内数字音频和辅助数据的传输规范”, GY/T 161-2000,史萍(4/5)。

[25] 行业标准:高清晰度电视串行接口中作为附属数据信号的24比特数字音频格式 GY/T 162-2000,史萍(4/5)。

[26] 行业标准:标准清晰度数字电视主观评价用测试图像GY/T 228-2007,史萍(11/16)。

[27] 国家标准:广播电视术语GB/T 7400-2011,史萍(5/8)。

[28] 国家标准:高清晰度数字电视主观评价用测试图像GB/T 31001-2014,史萍(10/15)。

[29] 团体标准:演播室用LED显示屏技术要求和测量方法CSMPTE 002-2016,史萍(10/16)。

[30] 行业标准:立体电视图像质量主观评价方法GY/T 314-2017,史萍(8/12)。

[31] 专利:一种超媒体编辑制作方法及系统,专利号:ZL201410240279.0,发明人:史萍,潘达,黄鹤,张俏,丛大杰,杨来文,周达希,田芳。

[32] 专利:一种基于特征融合和循环神经网络的无参考视频质量评价方法,专利号:ZL201910938025.9,发明人:史萍,侯明,潘达,应泽峰,韩明良。

[33] 专利:一种基于先验感知质量特征图的无参考图像质量客观评价方法,专利号:ZL201711488518.4,发明人:史萍,潘达,侯明,应泽峰,韩明良,傅思喆。

[34] 专利:一种基于多尺度生成对抗网络的无参考图像质量客观评价方法,专利号:ZL201711492127.X,发明人:史萍,潘达,应泽峰,侯明,钟地秀,韩明良。

[35] 专利:种基于质量排序网络和语义分类的图像质量评价方法,专利号:ZL201811646494.5,发明人:潘达,侯明,史萍。

[36] 专利:一种基于深度强化学习的无参考图像质量客观评价方法,专利号:ZL201811641631.6,发明人:潘达,应泽峰,史萍。

[37] 专利:一种基于视觉注意力机制的无参考视频质量评价方法,专利号:ZL 2020 1 0841520.0,发明人:应泽峰,史萍,侯明,潘达。

[38] 专利:一种基于短时时空融合网络和长时序列融合网络的无参考视频质量评价方法,专利号:ZL 2021 1 0992742.7,发明人:史萍,王雪婷,潘达。

[39] 专利:一种基于深度学习的全参考超高清视频质量客观评价方法,专利号:ZL 2022 1 0239824.9,发明人:史萍,费凌云,应泽峰,潘达,耿仪。

获得主要奖项

[1] 2022年,“4K/8K超高清高动态范围电视测试图研究项目研究成果获得中国电影电视技术学会2022年度科技进步奖二等奖,史萍(4/10)。

[2] 2019年,观演场所数字声学环境系统集成技术研发及应用示范项目研究成果获得2018年度广东省科技进步二等奖,史萍。

[3] 2015年,高清晰度电视标准测试序列研究与制作项目研究成果获得中国广播电影电视社会组织联合会颁发的2015年度广播影视科技创新奖二等奖,史萍(7/10

[4] 2012年,国家标准《广播电视术语》(GB/T 7400-2011)获得国家新闻出版广电总局2012年度科技创新奖一等奖,史萍(5/8)。

[5] 2009年,主持的科研项目基于MPEG7的视频图像检索技术研究获得国家广播电影电视总局2009年度科技创新奖三等奖,史萍(1/6)。