深度学习系列项目

业务一： 实现对人的身份、姿态、行为及意图的精准、实时理解，为上层应用提供可靠的结构化数据。
关键技术与功能：
高精度人脸/人体姿态追踪： 基于深度学习模型，在复杂光照和遮挡条件下，实现亚像素级的人脸关键点检测与2D/3D全身骨骼关键点追踪。功能包括头部姿态估计（Pitch/Yaw/Roll）、肢体动作捕捉、手势识别等。
移动端优化与部署： 针对资源受限的移动设备（iOS/Android），采用模型剪枝、量化（INT8/FP16）及神经网络架构搜索（NAS）等技术，将大型模型压缩至数MB级别，在保证精度的同时实现45FPS以上的实时推理性能，成功应用于AR互动、智能健身、远程协作等场景。
以人为中心的活动识别： 融合时空上下文信息，利用卷积神经网络或Transformer架构，对视频流中的人体行为进行细粒度分类与预测。可识别从简单动作到复杂交互等多种活动，服务于智慧医疗、工业安全与智能家居。
业务二： 应用最前沿的3D重建与渲染技术，降低高质量3D内容创作门槛，赋能元宇宙、数字人、电商等新兴领域。
关键技术与功能：
3D高斯泼溅 ： 相较于传统的NeRF（神经辐射场），3D高斯泼溅通过数百万个可学习的3D高斯椭球体来表现场景，实现了无需训练即可实时渲染（>90 FPS）的突破，构建照片级真实感的虚拟数字人、商品3D展示及沉浸式AR/VR环境，显著提升了建模效率与交互体验。

端云协同架构： 设计并实现“轻量端侧+强大云侧”的混合架构。移动端负责实时数据采集与初步处理，云端则承担复杂的模型训练、大规模3D重建等计算密集型任务，兼顾了实时性、成本与功能上限。
全栈技术能力： 具备从底层算法创新、模型训练调优、到跨平台工程部署及API服务封装的完整闭环能力。
隐私与安全优先： 在涉及生物特征识别的项目中，严格遵循数据隐私规范，支持本地化处理方案，确保用户敏感信息不被上传。