飞飞
【科研成果】
发表及在投论文多篇，研究成果涵盖计算机视觉、视觉语言模型、多模态学习等方向：1. 第一作者论文发表于 Information Fusion（中科院一区 Top，IF 15.5），研究方向为大语言模型辅助视觉语言模型提示学习。2. 第一作者论文发表于 Expert Systems with Applications（中科院一区，IF 7.5），研究方向为实例感知视觉-语义交互零样本学习。3. 第一作者论文发表于国际会议 IJCNN 2025（CCF-C），研究方向为多模态学习与工业磨粒图谱分析。4. 另有多篇论文投稿至AAAI、 TETCI、Neurocomputing、Image and Vision Computing 等会议或者期刊。
【研究方向】
大方向：计算机视觉、视觉语言模型、图像生成、对比学习
细分方向：- 零样本学习（Zero-Shot Learning）、小样本学习（Few-Shot Learning）、提示学习（Prompt Learning）、类增量学习（Class-Incremental Learning）、视觉语言模型（Vision-Language Model）
【可指导区位】
针对SCI一区至四区等国际期刊与会议论文的撰写
1、计算机视觉方向硕博论文研究
2、视觉语言模型、多模态学习相关课题
3、零样本/小样本学习算法研究
4、图像分类、视觉识别、图像生成等方向研究
【指导经验】
具有人工智能领域科研训练经验，参与多项科研项目，具备从研究方向确定、算法设计、实验方案制定到论文撰写的完整科研流程经验。曾负责研究生科技创新项目，独立完成项目立项、技术路线设计、模型实现与项目评估工作。同时指导本科生硕士生投稿论文。
【指导特点/可提供给学员的帮助】
1. 科研选题指导：结合人工智能前沿方向与实际应用场景，帮助学生寻找具有创新性的研究问题。
2. 算法设计指导：围绕视觉模型、多模态学习、提示学习、图像生成等方向，指导模型结构设计与创新点挖掘。
3. 论文全流程指导：覆盖选题、调研、方法设计、实验分析、论文写作与投稿准备。
4. 代码与实验指导：帮助学生完成深度学习模型搭建、实验复现与结果分析。
5. 工程交叉能力培养：结合工业智能视觉场景，提高研究应用价值。
飞飞
【科研成果】
发表及在投论文多篇，研究成果涵盖计算机视觉、视觉语言模型、多模态学习等方向：1. 第一作者论文发表于 Information Fusion（中科院一区 Top，IF 15.5），研究方向为大语言模型辅助视觉语言模型提示学习。2. 第一作者论文发表于 Expert Systems with Applications（中科院一区，IF 7.5），研究方向为实例感知视觉-语义交互零样本学习。3. 第一作者论文发表于国际会议 IJCNN 2025（CCF-C），研究方向为多模态学习与工业磨粒图谱分析。4. 另有多篇论文投稿至AAAI、 TETCI、Neurocomputing、Image and Vision Computing 等会议或者期刊。
【研究方向】
大方向：计算机视觉、视觉语言模型、图像生成、对比学习
细分方向：- 零样本学习（Zero-Shot Learning）、小样本学习（Few-Shot Learning）、提示学习（Prompt Learning）、类增量学习（Class-Incremental Learning）、视觉语言模型（Vision-Language Model）
【可指导区位】
针对SCI一区至四区等国际期刊与会议论文的撰写
1、计算机视觉方向硕博论文研究
2、视觉语言模型、多模态学习相关课题
3、零样本/小样本学习算法研究
4、图像分类、视觉识别、图像生成等方向研究
【指导经验】
具有人工智能领域科研训练经验，参与多项科研项目，具备从研究方向确定、算法设计、实验方案制定到论文撰写的完整科研流程经验。曾负责研究生科技创新项目，独立完成项目立项、技术路线设计、模型实现与项目评估工作。同时指导本科生硕士生投稿论文。
【指导特点/可提供给学员的帮助】
1. 科研选题指导：结合人工智能前沿方向与实际应用场景，帮助学生寻找具有创新性的研究问题。
2. 算法设计指导：围绕视觉模型、多模态学习、提示学习、图像生成等方向，指导模型结构设计与创新点挖掘。
3. 论文全流程指导：覆盖选题、调研、方法设计、实验分析、论文写作与投稿准备。
4. 代码与实验指导：帮助学生完成深度学习模型搭建、实验复现与结果分析。
5. 工程交叉能力培养：结合工业智能视觉场景，提高研究应用价值。