1. VQA

       Visual Question Answering，给出一张图片，就该图片提出任何问题？自动get到你所期望的答案。

       这属于Visual Reasoning 的范畴，学者们不满足于传统的图像识别、分割、Caption等工作，尝试去挖掘更高级的机器推理能力。

       来看解决思路，CNN、LSTM(RNN)、Attention Model、BOW，都是图像、文本、NLP领域的通用手法，没什么新词。

       

       参考一下MIT周博磊同学的 demo（基于BOW+IMG）：

       http://visualqa.csail.mit.edu/

 

2. 单图像目标深度估计

       基于单图像的深度做的比较多了，目前基于目标的检测做的工作非常多，如何提取有效景深还是蛮重要的一个话题，目前已经有不少团队在尝试了。

       设想基于Mask-RCNN，再添加一个分支，用来做depth。

       

3. 基于视频流的分析

       视频解码的代价太大了，如果在视频不解码的基础上做分析，能解决非常大的计算量，各种嵌入式设备上的应用，有什么办法能够有效的解决这个问题，能解决伐？想想做梦能笑醒！

 

4. AI水军

       最近很火的一个话题，好多5毛党要失业了，这才是刚需啊。

       与之相比，摆摊安装caffe、tensorflow啥的真是太low了。