生成式人工智能与多模态大模型：研究图像与视频生成、可控编辑，以及基础模型的高效适配和迁移学习。

视觉智能体：研究视觉任务理解、任务规划、工具调用与多步骤协同，使智能系统能够自主完成复杂视觉处理任务。

视觉质量评价与人类偏好优化：面向真实图像视频与AI生成内容，研究质量评价及符合人类感知偏好的模型优化。

生成式视觉压缩与复原：利用生成先验进行高效压缩、超分辨率和图像复原，兼顾感知质量、信息保真与计算效率。