研究方向一: 视觉搜索

研究方向介绍:

移动视觉搜索是视觉搜索、模式识别、移动计算和音视频编解码压缩的融合方向。主要研究在移动端进行低功耗视觉特征的抽取与压缩,以及对应的MPEG国际标准的实施。相关的内容分析问题包括:场景识别、目标位置定位、以及基于视觉内容的城市环境建模和信息抽取。移动视觉搜索的应用主要关注面向手机等移动端的大规模视觉内容匹配和对应的移动端系统。在理论层面,主要关注视觉大数据内容匹配、信息表示、知识挖掘与推荐。在应用层面上,主要关注手机智能应用,如位置定位、产品搜索识别、增强现实等。

研究方向二: 社交媒体

研究方向介绍:

舆情分析是多媒体大数据、机器学习、模式识别、计算机视觉、自然语言处理以及社交网络技术的融合。主要研究在新浪微博等大型社交媒体上进行的基于地域、基于话题、基于微博以及基于用户的跨媒体情感分析与预测。相关内容包括互联网大数据爬取、用户关联网络分析、群体性行为分析、舆情预测以及舆情阻断。理论层面,主要关注多媒体大数据的多模态特征分析与表示、多模态信息融合、跨媒体情感分析与预测以及知识挖掘与推荐。应用层面,主要关注基于互联网的舆情监控、社交网络分析以及商业推荐。

研究方向三: 增强现实

研究方向介绍:

立体视觉是计算机视觉领域的一个重要课题,它的目的在于重构场景的三维几何信息。主要研究相机的传统标定和自标定方法,以及从图像对或者视频序列中恢复出相应的场景三维信息。由此展开和扩展的内容分析问题包括:基于图像的定位、大规模的环境三维重建、移动端的目标重建以及在移动端的增强现实应用。在理论层面,主要研究图像匹配、运动中重建(Struct From Motion),光束法平差(Bundle Adjustment)。在实际应用中,主要侧重于环境重建、位置定位、机器人的自助导航、可穿戴设备及移动端的增强现实。

研究方向四: 机器学习

研究方向介绍:

机器学习是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是一门结合概率论、统计学、逼近论等多领域的交叉学科。主要研究内容包括相关机器学习算法及在图像视觉领域的相关应用。相关的内容分析问题包括:图像分类、目标检测、目标跟踪、以及图像中高层特征提取。在理论层面上,主要关注统计学习理论、特征表示、深度学习框架构建等。在应用层面上,主要关注大数据背景下图像分类、目标的检测与跟踪、视觉图像检索等。