研究简介

聚焦图像与视频的增强、复原、去噪、去模糊、着色等低层视觉质量提升技术，为高层视觉理解与分析提供高质量输入。

研究多模态数据的联合建模与预训练方法，探索跨模态语义对齐，为多模态理解任务提供通用基础模型。

探究感知驱动的智能体环境理解与行为决策，推动智能体在真实环境中的自主交互与任务执行。

深耕人体行为的检测、识别与时序关系建模，重点研究动态场景下的行为理解与事件解析。

围绕图像目标的检测、分割、识别与属性理解等任务，研究中高层语义信息的精准建模与推理方法。

聚焦跨模态内容的检索、推荐、组织与安全分析，研究多模态信息的统一表示与高效管理机制。