钱天文

2019.09-2024.06：复旦大学，计算机应用技术，理学博士

2015.09-2019.06：大连理工大学，工学学士

2025.03至今：3044AM永利 专任副研究员

2024.07-2024.11：博世（中国）投资有限公司 中央研究院 AI算法研究员

主要研究方向为视觉-语言多模态学习、视频理解、具身智能，围绕面向具身场景的第一人称视频理解、多模态大模型推理、视觉语言导航等具体任务开展技术探索。在多媒体、计算机视觉等领域国际知名会议和顶刊（IEEE TMM、CVPR、ICLR、AAAI、NuerIPS）发表论文 20 余篇，担任CVPR、ICCV、AAAI、ACM MM、IEEE TMM等审稿人。

更多内容请关注个人主页和谷歌学术。

团队长期招收硕士生和博士生，也期待对多模态视频理解和具身智能感兴趣的本科生参与科研，欢迎感兴趣的同学邮件咨询。

多模态学习、跨模态视觉推理、视频理解

当前研究聚焦基于多模态大模型的具身场景理解与推理，具体方向包括：

1）第一人称视频理解，包含第一人称视频问答、时空定位等基础任务，研究面向复杂动态环境的第一人称视频场景感知、时空推理。

2）流式视频理解，研究面向实时视频流的在线感知与推理、增量记忆等，支持长时序、有限视觉上下文条件下的实时视频理解。

3）具身智能，探索真实环境下的智能体感知、理解与行动闭环，提升智能体面向复杂动态环境的自主交互能力，如视觉语言导航等。

谷歌学术：https://scholar.google.com/citations?user=Vvpvtp8AAAAJ&hl=en