本项目研究目标分为两部分，其一为建立基于可计算设计知识的视频分类数据库：通过收集视频类别、应用场景和用户目标等数据，并基于设计知识标注视频，建立差异化应用场景与用户体验目标的视频数据库，以克服目前大量影视叙事类视频数据库难以应用的缺陷；二是提出可行的视频体验生成与评价解决方案，全面支持业务应用中的设计需求、评价目标和事件/文化场景的视频体验生成与评价。
本项目以音乐为切入点，致力于为短视频的自动生成提供支持。主要研究方向为：基于商品风格的音乐推荐、音乐驱动的视频转场点识别、短视频的背景音乐生成等。
新生代用户开始进入快速成长阶段，拥有巨大的潜在影响力，包括社交、娱乐、购物等，本项目旨在研究转折期对新生代用户自然交互需求的影响，探究现象背后，新生代用户的需求与影响因素；以及通过对新生代用户的研究，提出面向新生代用户的自然交互方法，从而有目的地影响新生代用户的决策和行为。
在日益繁多的交互场景下，用户的体验需求日益提高，如何进行线上及线下消费场景的体验计算，提高用户体验是项目的研究目标。
本项目希望通过情绪作为媒介，一方面基于较稳定面部及声音情绪检测技术，实时获取多通道的用户情绪数据，另一方面根据情感驱动设计方法相关的理论体系，完成从短时情绪反应到长时情感体验的推导，最终达成更高效、精准的用户体验计算和描述。
最终，提出情绪驱动的体验计算方法及创新设计方法，为设计师提供更准确有用的用户体验分析。
本项目的主要目标是探索前沿人工智能算法的应用，跟踪前沿技术，探索GAN等人工智能算法在的应用潜力与前景；结合各应用场景，提出有影响力的研究课题，产出具有新闻性、学术水平高、有推广价值的研究成果。
当前，项目主要聚焦于AI PAINTING系统的研发。AI Painting是AI与人的协同创作平台，用户简单涂抹几笔，就可生成漂亮的动画风景图。系统利用深度学习技术、图像数据与设计知识，综合考虑图像中的元素、关系，理解图像给人的印象，从而具备与用户一起创作图像的能力。
本项目主要的研究内容分为以下两部分：
1.基于故事线的视频可视编辑
研究如何针对视频数据生成故事线可视化，以及如何应用故事线可视化的交互技术实现视频的编辑与生成；
2.数据可视化与信息增强
研究如何通过商品的相关数据生成智能图表并嵌入商品介绍视频中以丰富其内容。
为了在影视视频中进行3D植入，需要对视频场景进行解析、分割。而现有抠图算法往往需要额外的用户输入才能达到高精度的抠图效果，本项目的主要目标是设计一个基于深度学习的全自动抠图算法，在无需额外用户输入的情况下，对视频场景中的人像进行准确的分割。
