赖承杭 / 个人主页

个人简介

我是温州大学讲师, 灵境智能研究组(LingVision Lab)负责人。 博士毕业于复旦大学 计算机科学技术学院(2021.9–2025.6)。 主要研究多模态大语言模型、世界模型与多智能体系统,并面向通用视频理解、医学影像、工业检测与体育分析等场景开展应用研究。 博士期间得到清华大学戴琼海院士与复旦大学薛向阳教授指导。

邮箱 / GitHub

灵境智能研究组每年招生名额有限,欢迎对相关研究方向感兴趣、基础扎实的优秀硕士生与本科生联系加入。

🔬 研究方向

灵境智能研究组(LingVision Lab) 聚焦多模态基础模型对复杂视觉世界的感知、推理与交互,研究方向覆盖通用视频理解以及医学、工业与体育等应用场景。

1. 多模态大语言模型:方法设计与应用

研究将语言与视觉、时序信号对齐的多模态大语言模型,并面向高可靠性理解与定位需求,推进模型在关键领域的迁移与落地。

通用视觉—语言理解

  • 视频理解与时序推理
  • 视频问答(Video QA)
  • 视觉定位与时序定位(grounding / localization)

医学影像与手术智能

  • 全切片病理图像(WSI)分析
  • CT 分析与医学图像分割
  • 手术视频理解与技能评估

工业视觉感知

  • 智能视觉检测
  • 异常事件监测

体育分析

  • 运动员动作质量评估

2. 世界模型

学习环境动态的预测模型,以支撑多模态场景中的时序预见、规划与决策。

3. 多智能体系统

研究多智能体协同感知、推理与任务执行,提升复杂环境下的协作能力。