主要研究方向：机器学习、模式识别、计算机视觉和图像处理。对以下主题特别感兴趣：
当前的研究主题：
(1) 不良驾驶场景中的自动驾驶感知（Autonomous Driving Perception in Adverse Driving Scenarios）：BEV/OCC预测和感知、高质量和可泛化的自动驾驶数据生成、自动驾驶模型的轻量级部署和实时推理、自动驾驶传感器和神经网络的对抗攻击安全。
(2) 图像/视频生成、数字人和深度伪造检测（Image/Video Generation, Digital Human and Deepfake Detection）：文本到研究文本到图像、文本到视频、深度伪造检测和情感数字人的智能生成新框架与新模型。
(3) 基于深度学习的底层视觉处理（Deep Learning based Low-Level Vision Processing）：研究降质图像/视频恢复（例如图像去噪、去雨、去模糊和去雾等）、低光图像增强和高级任务驱动的底层视觉处理新架构（例如复杂天气情况下的机器人视觉、自动驾驶场景与视觉影像系统等）。
(4) 深度神经网络模型压缩与部署 （Deep Model Compression and Deployment of DNNs）：研究可用于高级/低级视觉任务的无数据模型压缩方法或轻量级架构，以及在低功耗和计算资源受限的移动设备上的部署。
以前的研究主题（不再继续）：
(5) 高维数据的低维建模 (Low-Dimensional Modeling of High-Dimensional Data)：稀疏字典学习、低秩表示与编码、概念分解、流形学习，及其深度/多层扩展，用于特征学习和提取。
(6) 半监督分类器建模 (Semi-Supervised Classifier Modeling)：研究基于图的新型标签传播算法，以及深度半监督学习方法，应用于图像标注和分类。