2024年4月18日，由刘峥教授指导的跨模态信息检索研究团队在燕山校区Y205教室召开。此次成立会议上，刘峥教授作了题为“基于深度学习模型的跨模态信息检索”的学术报告，详细介绍了团队的研究方向和未来发展规划。

在学术报告中，刘峥教授重点介绍了基于深度学习模型的跨模态信息检索方法。深度学习模型在处理复杂数据关系和特征提取方面具有显著优势，能够有效提高跨模态数据的匹配精度。随后，展示了团队在这一领域的最新研究成果，并提出了未来的研究计划。

跨模态信息检索作为人工智能领域的前沿课题，旨在实现不同模态（如图像、文本、音频、视频等）数据之间的高效关联和检索。该研究不仅能够提升信息检索的准确性和效率，还能广泛应用于智能搜索、推荐系统、医疗诊断、智能安防等多个领域。刘峥教授指出，随着大数据和深度学习技术的快速发展，跨模态信息检索正迎来前所未有的发展机遇和挑战。

研究团队由计算机科学与技术学院的研究生和本科生组成。主要研究方向涵盖以下七个方面：一、跨模态统一表征理论和模型：探索如何将不同模态的数据统一表示在同一个空间中，为跨模态检索奠定基础。二、跨模态关联理解与深度挖掘：深入挖掘和理解不同模态数据之间的复杂关联，提高检索的准确性。三、跨模态知识图谱构建与学习：构建跨模态知识图谱，增强知识的表示和学习能力。四、跨模态知识演化与推理：研究知识在不同模态间的演化与推理机制，实现智能化推理。五、跨模态描述与生成：开发能够生成多模态描述的技术，实现自动图像描述生成、文本生成等。六、跨模态智能引擎：构建高效的跨模态检索引擎，提升信息检索的速度和准确性。七、跨模态智能应用：推动跨模态技术在实际应用中的落地，实现智能搜索、推荐、医疗诊断等。

跨模态信息检索研究不仅具有重要的科学意义，还在多个产业领域具有广泛的应用前景。团队将积极推动科研成果的转化，与产业界紧密合作，助力人工智能技术在各行业的应用和发展。

此次成立会议标志着跨模态信息检索研究团队正式成立。团队将致力于跨模态信息检索的基础理论研究和应用系统研发，不断推动技术创新，为提高人才培养质量贡献力量。