学会生活

本人长期从事视觉内容生成与编辑方向的研究，重点聚焦于文本引导的图像、三维场景及视频颜色编辑任务，具备扎实的深度学习与多模态学习基础。熟练掌握基于扩散模型（Diffusion Models）的视觉生成与编辑技术，能够基于 Stable Diffusion 等框架进行模型设计与优化，具备较强的模型调优与工程实现能力。

在跨模态学习方面，深入研究文本与视觉信息的对齐机制，提出并实现了空间语义对齐、属性语义对齐、跨视角语义对齐及时空语义对齐等多种建模方法，能够有效解决复杂场景下目标定位困难、颜色分配不准确以及一致性建模不足等问题 。熟悉 CLIP、BLIP 等视觉语言模型，并具备多模态特征融合与语义建模经验。

在三维视觉方面，掌握基于 NeRF 与 3D Gaussian Splatting 的三维场景重建与渲染方法，能够实现多视角一致性建模与高效渲染优化。在视频处理方面，熟悉视频时序建模与跨帧信息传播机制，能够设计稳定的时序一致性约束方法以解决颜色漂移问题。

工程能力方面，熟练使用 Python、PyTorch 等深度学习框架，具备良好的代码实现能力与实验设计能力，能够独立完成模型训练、评估与优化流程。同时具备较强的科研能力，能够从问题建模、方法设计到实验验证进行系统性研究。