1、跟踪人工智能领域最新研究成果，负责视觉感知与自然语言、语音等感知模块相融合的算法研究；
2、融合机器视觉与自然语言处理、语音技术，针对文本、图像、音视频等多模态信息进行联合解析，构建计算模型，实现视觉与语言信息中的语义识别与整合，应用于图像描述、视觉问答、逻辑推理等AI领域重要任务；
3、研发基于单目、双目、多目相机的三维重建算法开发与优化；
4、优化计算机视觉基础模块效果，包括不限于语义分割、目标检测/跟踪、行为识别、位姿估计等。