^*通讯作者 ^▽共同一作 (For full publication list, please refer to my homepage)

D. Liu, Y. Feng, B. Liu, T. Zhang, H. Chen^*, and M. Cai^*, "Amulet: Integrating Sensitive Information Access with Identity Authentication on Mobile Device," Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (UbiComp), 2025. (CCF A)

N. Lin^▽, T. Ohkawa^▽, Y. Huang^*, M. Zhang, M. Li, M. Cai^*, R. Furuta, and Y. Sato, "SiMHand: Mining Similar Hands for Large-Scale 3D Hand Pose Pre-training," International Conference on Learning Representations (ICLR), 2025.

H. Huang, H. Yu, D. Liu, H. Chen^*, and M. Cai^*, "Egocentric Speaker Diarization with Vision-Guided Clustering and Adaptive Speech Re-detection," International Conference on Acoustics, Speech, and Signal Processing (ICASSP), 2025.

M. Cai, J. Kezierbieke, X. Zhong, and H. Chen, "Uncertainty-Aware and Class-Balanced Domain Adaptation for Object Detection in Driving Scenes," IEEE Transactions on Intelligent Transportation Systems (T-ITS), 2024. (SCI中科院1区, IF: 8.5)

X. Ren, J. Luo, X. Zhong, and M. Cai^*, "Emotion-aware audio-driven face animation via contrastive feature disentanglement," INTERSPEECH (国际语音会议), 2023.

C. Xue, X. Zhong, M. Cai^*, H. Chen, and W. Wang, "Audio-visual event localization by learning spatial and semantic co-attention," IEEE Transactions on Multimedia (TMM), vol. 25, pp. 418–429, 2023. (SCI中科院1区, IF: 7.3)

H. Yu^▽, M. Cai^▽, Y. Liu, and F. Lu, "First and third-person video co-analysis by learning spatial-temporal joint attention," IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), vol. 45, no. 6, pp. 6631–6646, 2023. (CCF A & SCI中科院1区，IF: 17.861)

M. Cai, F. Lu, and Y. Sato, "Generalizing hand segmentation in egocentric videos with uncertainty-guided model adaptation," IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020. (CCF A, 接收率: 22%)

Y. Huang, M. Cai^*, Z. Li, F. Lu, and Y. Sato, "Mutual context network for jointly estimating egocentric gaze and actions," IEEE Transactions on Image Processing (TIP), DOI:10.1109/TIP.2020.3007841, 2020. (CCF A & SCI中科院1区, IF: 6.79)

Y. Huang, M. Cai^*, and Y. Sato, "An ego-vision system for discovering human joint attention," IEEE Transactions on Human-Machine Systems (THMS), DOI:10.1109/THMS.2020.2965429, 2020. (CCF B, IF: 3.332)

H. Yu^▽, M. Cai^▽, Y. Liu, and F. Lu, "What I see is what you see: joint attention learning for first and third person video co-analysis," ACM International Conference on Multimedia (MM), 2019. (CCF A，接收率: 26.8%)

Y. Huang, M. Cai^*, Z. Li, and Y. Sato, "Predicting gaze in egocentric videos by learning task-dependent attention transition," European Conference on Computer Vision (ECCV), 2018. (CCF B，接收率: 2.4% [oral])

M. Cai, F. Lu, and Y. Gao, "Desktop action recognition from first-person point-of-view," IEEE Transactions on Cybernetics (TCYB), DOI:10.1109/TCYB.2018.2806381, 2018. (SCI中科院1区，IF: 8.803)

M. Cai, K. Kitani, and Y. Sato, "An ego-vision system for hand grasp analysis," IEEE Transactions on Human-Machine Systems (THMS), vol. 47, no. 4, pp. 524–535, 2017. (CCF B, IF: 2.563)

M. Cai, K. Kitani, and Y. Sato, "Understanding hand-object manipulation with grasp types and object attributes," Robotics: Science and Systems (RSS), 2016. (机器人领域顶级会议, 接收率: 20%)

M. Cai, K. Kitani, and Y. Sato, "A scalable approach for understanding the visual structures of hand grasps," IEEE International Conference on Robotics and Automation (ICRA), 2015. (CCF B)

纵向课题(funded by governments)：

2024年--2027年，“面向具身智能的第一人称交互行为感知与理解”，国家自然科学基金面上项目（主持）

2022年--2024年，“第一人称视频的分析与理解”，湖南省优秀青年科学基金项目（主持）

2020年--2022年，“基于第一人称视频的手部操作活动自动分析理解关键技术研究”，国家自然科学基金青年项目（主持）

2020年--2022年，“可扩展的日常手对象交互视频分析与理解方法研究”，湖南省青年科学基金项目（主持）

2020年--2021年，“基于第一人称视频的眼动注视建模与应用研究”，国家重点实验室开放课题（主持）

2018年--2022年，“基于注意力转移机制的第一人称视频显著性研究及应用”，中央高校科研启动费（主持）

横向课题(funded by corporations)：

2020.4--2020.12，“基于移动相机的用户眼动注视建模与应用研究”，百度开放主题研究项目（主持）

CN202110764822.7，“一种基于不确定性引导的自适应跨域目标检测方法”，发明人：蔡敏捷、罗敏怡

CN202010395785.2，“一种基于不确定性引导的自适应图像分割方法”，发明人：蔡敏捷

机器学习(Machine Learning): 春学期硕士研究生专业选修课，面向计算机科学与技术专业

计算机视觉(Computer Vision): 春学期本科生专业选修课，面向计算机科学与技术专业

研究生（Graduate students）：

Ke Zhang 张轲（PhD, 2021~）

Fei Chen 陈飞（PhD, 2024~）

Feiyi Huang 黄非毅（PhD, 2024~）[共同指导]

Ze Wang 王泽（PhD, 2025~）

Qi Jin 金琦（Master, 2023~）

Yaru Zhao 赵娅汝（Master, 2024~）

Fukun Chen 陈付坤（Master, 2024~）

Yijie Huang 黄艺杰（Master, 2024~）

Yi Liu 刘亿（Master, 2025~）

Hao Yang 杨皓（Master, 2025~）

Jiahao Zeng 曾家浩（Master, 2025~）

【欢迎编程能力强且对计算机视觉领域的研究感兴趣的同学报考】（目前团队有若干硕士名额，欢迎邮件联系）

1. 本实验室目前兼顾人工智能相关学术研究,以及信息化、智能化应用研究

2. 根据实际经费情况会尽可能对学生进行研究补助

3. 对于发表CCF B类以上会议论文的学生将资助参加会议，对于发表SCI二区以上期刊论文的学生将进行物质奖励

4. 对于满足第三条的优秀学生，可以考虑推荐到东京大学、北京航空航天大学等具有紧密合作关系的课题组读博

已毕业学生(Alumni)：

2025届：黄河(北京大学长沙计算与数字经济研究院-长沙)、陈诗铭（网易有道-杭州）、刘婧雯（美团-北京）

2024届：贾那热斯·克孜尔别克(中国工商银行-北京)、温平平（美团-北京）

2023届：任新(中兴-武汉)、戴艺晨（读博）

2022届：余冶(华为-杭州)、罗敏怡(国家电网-衡阳)、薛冰洁(中国联通-郑州)、薛程[共同指导](阿里巴巴-杭州)

本科毕业设计(Undergraduate thesis)：

欢迎对计算机视觉感兴趣的同学报名。邮件联系时请附上简历，并说明毕业后的去向或计划。

领域主席 (Area Chair)：CVPR 2024 - 2025

审稿 (Reviewer)：CVPR,  ICCV,  ECCV,  NeurIPS,  ICML et al.