多模态融合旨在整合来自不同模态（如视觉、文本、语音等）的数据信息，通过建立有效的关联模型，实现对复杂场景和任务的更全面、更深刻的理解。它在众多实际应用场景中具有重要意义，例如多模态视频检索，利用文本、图像、声音数据从海量视频中检索目标视频（国际合作项目）。医疗影像诊断时结合影像与临床文本信息以提升诊断准确率等（与成都市某三甲医院合作项目研究内容）。

      大模型的出现为人工智能带来了强大的通用性和泛化能力。这些模型通过海量数据的训练，学习到了丰富的语言知识、视觉概念以及多模态间的关联模式。在自然语言处理、图像生成、跨模态检索等领域，大模型展现出了超越传统方法的性能，成为推动人工智能发展的关键力量，并且不断有新的技术手段用于优化大模型的架构和训练方式，以进一步提升其性能和应用效果。Deepseek则进一步推动了这一过程，利用开源大模型叠加垂直领域知识构建专用模型的研究正在遍地开花，在院前急救领域，使用大模型则可以进一步优化急救调度指挥的效率，提供最佳的急救与调度方案。（急救指挥中心智慧急救大模型项目研究内容）。

       计算视觉作为人工智能的重要分支，专注于使计算机能够理解和处理视觉信息，从图像与视频的采集、预处理，到特征提取、目标检测、识别与分割等各个环节，都不断有创新方法和算法涌现。它广泛应用于人脸识别、安防监控、工业检测、增强现实等诸多领域，为人们的日常生活和工业生产带来了极大的便利和变革。随着多模态融合与大模型技术的发展，计算视觉也在不断突破自身的局限，与多模态数据相互协作，借助大模型的强大能力，拓展其应用边界，向着更加智能化、精准化的方向迈进。（目标检测--社区区域环境治理项目，运动姿态提取-AI运动促进健康项目）。