Ø 个人简介
华南师范大学人工智能学院“青年拔尖”副教授，九三学社社员。分别于2018年和2023年获得中国科学技术大学学士学位和博士学位。（个人主页：https://www.scholat.com/wangchaoqun）
本人目前的主要研究方向为计算机视觉、多模态内容理解。在NeurIPS, AAAI, TCSVT, CVPR等多个SCI一区期刊及CCF A类国际会议上发表学术工作。任职CSIG女工委委员。入选广东省科学技术协会2026-2027年度青年科技人才培育计划。主持国家青年基金一项，省级基金项目两项（青年基金项目及地区培育基金项目）。担任TPAMI、TCSVT、TMM、CVPR等多个国内、国际期刊和会议审稿人。
博士生招生（2027年入学）：本人计划招收1名2027年秋季入学的博士研究生，欢迎对相关研究方向感兴趣的优秀同学通过邮件联系（cqwang96@gmail.com）。
Ø 教育背景
2018年9月~2023年6月，中国科学技术大学，获信息与通信工程博士学位。（导师：李厚强教授，IEEE Fellow、陈雪锦教授）
2014年9月~2018年7月，中国科学技术大学，获电子信息工程学位
2017年7月～2018年7月，微软亚洲研究院，科研实习。（导师：孙晓艳教授）
2019年9月～2020年6月，微软亚洲研究院，科研实习。（导师：王井东教授，IEEE Fellow）
Ø 工作经历
2023年7月至今，华南师范大学人工智能学院，副教授
Ø 研究领域
计算机视觉、多模态内容理解
Ø 科研项目
[1] 国家自然科学基金（62602211）. 面向复杂视频编辑的结构化表征与生成方法研究. 2027.01-2029.12. 主持
[2] 广东省基础与应用基础研究基金联合基金（2024A151 5140109）. 基于多模态大模型的智能医疗诊断方法 研究. 2025.01-2028.12. 主持
[3] 广东省基础与应用基础研究基金联合基金（2023A1515110695）. 基于文本-视觉大模型的跨模态检索关键技术研究. 2023.11-2026.12. 主持
Ø 代表论文
[1]Wang, Chaoqun, Min, Shaobo, Chen, Xuejin, Sun, Xiaoyan, Li, Houqiang. Dual progressive prototype network for generalized zero-shot learning. Advances in Neural Information Processing Systems, 2021 , 34: 2936—2948 (CCF A)
[2]Wang, Chaoqun, Chen, Xuejin, Min, Shaobo, Sun, Xiaoyan, Li, Houqiang. Task-independent knowledge makes for transferable representations for generalized zero-shot learning. Proceedings of the AAAI Conference on Artificial Intelligence, 2021 , 35(3): 2710--2718 (CCF A)
[3]Wang, Chaoqun, Chen, Xuejin, Min, Shaobo, Wang, Jiaping, Zha, Zheng-Jun. Structure-guided deep video inpainting. IEEE Transactions on Circuits and Systems for Video Technology, IEEE , 2020, 31(8): 2953--2965 (SCI一区)
[4]Wang, Chaoqun, Chen, Xuejin, Min, Shaobo, Wu, Feng. Structure generation and guidance network for unsupervised monocular depth estimation. 2019 IEEE International Conference on Multimedia and Expo (ICME), IEEE , 2019: 1264—1269 (CCF B)
具体详见个人主页：https://www.scholat.com/wangchaoqun
Ø 学术任职及荣誉奖项
[1]CSIG女工委委员
[2]TPAMI、TCSVT、TIP、TMM、CVPR、AAAI等多个国际、国内期刊和会议审稿人
[3]曾获得中科院院长优秀奖、微软“明日之星”等荣誉
Ø 教学
l 研究生课程
[1] 人工神经网络与深度学习，32课时
[2] 人工智能，32课时
[3] 推荐系统理论与技术，32课时
l 本科生课程
[1] 神经网络与深度学习，32课时理论+16课时实践
[2] 智慧学习，32课时
[3] 计算机视觉与模式识别，48课时
Ø 联系方式
Email:cqwang96@gmail.com
欢迎对本人研究方向感兴趣的本科及硕士同学加入本课题组！