RESEARCH & COLLABORATION
让研究回应问题
让技术进入现场
围绕视觉感知、多模态生成、人机交互与知识发现，GIBIRA 连接研究专长与产业任务。从专业资料、业务规则和工具接口出发，把研究方法组织为可以开发、联调与验证的系统方案。
GLOBAL RESEARCH
海外高校与研究方向
算法与决策、视觉与空间感知、可信 AI 与跨学科应用，共同构成产业智能系统的重要研究基础。这里呈现相关高校的专业方向与代表性研究。
Carnegie Mellon
University
卡内基梅隆大学
人工智能 · 机器人 · 算法与决策
高校研究建树
1979 年创立美国高校首个机器人研究所，1988 年成立专门的计算机科学学院。其在人工智能、机器人与计算机科学领域的长期研究，为复杂任务中的推理与决策提供重要基础。
University of
Dayton
代顿大学
计算机视觉 · 机器智能 · 三维感知
高校研究建树
Vision Lab 研究基于传感信息的理解与自动决策，覆盖机器视觉、模式识别及实时系统。DALES 航空激光雷达数据集包含约 10 平方公里、近 5 亿个标注点，支持三维场景理解与深度学习研究。
National University
of Singapore
新加坡国立大学
基础模型 · 可信人工智能 · 跨学科应用
高校研究建树
NUS AI Institute 于 2024 年投入运行，研究涵盖基础 AI、行业应用、社会影响与 AI 基础设施，重点涉及安全可靠的智能系统、高效模型及教育、医疗、制造等领域。
RESEARCH & EXPERTISE
技术研究者与专业方向
从视频行为分析、三维交互到矢量代码生成，从人机对话到知识挖掘，具体研究方法对应具体的技术问题。以下介绍相关研究者的专业背景、研究方向与代表成果。
视频理解与异常检测
郝羽
Ph.D. · 计算机视觉与图像分析
英国哈德斯菲尔德大学博士 · 西安邮电大学教学与科研经历
研究从视频中提取人群运动与时空纹理信息，开展群体分割、仿真数据生成和异常行为检测，关注复杂场景中的视觉理解。
教育经历与代表研究＋
教育经历
英国哈德斯菲尔德大学计算机与工程学院博士（2019）；美国威奇托州立大学计算机科学硕士（2011）；西安电子科技大学电子工程学士（2008）。
研究背景
具有西安邮电大学教学与科研经历，博士研究聚焦群体异常行为检测。围绕人群运动模式，研究视频时空纹理、仿真数据生成、群体分割与异常识别。
代表研究
《Effective Crowd Anomaly Detection Through Spatio-temporal Texture Analysis》（2019）研究利用时空纹理检测群体异常行为；《An Effective Video Processing Pipeline for Crowd Pattern Analysis》（2017）结合运动纹理与信息熵，提取视频中的人群行为信息。
三维视觉与交互媒体
Ju Shen
沈驹 · Ph.D.
代顿大学 · 计算机科学教授 · 交互视觉媒体实验室主任
以计算机视觉与机器学习为基础，研究人体姿态与交互媒体，探索 RGB-D 感知和 VR/AR 在远程临场、学习及康复中的应用。
教育经历与代表研究＋
教育经历
美国肯塔基大学计算机科学博士（2014），导师 Sen-ching Samson Cheung；英国伯明翰大学计算机科学硕士（2006）。
研究背景
领导代顿大学交互视觉媒体实验室（IVIDIA），研究计算机视觉、机器学习与交互媒体。曾在惠普研发实验室开展研究，将 VR/AR、视觉感知与人机交互用于学习和康复等场景。
代表研究
《An Immersive Telepresence System using RGB-D Sensors and Head Mounted Display》（2015 预印本）将 RGB-D 深度传感器、三维重建与头戴式显示结合，探索具有空间感和交互能力的沉浸式远程临场系统。
计算机视觉与混合现实
Tam V. Nguyen
Ph.D. · 计算机视觉与应用人工智能
代顿大学 · 计算机科学副教授 · 计算机科学研究生项目负责人
研究深度学习、多媒体分析与混合现实，围绕交通分析、视觉识别和无损检测培训，将视觉计算方法用于工程与教学问题。
教育经历与代表研究＋
教育经历
新加坡国立大学计算机工程博士（2013）；韩国全南大学计算机工程硕士（2009）；University of Science 计算机科学学士（2005）。
研究背景
代顿大学计算机科学副教授、计算机科学研究生项目负责人。研究人工智能、计算机视觉、深度学习、多媒体分析与混合现实，并开展交通分析、工业检测培训等应用研究。
代表研究
《Attentive Systems: A Survey》（IJCV，2018）梳理视觉注意机制；《Mixed Reality System for Non-Destructive Evaluation Training》（Virtual Reality，2021）探索将混合现实用于无损检测培训，连接视觉计算与工程教学。
多模态生成与矢量代码
Joan Rodriguez
QuiverAI 联合创始人 · CEO 兼首席科学家
Mila / ÉTS · 博士 | UAB · 计算机视觉硕士
研究视觉与语言模型如何生成可编辑的矢量代码，重点涉及图像转 SVG、文本转 SVG，以及基于渲染反馈的生成优化。
教育经历与代表研究＋
教育经历
在 Mila 与魁北克大学 ÉTS 完成博士研究；获巴塞罗那自治大学（UAB）计算机视觉硕士学位；本科毕业于庞培法布拉大学（UPF），专业为电信网络工程。
研究背景
博士研究由 Marco Pedersoli、Christopher Pal 与 David Vazquez 指导，曾在 ServiceNow Research 开展访问研究。研究计算机视觉与自然语言处理交叉领域的多模态生成，重点探索将图像和文本转化为可编辑的矢量代码。
代表研究
StarVector（CVPR 2025）将视觉理解与代码生成结合，从图像和文本生成 SVG；RLRF（2025 预印本）利用 SVG 渲染结果构建强化学习反馈，改善生成图形的视觉一致性与结构表达。
人机交互与程序语言
Saverio Perugini
Ph.D. · 人机交互与计算机教育
Ave Maria University · 数学与计算机科学教授
研究交互式信息检索、人机交互与程序语言，运用程序生成和变换描述混合主动式对话，并将主动学习方法用于计算机实验教学。
教育经历与代表研究＋
教育经历
美国弗吉尼亚理工大学计算机科学博士（2004）。
研究背景
Ave Maria University 数学与计算机科学教授、计算机科学项目负责人；此前在代顿大学任教 18 年。研究程序语言与软件工程如何改善交互系统的设计、实现和安全，涵盖人机交互、信息检索与计算机教育。
代表研究
《Specifying and Staging Mixed-Initiative Dialogs with Program Generation and Transformation》（2011）用程序生成与变换描述混合主动式对话；《An Active Learning Laboratory Manual for Teaching a Contemporary Undergraduate Operating System Course》（2022）将主动学习引入操作系统实验教学。
数据挖掘与知识发现
James P. Buckley
Ph.D. · 数据挖掘与知识发现
代顿大学 · 计算机科学荣休教授
长期研究数据挖掘、智能数据库与知识发现，关注关联规则之间的依赖和循环关系，以及如何从已有模式中识别更高层次的知识结构。
教育经历与代表研究＋
教育经历
美国杜兰大学博士（1994）、工程硕士 M.E.（1990）；纽约州立大学奥斯威戈分校学士 B.A.（1981）。
研究背景
长期在代顿大学从事计算机科学教学与研究，关注数据库、知识发现与数据挖掘。Cycle Mining 研究进一步分析关联规则之间的依赖与循环，探索由已有模式发现更高层次的知识结构。
代表研究
《A Framework for Detecting Vulnerable, Cascaded Fuzzy Cycles in the Carbon Chain》（DMIN 2011）与 Jennifer M. Seitzer 合作，研究碳循环数据中的级联模糊循环，分析关联规则及其对整体系统的影响。
教学应用与产业验证
连接专业教学 工程图纸与产业任务
高校教学研发西安交通大学＋
围绕《小肠内消化》课程，袁恒老师与幻醒科技联合研发的 AI 医学教学软件于 2026 年 6 月 17 日用于公开示范课，将专业知识讲解、数字化呈现与课堂互动结合起来。
阅读教学示范报道课程共建与人才培养交流西安欧亚学院＋
2026 年 3 月，围绕 AI+专业人才培养、BIM 课程共建和联合项目开展交流，讨论人工智能与工程专业教学的结合路径。
阅读人才培养交流报道工程场景与双轨试验CTA 城镇设计＋
以地下车库施工图开展双轨试验，覆盖图纸清洗、对象识别、问题前置与可编辑输出，由专业人员全程复核，检验 AI 辅助作业在实际工程任务中的效果。
查看工程验证工程场景与双轨试验陕建一建＋
以车道坡施工图开展双轨试验，覆盖矢量解析、规则预警、问题清单与交付辅助，结合专业复核检查处理结果，验证任务流程与问题闭环。
查看工程验证高校共研专业研究与人才培养＋
从具体问题出发
推进联合研发
带着专业问题、可用资料与预期成果展开讨论，共同明确研究目标、技术路线和验证方法。让研究专长进入工具接入、系统开发与行业复核，形成可以持续迭代的技术能力。
查看真实项目工作 讨论联合研发需求