从感知到生成，
连接智能的不同侧面。

研究图像与视频的感知、解析和理解，涉及图像分类、目标检测、语义分割、视觉跟踪以及三维场景理解。关注复杂场景和开放环境下的模型泛化，并探索工业缺陷检测、自动驾驶、文化计算与智能交互等应用。

围绕图像与视频去噪、去模糊、超分辨率、低照度增强和人脸复原等任务开展研究。探索真实退化条件下的自监督学习、灵活模型适配与智能成像方法，连接物理成像过程和数据驱动模型。

研究图像、视频与三维内容生成，关注个性化生成、可控生成、图像编辑和生成式复原。探索扩散模型等生成方法，并研究生成与理解的联系及面向动态世界的视觉建模。

研究视觉与语言等多模态信息的理解、对齐和推理，关注视觉语言大模型、持续学习、半监督与自监督学习，以及多模态模型适配。进一步探索智能体、具身智能和 AI 驱动科学发现等方向。