研究方向
探索视觉与语言模型的交叉领域，让机器获得更好的时空感知与推理能力：
- 深度学习 & 计算机视觉 - (Deep Learning & CV)
- 视频车道线检测 - (Video Lane Detection @ Drone View)
- 状态空间模型 - (State Space Models & Mamba)
- 大语言模型微调与部署 - (LLM Fine-tuning & Agent)
重点工作 / 论文
基于个人的研究探索，目前的核心研究焦点：
ECCV 2026 SIGMA-Lane 视频车道检测研究
论文
ECCV 2026
SIGMA-Lane: Scale-pyramId Gated MAmba for Temporally Consistent Video Lane Detection
揭示了 SSM-based 视频车道检测中的 state contamination 问题，并提出 SIGMA-Lane，通过 SSM-consistent dual-gating 显式抑制遮挡区域对时序状态的污染，结合坐标一致的仿射对齐与结构空间检索，提升复杂遮挡场景下的车道检测稳定性与时间一致性。
查看项目主页