孙导师
【科研成果】
已参与发表或录用多篇人工智能、计算机视觉、多媒体与多模态学习方向论文，成果覆盖 CCF-A、CCF-B、CCF-C 会议及中科院分区/JCR期刊，涉及 AAAI、CVPR、ICME、IJCNN、IEEE SPL 等会议或期刊平台。研究内容主要集中在视频时序定位、视频理解、视频高光检测、零样本视频检索、多模态语义对齐、图像生成与身份保持等方向。公开论文主页累计引用量约180余次，具备较强的论文选题、实验设计、结果包装与投稿经验。
【研究方向】
大方向：人工智能、计算机视觉、视频理解、多模态大模型、自然语言处理、具身智能
细分方向：视频时序定位、视频片段检索、视频高光检测、零样本视频理解、视觉语言模型、多模态语义对齐、图像处理、图像生成、多模态交互、机器人具身感知与人机交互理解
【可指导区位】
可指导人工智能、计算机视觉、视频理解、多模态大模型、自然语言处理、具身智能等方向的本科生、硕士生科研训练与论文写作。
可支持 SCI 二区至四区、CCF-B/CCF-C 会议、部分 CCF-A 会议预研型课题的选题设计、实验规划与论文打磨。
可指导硕博毕业论文、科研计划书、文献综述、实验设计、论文修改、申博/保研/申请材料中的科研方向包装。
适合希望进入人工智能、计算机视觉、多模态学习、视频理解、具身智能等方向，但尚不清楚如何选题、如何读论文、如何设计实验和如何写论文的学生。
【指导经验】
具有较完整的科研训练和项目协作经验，熟悉高校科研、企业算法实习和科研院所项目推进流程。曾参与多个视频理解、多模态大模型、计算机视觉相关课题，能够帮助学生从零梳理研究方向，明确可落地的论文选题，并结合学生基础制定阶段性科研计划。对于低年级学生，可从论文阅读、代码复现、实验设计和结果分析入手建立科研能力；对于已有基础的学生，可进一步协助完成创新点凝练、实验补强、论文结构优化与投稿修改。
【指导特点/可提供给学员的帮助】
方向判断清晰：根据学生背景、编程基础、数学基础和目标区位，判断适合选择偏算法、偏应用、偏实验还是偏综述型课题，避免盲目追热点。
选题落地性强：围绕计算机视觉、视频理解、多模态大模型等方向，帮助学生从已有论文中拆解问题，形成可执行、可实验、可写作的研究方案。
实验指导细致：可协助学生完成数据集选择、baseline复现、模型改进、消融实验、对比实验、可视化分析和实验结果解释。
论文写作导向明确：从摘要、引言、相关工作、方法、实验到结论，帮助学生建立符合国际会议/期刊习惯的论文表达方式，提升论文逻辑性和学术规范性。
申请包装能力强：可结合学生已有项目、课程、竞赛和论文经历，帮助其梳理人工智能、计算机视觉、多模态大模型等方向的科研主线，用于保研、申博、留学申请和导师套磁材料优化。
孙导师
【科研成果】
已参与发表或录用多篇人工智能、计算机视觉、多媒体与多模态学习方向论文，成果覆盖 CCF-A、CCF-B、CCF-C 会议及中科院分区/JCR期刊，涉及 AAAI、CVPR、ICME、IJCNN、IEEE SPL 等会议或期刊平台。研究内容主要集中在视频时序定位、视频理解、视频高光检测、零样本视频检索、多模态语义对齐、图像生成与身份保持等方向。公开论文主页累计引用量约180余次，具备较强的论文选题、实验设计、结果包装与投稿经验。
【研究方向】
大方向：人工智能、计算机视觉、视频理解、多模态大模型、自然语言处理、具身智能
细分方向：视频时序定位、视频片段检索、视频高光检测、零样本视频理解、视觉语言模型、多模态语义对齐、图像处理、图像生成、多模态交互、机器人具身感知与人机交互理解
【可指导区位】
可指导人工智能、计算机视觉、视频理解、多模态大模型、自然语言处理、具身智能等方向的本科生、硕士生科研训练与论文写作。
可支持 SCI 二区至四区、CCF-B/CCF-C 会议、部分 CCF-A 会议预研型课题的选题设计、实验规划与论文打磨。
可指导硕博毕业论文、科研计划书、文献综述、实验设计、论文修改、申博/保研/申请材料中的科研方向包装。
适合希望进入人工智能、计算机视觉、多模态学习、视频理解、具身智能等方向，但尚不清楚如何选题、如何读论文、如何设计实验和如何写论文的学生。
【指导经验】
具有较完整的科研训练和项目协作经验，熟悉高校科研、企业算法实习和科研院所项目推进流程。曾参与多个视频理解、多模态大模型、计算机视觉相关课题，能够帮助学生从零梳理研究方向，明确可落地的论文选题，并结合学生基础制定阶段性科研计划。对于低年级学生，可从论文阅读、代码复现、实验设计和结果分析入手建立科研能力；对于已有基础的学生，可进一步协助完成创新点凝练、实验补强、论文结构优化与投稿修改。
【指导特点/可提供给学员的帮助】
方向判断清晰：根据学生背景、编程基础、数学基础和目标区位，判断适合选择偏算法、偏应用、偏实验还是偏综述型课题，避免盲目追热点。
选题落地性强：围绕计算机视觉、视频理解、多模态大模型等方向，帮助学生从已有论文中拆解问题，形成可执行、可实验、可写作的研究方案。
实验指导细致：可协助学生完成数据集选择、baseline复现、模型改进、消融实验、对比实验、可视化分析和实验结果解释。
论文写作导向明确：从摘要、引言、相关工作、方法、实验到结论，帮助学生建立符合国际会议/期刊习惯的论文表达方式，提升论文逻辑性和学术规范性。
申请包装能力强：可结合学生已有项目、课程、竞赛和论文经历，帮助其梳理人工智能、计算机视觉、多模态大模型等方向的科研主线，用于保研、申博、留学申请和导师套磁材料优化。