熟练使用 Python、PyTorch 进行深度学习模型开发与训练，主要方向为计算机视觉、图像恢复与生成式模型。熟悉 CNN、Transformer、U-Net、VAE、Stable Diffusion、Diffusion Model 等网络结构，具备模型模块设计、论文复现、网络改进、损失函数设计及训练流程调试经验。

熟悉图像去噪、图像增强、反射去除、深度估计等视觉任务，能够使用 OpenCV 完成图像配准、特征匹配、Homography、SIFT/RANSAC 等处理。熟悉频域特征处理、注意力机制、多模态特征融合及 DINOv2 等视觉基础模型。

具备完整的深度学习实验能力，包括数据预处理、训练与推理、消融实验、模型复杂度分析及 PSNR、SSIM、LPIPS、DISTS 等指标评测。熟悉 Linux、CUDA、Git 及 GPU 服务器环境，可进行训练报错、显存、依赖及模型代码问题排查。

参与基于多模态物理线索与扩散模型的图像反射去除研究，负责整体算法实现、模型训练及实验评测。基于 Stable Diffusion 2.1 的 VAE 与 U-Net 构建潜空间图像恢复框架
负责 PyTorch 网络模块开发、训练流程设计、模型调试及消融实验，并搭建完整评测流程，包括 PSNR、SSIM、LPIPS、DISTS、FLOPs、参数量及推理时间统计。同时完成基于 SIFT、RANSAC 和 Homography 的图像配准与非对齐鲁棒性实验，以及深度估计等下游视觉任务评测。