2025
视频生成与高性能注意力
参与 HunyuanVideo 1.5 相关工作；共同参与 Flex-Block-Attn，面向视频模型训练与推理提供灵活的块稀疏注意力计算能力，覆盖 STA、MoBA 与 SSTA 等稀疏策略。
2018–2019视觉感知
2020–2022视频与广告理解
2023–2024多模态与图像生成
2024–Now大规模视频生成
Selected Work
代表工作
HunyuanVideo 1.5 & HunyuanVideo
HunyuanVideo：首个工业级开源大规模视频生成模型；并参与 HunyuanVideo 1.5，持续推进模型架构、训练及高分辨率推理。
查看项目 →Flex-Block-Attn
为视频模型训练与推理设计的高效块稀疏注意力库，支持灵活稀疏策略和 PyTorch 风格 mask 表达；个人作为共同作者参与。
查看项目 →Hunyuan-DiT
强调细粒度中文理解与多分辨率生成的 Diffusion Transformer，并包含双语文本编码与图像描述能力；个人作为论文作者参与。
查看项目 →DialogGen
面向多轮文本到图像生成的多模态交互系统，支持生成、编辑和对话，并引入双语评测基准 DialogBen；个人作为论文作者参与。
查看项目 →Tencent AVS
从广告业务出发，提出广告视频时序理解任务与 Benchmark，并构建 Tencent AVS 数据集及 baseline。
查看论文 →Satellite Segmentation
CCF BDCI2017 遥感影像分类与识别比赛冠军方案，是早期语义分割实践与开源积累的代表项目。
查看代码 →Experience
工作经历与技术演进
2024
从图像生成走向大规模视频生成
参与 Hunyuan-DiT 与 HunyuanVideo：前者聚焦细粒度中文理解与多分辨率图像生成；HunyuanVideo 是首个工业级开源大规模视频生成模型。
2023
视觉语言表征与多轮生成交互
探索中英文双语 CLIP、中文 Dense Image Captioning，并参与 DialogGen：通过绘图提示对齐、训练数据构建与错误纠正，支持多轮文本到图像生成及图像编辑交互。
2022
2021
广告视频时序理解任务与 Benchmark
从广告业务出发，提出广告视频时序理解任务与 Benchmark；参与腾讯广告算法大赛赛题设计与解读，构建 Tencent AVS 数据集及 baseline。
2020
2019
2018
分割、跟踪与视觉算法起点
CCF BDCI2017 获得遥感影像分割比赛冠军🏆；发表视频目标跟踪论文 ASNT（ICME 2018）， 复现并开源经典Tracking算法SiamRPN。
About This Site
关于本站
持续记录，保持可复现
学习、工作、杂想随笔记录。这里也记录技术实践、论文阅读、算法基础与阶段性思考。比起只展示结论，更希望留下问题背景、推导过程和能被复用的经验。
主要内容
AIGC、多模态理解、分布式训练、PyTorch、视觉算法，以及工作与生活中的复盘。