研究方向 | ViLab

生物医学图像

Wed, 02 Dec 2020 00:00:00 +0000

本小组致力于将计算机视觉与人工智能前沿算法深度融入临床实践，面向真实世界的医学挑战构建智能化解决方案。我们聚焦于医学影像分析的核心痛点，研究方向涵盖医学图像分割、跨模态转换、图像生成与增强以及多模态医学大模型等前沿课题。特别关注 CT、MRI、病理及超声等多模态数据的深度融合与统一建模，旨在提升诊断效率、优化治疗路径及推动个性化医疗发展。团队与多家三甲医院及顶尖科研机构保持长期紧密合作，积极承担国家重点科研任务，相关成果已在 MICCAI、AAAI 等国际顶级会议与期刊上发表。

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Integer tempus augue non tempor egestas. Proin nisl nunc, dignissim in accumsan dapibus, auctor ullamcorper neque. Quisque at elit felis. Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia curae; Aenean eget elementum odio. Cras interdum eget risus sit amet aliquet. In volutpat, nisl ut fringilla dignissim, arcu nisl suscipit ante, at accumsan sapien nisl eu eros.

Sed eu dui nec ligula bibendum dapibus. Nullam imperdiet auctor tortor, vel cursus mauris malesuada non. Quisque ultrices euismod dapibus. Aenean sed gravida risus. Sed nisi tortor, vulputate nec quam non, placerat porta nisl. Nunc varius lobortis urna, condimentum facilisis ipsum molestie eu. Ut molestie eleifend ligula sed dignissim. Duis ut tellus turpis. Praesent tincidunt, nunc sed congue malesuada, mauris enim maximus massa, eget interdum turpis urna et ante. Morbi sem nisl, cursus quis mollis et, interdum luctus augue. Aliquam laoreet, leo et accumsan tincidunt, libero neque aliquet lectus, a ultricies lorem mi a orci.

Mauris dapibus sem vel magna convallis laoreet. Donec in venenatis urna, vitae sodales odio. Praesent tortor diam, varius non luctus nec, bibendum vel est. Quisque id sem enim. Maecenas at est leo. Vestibulum tristique pellentesque ex, blandit placerat nunc eleifend sit amet. Fusce eget lectus bibendum, accumsan mi quis, luctus sem. Etiam vitae nulla scelerisque, eleifend odio in, euismod quam. Etiam porta ullamcorper massa, vitae gravida turpis euismod quis. Mauris sodales sem ac ultrices viverra. In placerat ultrices sapien. Suspendisse eu arcu hendrerit, luctus tortor cursus, maximus dolor. Proin et velit et quam gravida dapibus. Donec blandit justo ut consequat tristique.

类脑计算

Wed, 02 Dec 2020 00:00:00 +0000

本方向专注于事件相机（Event Camera）信号的处理与高阶视觉应用，旨在挖掘类脑视觉传感器的极速与高动态范围优势。主要研究内容包括：构建基于自注意力的事件分组与特征提取框架，通过分层聚合提升表征能力；设计纹理增强网络，利用迭代融合技术还原图像细节；探索事件引导的语义分割与多模态特征融合模型，增强复杂场景下的解析能力。此外，我们还致力于开发高效的事件特征选择与检测架构，利用稀疏选择机制在保证精度的同时大幅提升计算效率，为高速运动目标检测与极端光照场景下的视觉感知提供技术支撑。

视频理解

Wed, 02 Dec 2020 00:00:00 +0000

本方向聚焦于视频理解、生成与具身智能的核心技术突破。在多模态理解方面，构建融合视觉、文本与语音的统一语义框架，攻克跨模态检索、视觉问答及情感分析等难题。在视频动态解析上，利用时空建模技术实现高精度的行为识别与事件预测。同时，我们积极探索跨模态生成技术，结合扩散模型与自监督学习，推动内容可控且具真实感的图像视频创作。此外，团队正拓展视觉-语言-动作模型（VLA）研究，通过多模态指令理解与物理空间交互建模，赋予智能体连接虚拟认知与实体操作的能力，迈向具身智能的新高度。

视频编码

Wed, 02 Dec 2020 00:00:00 +0000

本小组深入探索下一代图像与视频编码技术，核心方向涵盖端到端编码架构设计、生成式压缩以及特征编码理论。我们致力于突破传统编码框架的性能瓶颈，设计平衡高保真重建与低延迟需求的端到端架构。利用扩散模型与 GAN 等生成式技术，实现低码率下的高感知质量重建，颠覆传统压缩范式。同时，创新性地引入基于类小波变换的子带融合与混合注意力适配器，显著提升对域外图像的压缩鲁棒性。在特征编码方面，我们构建从像素级到语义级的压缩理论体系，探索面向机器视觉任务的语义信息压缩极限，为智能时代的视频传输提供高效解决方案。