近期论文、专利与软件著作权

以下列出了我近期发表的代表性学术成果，涵盖多模态学习、大语言模型、视觉-语言-行动 (VLA) 智能体、具身智能与情感计算等方向。目前累计被引 500 余次，完整论文列表（20+）请参见我的 Google Scholar 主页。

第一作者或通讯作者论文：

• MIRTH: Mutual-Information Reasoning with Temporal Hubs for Vision-Language-Action Agents. The 64th Annual Meeting of the Association for Computational Linguistics (ACL), 2026.
• One Framework to Rule Them All: Unifying Multimodal Tasks with LLM Neural-Tuning. Pattern Recognition, 2025.（影响因子 IF: 8.5）
• Multimodal Sentiment Analysis with Mutual Information-based Disentangled Representation Learning. IEEE Transactions on Affective Computing, Vol.16(3), pp.1606-1617, 2025.（IF: 13.9）
• Modality-invariant Temporal Representation Learning for Multimodal Sentiment Classification. Information Fusion, Vol.91, pp.504-514, 2023.（IF: 18.1）
• Tensorformer: A Tensor-Based Multimodal Transformer for Multimodal Sentiment Analysis and Depression Detection. IEEE Transactions on Affective Computing, Vol.14(4), pp.2776-2786, 2023.（IF: 13.9）
• Multi-Modal Adaptive Fusion Transformer Network for the Estimation of Depression Level. Sensors, Vol.21(14), pp.4764, 2021.
• CubeMLP: An MLP-Based Model for Multimodal Sentiment Analysis and Depression Estimation. ACM Multimedia, pp.3722-3729, 2022.（引用 140+）

在投稿件（第一作者）：

• Multimodal Infusion Tuning for Large Models. arXiv:2403.05060, 2024.
• Robust Latent Representation Tuning for Image-text Classification. arXiv:2406.06048, 2024.
• Modality-invariant and Specific Prompting for Multimodal Human Perception Understanding. arXiv:2311.10791, 2023.

共同一作 / 第二、第三作者论文：

• EPIC: Efficient Prompt Interaction for Text-Image Classification. IEEE ICME, 2025.（共同第一作者）
• CG-DMER: Hybrid Contrastive-Generative Framework for Disentangled Multimodal ECG Representation Learning. IEEE ICASSP, 2026.
• Improving scDiffusion with Sparsity-Biased Classifier-Free Guidance. IEEE Engineering in Medicine and Biology Society, 2026.
• Dynamic Summary Generation for Interpretable Multimodal Depression Detection. IEEE ICASSP, 2026.
• IRLSG: Invariant Representation Learning for Single-Domain Generalization in Medical Image Segmentation. IEEE ICASSP, 2024.
• LGA: A Language Guide Adapter for Advancing the SAM Model's Capabilities in Medical Image Segmentation. Springer MICCAI, pp.610-620, 2024.
• Enhanced Multimodal Depression Detection With Emotion Prompts. IEEE ICASSP, 2025.
• DepressionLLM: Emotion- and Causality-aware Depression Detection with Foundation Models. Displays, Vol.92, pp.103304, 2025.
• MCKD: Mutually Collaborative Knowledge Distillation for Federated Domain Adaptation and Generalization. IEEE ICASSP, 2023.
• CoSTHR: A Heart Rate Estimating Network with Adaptive Color Space Transformation. IEEE Transactions on Instrumentation and Measurement, Vol.71, pp.1-10, 2022.（IF: 5.6）

近期专利：

• 基于多模态时序信息融合的工程进度判定方法及设备。申请号：US20250005475A1。国家：美国。公开日期：2023.07。第三发明人
• 基于多模态时序信息融合的工程进度判定方法及设备。授权号：CN116502882B。国家：中国。授权日期：2023.10。第三发明人
• 基于多模态数据的类风湿性关节炎活动度分级装置。授权号：CN116797572B。国家：中国。授权日期：2025.09。第四发明人
• 一种面向医学图像分割的单域泛化方法。授权号：CN116596832B。国家：中国。授权日期：2025.07。第五发明人

软件著作权：

• MIRTH 机器人控制系统 V1.0。登记号：2026SR0601586。国家：中国。授权日期：2026.05。

更多独立开发项目（30+）请访问我的 GitHub 主页。
2020 至 2021 年期间，我还在慕课网（IMOOC）发布了 TensorFlow 系列教程。

专业技能

本部分概述了我在科研与工程方面的核心能力，涵盖研究设计、算法开发、大规模模型训练与系统实现，重点聚焦于人工智能、大语言模型（LLMs）、多模态学习与具身智能等方向。

• 学术能力：学术写作、论文发表、同行评审、会议演讲、项目申请书撰写
• 人工智能研究：算法设计、模型训练与微调、数据处理、性能评估
• 大语言模型：模型定制、知识融合、多模态调优、可扩展性与高效性优化
• 具身智能：动作落地（Action Grounding）、平台搭建、硬件部署
• 多模态研究：框架设计、任务适配、多模态系统部署
• 软件工程：可行性与需求分析、系统与详细设计、系统实现与软件维护等
• 编程语言：Python、PyTorch、Numpy、TensorFlow、Java、C++、C、HTML、GO 等
• 全栈开发：前端开发、后端设计与实现、数据库系统
• 语言能力：普通话、英语、日语