做研究和做项目时，我大致遵循这几条
不等待“准备好”才开始。先行动，用结果校准方向，再把每一次尝试沉淀成下一次出发的基础。
想法先落成最小可验证的实现，再判断值不值得继续投入。
方向上拿不准时，用实验和反馈说话，而不是靠感觉硬撑。
把每次尝试的过程和结果记下来，下次遇到类似问题就不用从零开始。
黄奔 · Ben Huang
Doit / 研究与工程并进
关注人体行为理解与时序视频理解的研究生，也参与 AI 产品、工程系统和团队实践。从基于骨架的人体行为识别出发，逐步转向时序动作定位，并继续探索零样本、开放词汇和视觉语言模型方向。工作之外，长期记录健身、跑步、减脂和个人成长中的反馈与调整。
研究方向：人体行为理解与时序视频理解；同时在做极光医疗的产品。
几个可以核对的数据
研究方向与
公开项目案例
SAEFormer
Semantic-Aware Enhancement for Temporal Action Localization——让短时局部变化与边界线索在注意力建模中不被弱化。
DB-HPN · 骨架行为识别
双分支异构并行网络：两阶段骨架滤波与时序长度归一化，从骨架序列中鲁棒识别人体行为，是整条研究主线的起点。
AI 教育内容工作流
把生成式工具的单点产出，组织成教学准确、视觉一致、可完整交付的内容生产流水线。
Kinect 多模态系统
Kinect v2.0 RGB、深度与骨架数据的同步采集、可视化、回放与增强系统——从数据源到模型输入的完整工程闭环。
山海教育创作台
面向教师的多模态内容创作平台：对话式生成、任务实时推送、积分账务与发布门禁，从本地原型走到生产环境持续运行。
文档重建工具链
把 PDF / PPTX / 图片异步重绘为对象级可编辑 PPTX 的独立服务：流水线分段、提示词资产化与质量门禁。
极光医疗
以创始人兼 COO 身份，参与产品判断、团队协作、需求落地和长期建设的创业实践。
开放世界泛化
零样本与开放词汇时序动作定位、视觉语言模型对齐与测试时自适应——当前学习与候选研究路线。
研究、工程与产品上
用得比较多的工具
按「主力 / 熟练 / 实践」三档如实标注，不用百分比假装精确。
研究与实验的默认语言
SAEFormer 与 DB-HPN 的实验框架
一阶段时序动作定位的方法基础
骨架行为识别与 DB-HPN 建模
I3D / VideoMAE V2 特征实验
RGB / 深度 / 骨架同步采集
Kinect 采集系统与桌面工具
实验数据与工具的存储检索
工具链与工程系统实践
教育内容生成与交付流程
从本科到现在的
时间线
计算机科学与技术 · 本科
平均成绩 89.44，专业排名 2/93。参与数学建模、数字技能、作品赛、创新创业和国家级大学生创新训练项目，本科期间进入行为识别方向。
南昌大学研究生
推免至南昌大学攻读硕士。从基于骨架的人体行为识别出发，逐步转向时序动作定位。
SAEFormer 投稿
SAEFormer（Semantic-Aware Enhancement for TAL）于 2026 年投稿，目前在 Neurocomputing 审稿流程中。
极光医疗 · 创始人兼 COO
把研究能力转化为可验证的产品与组织能力。Node.js、SQL Server、WinForms 工具与 AI 工作流产品实践。
AI 产品工程
独立完成从对话式内容创作平台到对象级文档重建服务的多套生产系统：分层架构、发布门禁、提示词资产化和数百项自动化测试。
博士预备 · 开放世界泛化
继续探索零样本、开放词汇和视觉语言模型方向，围绕人体行为理解与时序视频理解持续研究。
── 仍在进行
最近在写
研究方法、工程实践与产品判断的短篇记录。
以 SAEFormer 为例，
一个研究是怎么推进的
四个节点对应这个项目真实走过的四步，点开可以看每一步的具体内容。
堆叠注意力会弱化短时局部变化，模型对动作起止处的变化不够敏感，边界定位精度因此受限。
有问题？直接问 Doit。
基于公开资料的自动问答。先问一句试试 →
来聊聊吧
选一个话题开始，或直接输入你的问题