一、多媒体质量评价研究
研究传统失真图像、用户生成内容图像/视频、增强图像/视频、全景内容图像、3D mesh和点云、数字人、AIGC图像等多种传统媒体和新型媒体的视觉质量评价研究。
1. 无参考图像质量评价研究
针对互联网和社交媒体上广泛存在的质量参差图像，通过无监督训练、多数据库联合训练等方式，建立通用、鲁棒的无参考图像质量评价模型。
2. UGC视频质量评价研究
研究UGC视频在用户拍摄、视频后处理、流媒体传输以及终端观看时的视频体验质量，建立适用于全链路的全参考和无参考视频质量评价模型。
3. 3D点云物体和数字人质量评价研究
研究3D点云物体和数字人在采集、传输、重建时的视觉质量损失，从图像、视频和点云等多个模态研究3D内容的视觉质量。
4. AIGC图像质量评价研究
探究AIGC图像在视觉质量、美学质量、生成内容自然程度、超现实程度、图文一致性程度的质量，用于生成模型生成内容筛选以及模型优化。
二. 多媒体显著性研究
研究自然图像、虚拟现实图像/视频、增强现实图像等多媒体内容在多样化环境中的视觉显著性，以及在视觉障碍人群、孤独症患者人群中的应用。
三、三维数字人生成和驱动
研究三维的数字人人脸，人体的建模和生成，以及如何驱动三维数字人完成多样化的，拟人化的人脸人体动作。
四、信息隐藏以及应用
利用心里视觉调制、深度学习等技术，将信息隐藏进图像/视频，使其对人眼不可见但可以佩戴调制的眼镜或者被智能手机所见。
此外，本团队在图像/视频质量增强、人物行为理解、视频语义传输、医疗图像处理等研究方向具有研究。
