Shuo Yang (杨硕)

个人简介

计算机视觉
视觉与语言
具身智能

本人研究方向为计算机视觉、自然语言与机器人的交叉领域，近期主要聚焦于具身智能，致力于让机器人能够理解人类指令、感知并推理三维环境，并在真实物理世界中可靠地完成任务。目前的研究主要包括：

机器人操作：语言引导的机械臂操作，以及机器狗搭载机械臂的移动操作。
人机交互：交互式视觉定位，通过对话消解人类指令中的歧义。
多模态感知：三维视觉定位（3D Visual Grounding）与三维可供性（3D Affordance）理解，面向可执行的场景感知。

此前从事语言驱动的视频理解、开放词汇图像/视频识别，以及手部检测、手部姿态估计、人脸识别与行人重识别等研究。

🎓 欢迎对具身智能、视觉与语言等方向感兴趣的同学加入课题组！

联系方式 yangshuo@smbu.edu.cn工作 yangshuo129@gmail.com个人

学术动态

2026.10 语言驱动的动作定位论文被 IJCV 2026 录用（CCF-A, 中科院一区, JCR Q1, IF=10.3）！
2026.07 开放词汇多标签动作识别论文被 CVIU 2026 录用（CCF-B, JCR Q2, IF=3.6）！
2026.05 交互式三维场景定位（3D grounding）框架与数据集论文被 ICML 2026 录用（CCF-A）！
2025.12 无图像多标签图像识别论文被 Pattern Recognition 2026 录用（中科院一区, JCR Q1, IF=7.6）！
2025.06 图像—文本匹配论文被 ICCV 2025 录用（CCF-A）！
2025.04 开放词汇视频视觉关系检测论文被 IJCAI 2025 录用（CCF-A）！
2025.04 开放词汇视频视觉关系检测论文发表于 IEEE TPAMI 2025（CCF-A, 中科院一区, JCR Q1, IF=20.8）！
2025.01 开放词汇多标签动作分类论文发表于《计算机研究与发展》 2025（CCF-A 中文期刊, IF=2.65）！
2024.12 视频摘要论文被 AAAI 2025 录用（CCF-A）！
2024.10 图像—文本匹配论文被 IEEE SPL 2024 录用（JCR Q2, 中科院三区, IF=3.2）！
2024.10 语言驱动的动作定位论文被 PRCV 2024 录用（CCF-C）！
2024.06 毕业于北京理工大学，入职深圳北理莫斯科大学任副教授。
2024.02 语言驱动的动作定位论文被 IEEE TMM 2024 录用（中科院一区, JCR Q1, IF=7.3）！
2023.12 开放词汇视频视觉关系检测论文被 AAAI 2024 录用（CCF-A）！
2023.07 帧监督语言驱动的动作定位论文被 ACM MM 2023 录用（CCF-A）！
2022.04 语言驱动的动作定位论文被 IJCAI 2022 录用（CCF-A）！
2021.06 加入吴心筱教授课题组。
2020.03 行人重识别论文被 CVPR 2020 录用（CCF-A）！

论文

^* 共同一作 · ^† 通讯作者

教育背景

2018.09 - 2024.06
计算机科学与技术博士，北京理工大学计算机学院
导师：王树良（2018.09 - 2021.06），2021.06 起师从吴心筱。
2014.09 - 2017.07
计算机科学与技术硕士，中国科学院软件研究所
导师：邓小明。
2010.09 - 2014.07
计算机科学与技术学士，北京联合大学信息学院。

工作经历

2024.06 - 至今
深圳北理莫斯科大学副教授，深圳。
2019.05 - 2020.02
旷视科技研究实习生，北京。
2017.07 - 2018.08
京东金融算法工程师，北京。