研究领域
多模态 表示学习 模型鲁棒性 跨模态检索 跨模态定位 多模态融合 大模型生成
导师介绍
【资历/研究方向】
海外博士毕业。长期专注于多模态智能计算领域的前沿研究，尤其在开放环境下的多媒体内容理解、跨模态检索和时序视频片段定位等方向有深入的探索和积累。致力于解决该领域的核心技术难题，并取得了系列高水平研究成果。
【实习/工作/项目经历】
现任广州某省属高校教师，硕博期间曾在京东集团和腾讯科技担任算法工程师实习生，具备丰富的业界项目经验。
【科研论文/审稿人/期刊任职】
已在TMM、TCSVT、Neurocomputing等国际权威期刊及会议发表学术论文10余篇（其中一作4篇，通讯4篇）
担任IEEE TCSVT, IEEE TMM,IEEE TNNLS等期刊的审稿人。
【指导特点】
（1）注重理论与实践结合，提供从前沿理论学习到代码实现的全方位指导
（2）鼓励创新，支持学生探索自己感兴趣的方向
（3）根据学生基础和特长制定个性化培养方案，帮助学生发表高水平学术成果
指导经验
指导多名本科生及研究生开展科研项目，发表学术论文若干，具备丰富的学生指导经验
招生方向
（1）多模态表示学习：研究图神经网络、对比学习、课程学习等前沿方法，探索更鲁棒、更高效的多模态数据融合与表征
（2）跨模态检索与定位：面向视频、图文等复杂数据，研究精准、高效的跨模态检索与时序片段定位技术
（3）大模型与多模态融合：探索大语言模型（LLM）与视觉、音频等多模态信息结合的新范式，应用于内容理解与生成等任务