①
视觉理解与识别
从图像、视频中提取结构化语义信息，面向复杂开放场景的鲁棒识别。
- 目标检测与实例分割
- 视频行为识别与时序建模
- 开放词汇与少样本识别
- 场景图生成与关系推理
研究方向
我们关注的问题
围绕视觉智能的基础与前沿问题，开展跨层次、跨模态的系统性研究。
②
生成模型与内容创作
研究高质量、可控、高效的视觉内容生成方法，推动 AIGC 与数字创意应用。
- 扩散模型与加速采样
- 可控图像与视频生成
- 3D 生成与神经辐射场
- 图像编辑与风格迁移
③
多模态学习
跨视觉、语言、语音等多模态的统一表征与协同推理。
- 视觉-语言预训练
- 多模态大模型与指令调优
- 跨模态检索与对齐
- 视觉问答与推理
④
高效与轻量化模型
面向边缘设备与实时应用的模型压缩、蒸馏与架构优化。
- 知识蒸馏与模型剪枝
- 量化与低比特推理
- 神经架构搜索
- 端侧部署与加速
⑤
3D 视觉与几何理解
从 2D 观测中恢复 3D 结构，支撑 AR/VR、机器人、数字孪生应用。
- 多视图重建与 SfM
- 神经渲染与高斯溅射
- 点云处理与理解
- SLAM 与动态场景重建
⑥
视觉智能的可信与安全
关注模型的鲁棒性、可解释性、公平性与隐私保护。
- 对抗鲁棒性与防御
- 可解释性与可视化
- AIGC 检测与内容溯源
- 联邦学习与隐私保护
应用领域
我们的研究成果已在多个真实场景中得到落地验证：
01
智慧医疗
医学影像分析与辅助诊断。
02
智能制造
工业视觉检测与机器人感知。
03
数字内容
AIGC 创作与智能视频编辑。
04
自动驾驶
环境感知与场景理解。