该岗位主要是探索机器视觉、机器听觉、多模态感知等领域的理论与算法落地。具体研究领域如下：
1、场景理解，包括图像分类、目标检测和跟踪、语义分割、实例分割、全景分割、文字检测和识别；
2、以人为中心的感知，包括生物特征识别（例如人脸识别、指纹识别、虹膜识别等）、行人重识别、人体姿态估计、人体语义分割、人体动作识别、手势识别、人群密度估计等；
3、3D感知，包括深度估计、3D重建、定位、SLAM等；
4、听觉感知，语音处理、语音合成、语音识别、说话人识别等；/5自然语言处理，包括语言模型、机器翻译等；
5、多媒体、多模态感知，包括多（跨）媒体语义理解与检索、多（跨）模态数据增强、检索和分析等；
6、多模态传感和信号处理。

岗位要求：
1、包括但不限于计算机、人工智能、自动化、电子信息等专业的博士生；
2、精通至少一种编程语言，包括但不限于C++、Python；
3、精通至少一种深度学习框架，包括但不限于PyTorch、TensorFlow；
4、发表过计算机视觉、机器学习和人工智能领域顶级会议（CVPR，ICCV，ECCV，NeurIPS，ICML，ICLR，ACM MM，AAAI，IJCAI等）或者顶级期刊（TPAMI，IJCV 等）
5、组织或参加过本领域著名国际竞赛，例如COCO物体检测，并获奖或取得前三名者优先。