Sora背后团队：应届博士带队，00后入列，还专门招了艺术生

克雷西 2024-02-18 13:26:06 来源：量子位

克雷西 鱼羊 发自 凹非寺

量子位 | 公众号 QbitAI

现在世界上最受关注的技术团队是哪一支？

Sora团队，已经来到聚光灯中心。

不仅项目负责人评论区被挤爆，成了X最火“景点”。

天才成员们的履历，也正在持续引爆关注。

△来自微博博主@木遥

大家伙发现，这支团队挺年轻：两位负责人都是在去年（2023年）刚刚博士毕业，团队里甚至还有00后选手……

但牛啤也是真的牛：

Tim Brooks，DALL-E 3作者之一，GitHub 5.7k星项目InstructPix2Pix作者，2021-2022年在英伟达实习时，就是视频生成研究的项目负责人。

William (Bill) Peebles，和谢赛宁合作，搞出了Sora的技术基础之一DiT（扩散Transformer）。论文还曾入围CVPR 2022最佳论文候选。

……

这支团队到底什么来头，咱们今天一起仔细聊聊。

应届博士带队

包括Tim和Bill在内，Sora的主要负责人一共有三名（以下排名不分先后）。

Tim Brooks，也是DALL-E 3的作者，去年1月刚从加州大学伯克利分校博士毕业。

Tim本科就读于卡内基梅隆大学，主修逻辑与计算，辅修计算机科学，其间在Facebook软件工程部门实习了四个月。

2017年，本科毕业的Tim先到Google工作了近两年，在Pixel手机部门中研究AI相机，之后到了伯克利AI实验室攻读博士。

在伯克利读博期间，Tim的主要研究方向就是图片与视频生成，他还在英伟达实习并主导了一项关于视频生成的研究。

回到校园后，Tim与导师Alexei Efros教授和同组博士后Aleksander Holynski（现在谷歌）一起研制了AI图片编辑工具InstructPix2Pix，并入选CVPR 2023 Highlight。

去年一月，Tim顺利毕业并取得了博士学位，转而加入OpenAI，并相继参与了DALL-E 3和Sora的工作。

值得一提的是，Tim不仅在专业领域拥有高超的技术水平，还是个多才多艺的人。

据Tim自己介绍，他还喜欢摄影和音乐，高中时他拍摄的照片获得过National Geographic颁发的奖项，本人到过百老汇演出，还获得过B-box国际奖项……

而与Tim师出同门、晚毕业4个月的William Peebles，也是Sora的另一名负责人。

（Peebles在X上用昵称Bill，在Linkedin上及论文署名时用大名William，下文一律用Bill指代。）

Bill本科就读于MIT，主修计算机科学，参加了GAN和text2video的研究，还在英伟达深度学习与自动驾驶团队实习，研究计算机视觉。

毕业后正式开始读博之前，他还参加了Adobe的暑期实习，研究的依然是GAN，该项目和（时任）卡内基梅隆大学华人学者朱俊彦（也是Efros教授学生，现在在MIT）组有合作，并成为CVPR 2022最佳论文候选。

之后，学期开始，Bill到了伯克利Efros教授课题组攻读博士，研究成果多次入选SIGGRAPH、ICCV、CVPR等学术会议。

2022年5月，Bill到Meta进行了为期半年的实习，和谢赛宁（Bill开始实习时还未离开Meta）合作发表了DiT模型，首次将Transformer与扩散模型结合到了一起。

该成果被ICCV 2023录用为Oral论文。值得一提的是，OpenAI此次发布的Sora，被认为正是基于DiT构建的。

去年5月，Bill也从伯克利毕业，并入职OpenAI。

除了这两位去年加入的研究者，Sora团队的另一位负责人Aditya Ramesh则是OpenAI的“老人”。

Aditya是DALL-E的创造者，主导了三代DALL-E的研究，三个版本的论文当中他都是共同一作。

而这样一位主导三代DALL-E，如今又领导Sora团队的大神，却只有本科学历。

据LeCun介绍，Aditya本科就读于纽约大学，并在他的实验室参与过一些项目。

其间，Aditya就已经在研究生成式模型，并和LeCun共同发表论文。

毕业之后，Aditya本想继续深造，但在OpenAI的暑期实习中被留了下来，成为了正式研究人员。

00后已加入

Sora团队的本科生，还不止Aditya Ramesh一位。

前文提到，这支团队中有一位“00后”Will DePue，就是2022年才刚从密西根大学计算机系本科毕业的。

这位小哥大四的时候创业搞了个市场咨询公司DeepResearch，这家公司后来被Commsor收购。

2023年7月，小哥加入OpenAI。根据他的领英信息，他是在今年1月才刚刚加入Sora项目组的。

另外，David Schnurr和Joe Taylor也都没有博士学位。前者毕业于加州大学圣塔芭芭拉分校，后者毕业于美国旧金山艺术大学。

而正如Aditya Ramesh自己所说，Sora团队的不少成员都是DALL-E 3的作者。

包括两位华人Li Jing和Yufei Guo。

Li Jing是DALL-E 3的共同一作，2014年本科毕业于北京大学物理系，2019年获得MIT物理学博士学位。在Meta做了2年多博士后之后，Li Jing于2022年加入OpenAI。

华人作者中还有Ricky Wang，今年一月刚刚从Meta/Instagram跳槽到OpenAI，另外两位Yufei Guo、Clarence Ng没有太多公开资料。

新跳槽来的还有Conner Holmes，他在微软工作时以外援形式参与了DALL·E 3的推理优化工作，后来干脆加入OpenAI了。

最后，来看一眼完整作者名单：

从团队的组建情况和研究基础来看，Sora应该是OpenAI近半年来的最新成果，而非网传“早已有之但憋着不发”。

不过，Sora炸场，顶级人才又持续星聚，还是惊得众人开始重新考量OpenAI的技术领先性。

就在今天，作者释出的Sora新作，连“同一场景”下的多机位视频都整出来了。

网友们的心情be like：

现在，是视频生成，下一个又会是什么？

参考链接：
[1]https://www.wpeebles.com/
[2]https://www.timothybrooks.com/about/
[3]http://adityaramesh.com/about.html