科研方向

围绕真实复杂场景中的多模态智能、视觉理解、航空智能(具身无人机)应用,形成可复用的理论方法、数据基准和系统能力。

Research Direction 01

多模态增强智能

“多模态增强智能”聚焦于让智能系统从多源信息融合进一步迈向结构化理解、可控生成、交互评测与可信部署。围绕表示学习、上下文推理、可解释生成、智能体基准以及安全对齐等主线,我们形成了较为完整的研究脉络,推动多模态模型从“看得见、对得上”走向“能理解、会生成、可交互、可信赖”,为通用多模态智能的发展提供了系统性支撑。

  • 多模态表示学习
  • 结构化推理
  • 可解释生成
  • 交互评测
  • 可信部署
多模态增强智能研究路线图
多模态增强智能研究路线:从多模态感知到可信交互智能。

Research Direction 02

航空智能

“航空智能”面向低空无人系统、遥感对地观测与航空时序数据分析等典型场景,构建从感知、定位、建图、导航到监测预警和辅助决策的完整技术链条。相关工作围绕具身无人机、低空场景理解、遥感变化检测、开放词汇观测、航空传感器异常检测等方向展开,推动模型从单点视觉识别走向跨平台、多源数据融合与任务闭环决策,为未来自主航空系统和智能航空安全保障提供支撑。

  • 具身无人机
  • 低空场景理解
  • 遥感变化检测
  • 航空时序分析
  • 辅助决策
航空智能研究路线图
航空智能研究路线:面向具身无人机、对地观测与航空数据智能。

Research Direction 03

认知计数

“认知计数”旨在将传统计数任务从“数清数量”提升为对目标、空间、结构与语义关系的综合理解。团队围绕监督学习、迁移学习、开源框架、基准构建、像素级理解和多模态大模型评测等方向持续布局,形成了从人群计数到通用目标计数、从密度估计到空间认知、从单一视觉任务到多模态智能评估的系统性研究脉络。

  • 人群计数
  • 通用目标计数
  • 空间认知
  • 像素级理解
  • 多模态评测
认知计数研究路线图
认知计数研究路线:从人群计数到通用计数智能。