Анализ сайта maifoundations.com
Основное Готовность: 75%
Домен
maifoundations.com
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Домен второго уровня идеален для продвижения.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Кол-во редиректов 3 слишком большое! Проверьте настройки сайта и веб-сервера!
Цепочка редиректов:
http://maifoundations.com
302 Found
http://kaiyangzhou.github.io/
301 MovedPermanently
https://kaiyangzhou.github.io/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 01.11.2026 2:38:01.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
HTTP автоматически перенаправляется на HTTPS.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
UTF-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице UTF-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,77сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,77сек оптимальна.
Объем документа
48Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 48Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 2
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 2 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | styles.css | |
| stylesheet | https://fonts.googleapis.com/css2?family=Crimson+Pro:ital,wght@0,400;0,500;0,600;1,400&family=Source+Sans+3:wght@400;500;600&display=swap |
Серверные заголовки
Кол-во: 18
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "6a7d875e-c330" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | C970:3F0643:4F8AAD0:503364B:6A8B387A |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 18:14:19 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230052-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787508859.296879,VS0,VE109 |
| Vary | Accept-Encoding |
| x-fastly-request-id | b31fb7138b94e10cc52c19529b1e1b01c2893d21 |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 52%
Title
Kaiyang Zhou | Hong Kong Baptist University
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Дублей словоформ в title не найдено.
Число символов в title 43 оптимально (норма: от 40 до 45).
Description
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Установите мета-тег description!
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1.0
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Не найдено
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 1
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 1шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width, initial-scale=1.0 |
Оптимизация Готовность: 77%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют в единственном экземпляре).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Абзацев с текстом 9 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Слова из title 6 встречаются в тексте достаточно.
Среднее число слов в абзаце 124 достаточно.
Кол-во знаков контента 11371 на странице оптимально.
Кол-во слов 1861 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 7. Это хорошо.
На странице присутствуют заголовки <h3> 1.
Тошнота
6,93
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 3. Измените текст страницы!
Академич. тошнота
3,65%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота не дотягивает до нормы 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| kaiyang | 48 | 2,58% |
| models | 15 | 0,81% |
| domain | 14 | 0,75% |
| learning | 13 | 0,70% |
| vision | 12 | 0,64% |
| change | 10 | 0,54% |
| computer | 9 | 0,48% |
| multimodal | 9 | 0,48% |
| jingkang | 9 | 0,48% |
| vision-language | 8 | 0,43% |
| generalization | 8 | 0,43% |
| yongxin | 8 | 0,43% |
| neurips | 7 | 0,38% |
| adaptation | 7 | 0,38% |
| conference | 6 | 0,32% |
| prompting | 6 | 0,32% |
| organizer | 6 | 0,32% |
| university | 5 | 0,27% |
| reasoning | 5 | 0,27% |
| foundation | 5 | 0,27% |
Индексация Готовность: 0%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 142 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Кол-во редиректов для файла robots.txt 3 слишком большое! Это может вызывать затруднение при индексации поисковыми роботами!
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Цепочка редиректов для файла robots.txt:
http://maifoundations.com/robots.txt
302 Found
http://kaiyangzhou.github.io/
301 MovedPermanently
https://kaiyangzhou.github.io/
200 OK
Показать содержимое robots.txt
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Kaiyang Zhou | Hong Kong Baptist University</title>
<link rel="stylesheet" href="styles.css">
<link rel="preconnect" href="https://fonts.googleapis.com">
<link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
<link href="https://fonts.googleapis.com/css2?family=Crimson+Pro:ital,wght@0,400;0,500;0,600;1,400&family=Source+Sans+3:wght@400;500;600&display=swap" rel="stylesheet">
</head>
<body>
<nav class="nav">
<div class="nav-container">
<a href="#about" class="nav-link">About</a>
<a href="#news" class="nav-link">News</a>
<a href="#talks" class="nav-link">Talks</a>
<a href="#team" class="nav-link">Team</a>
<a href="#research" class="nav-link">Research</a>
<a href="#teaching" class="nav-link">Teaching</a>
<a href="#services" class="nav-link">Services</a>
<a href="#awards" class="nav-link">Awards</a>
</div>
</nav>
<main class="container">
<!-- About Section -->
<section id="about" class="section">
<div class="about-header">
<div class="photo-container">
<img src="photo.jpg" alt="Kaiyang Zhou" class="profile-photo">
</div>
<div class="about-intro">
<h1>Kaiyang Zhou</h1>
<p class="title">Assistant Professor</p>
<p class="affiliation">Department of Computer Science<br>Hong Kong Baptist University</p>
<p class="email"><a id="email-link"></a></p>
<div class="social-links">
<a href="https://scholar.google.com/citations?user=gRIejugAAAAJ" target="_blank" class="social-link">
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="currentColor"><path d="M12 24a7 7 0 1 1 0-14 7 7 0 0 1 0 14zm0-24L0 9.5l4.838 3.94A8 8 0 0 1 12 9a8 8 0 0 1 7.162 4.44L24 9.5z"/></svg>
Google Scholar
</a>
<a href="https://github.com/KaiyangZhou" target="_blank" class="social-link">
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="currentColor"><path d="M12 0c-6.626 0-12 5.373-12 12 0 5.302 3.438 9.8 8.207 11.387.599.111.793-.261.793-.577v-2.234c-3.338.726-4.033-1.416-4.033-1.416-.546-1.387-1.333-1.756-1.333-1.756-1.089-.745.083-.729.083-.729 1.205.084 1.839 1.237 1.839 1.237 1.07 1.834 2.807 1.304 3.492.997.107-.775.418-1.305.762-1.604-2.665-.305-5.467-1.334-5.467-5.931 0-1.311.469-2.381 1.236-3.221-.124-.303-.535-1.524.117-3.176 0 0 1.008-.322 3.301 1.23.957-.266 1.983-.399 3.003-.404 1.02.005 2.047.138 3.006.404 2.291-1.552 3.297-1.23 3.297-1.23.653 1.653.242 2.874.118 3.176.77.84 1.235 1.911 1.235 3.221 0 4.609-2.807 5.624-5.479 5.921.43.372.823 1.102.823 2.222v3.293c0 .319.192.694.801.576 4.765-1.589 8.199-6.086 8.199-11.386 0-6.627-5.373-12-12-12z"/></svg>
GitHub
</a>
<a href="https://twitter.com/kaiyangzhou" target="_blank" class="social-link">
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="currentColor"><path d="M18.244 2.25h3.308l-7.227 8.26 8.502 11.24H16.17l-5.214-6.817L4.99 21.75H1.68l7.73-8.835L1.254 2.25H8.08l4.713 6.231zm-1.161 17.52h1.833L7.084 4.126H5.117z"/></svg>
Twitter
</a>
<a href="https://hk.linkedin.com/in/kaiyang-zhou-b483703b0" target="_blank" class="social-link">
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="currentColor"><path d="M20.447 20.452h-3.554v-5.569c0-1.328-.027-3.037-1.852-3.037-1.853 0-2.136 1.445-2.136 2.939v5.667H9.351V9h3.414v1.561h.046c.477-.9 1.637-1.85 3.37-1.85 3.601 0 4.267 2.37 4.267 5.455v6.286zM5.337 7.433c-1.144 0-2.063-.926-2.063-2.065 0-1.138.92-2.063 2.063-2.063 1.14 0 2.064.925 2.064 2.063 0 1.139-.925 2.065-2.064 2.065zm1.782 13.019H3.555V9h3.564v11.452zM22.225 0H1.771C.792 0 0 .774 0 1.729v20.542C0 23.227.792 24 1.771 24h20.451C23.2 24 24 23.227 24 22.271V1.729C24 .774 23.2 0 22.222 0h.003z"/></svg>
LinkedIn
</a>
</div>
</div>
</div>
<div class="about-content">
<div id="bio-en">
<p>
Kaiyang Zhou is an Assistant Professor in the <a href="https://www.comp.hkbu.edu.hk/" target="_blank">Department of Computer Science</a>
at <a href="https://www.hkbu.edu.hk/" target="_blank">Hong Kong Baptist University</a>.
Before joining HKBU, he was a postdoc at <a href="https://www.ntu.edu.sg/" target="_blank">Nanyang Technological University</a>,
working with Prof. <a href="https://liuziwei7.github.io/" target="_blank">Ziwei Liu</a>
and Prof. <a href="https://www.mmlab-ntu.com/person/ccloy/" target="_blank">Chen Change Loy</a>.
He received his PhD in Computer Science from the <a href="https://www.surrey.ac.uk/" target="_blank">University of Surrey</a>,
under the supervision of Prof. <a href="https://www.surrey.ac.uk/people/tao-xiang" target="_blank">Tao Xiang</a>.
During PhD, he was fortunate to have an internship at <a href="https://research.samsung.com/aicenter_cambridge" target="_blank">Samsung AI Center Cambridge</a>.
</p>
<p>
His research interests include large multimodal models, agentic AI, and embodied reasoning.
He has published an edited book on
<a href="https://link.springer.com/book/10.1007/978-3-031-94969-2" target="_blank">Large Vision-Language Models</a>
and more than 50 journal and conference papers in top-tier venues, including TPAMI, TIP, IJCV, CVPR, ICCV, ECCV, NeurIPS, ICLR, ICML, and AAAI.
His work has been cited over 23,000 times, with an h-index of 32.
He is an associate editor of the International Journal of Computer Vision (IJCV) and regularly serves as an area chair
for prestigious conferences, such as CVPR, ECCV, NeurIPS, ICML, and ICLR.
He is recognized among the <a href="https://www.comp.hkbu.edu.hk/v1/?page=fac_ach&id=240">World’s Top 2% Scientists</a> by Stanford University.
</p>
</div>
<div id="bio-zh" lang="zh-Hans" hidden>
<p>
周锴阳现任<a href="https://www.hkbu.edu.hk/" target="_blank">香港浸会大学</a><a href="https://www.comp.hkbu.edu.hk/" target="_blank">计算机科学系</a>助理教授。
加入香港浸会大学之前，他曾在<a href="https://www.ntu.edu.sg/" target="_blank">南洋理工大学</a>从事博士后研究，
与 <a href="https://liuziwei7.github.io/" target="_blank">LIU Ziwei</a> 教授及
<a href="https://www.mmlab-ntu.com/person/ccloy/" target="_blank">LOY Chen Change</a> 教授合作。
他在<a href="https://www.surrey.ac.uk/" target="_blank">萨里大学</a>获得计算机科学博士学位，师从
<a href="https://www.surrey.ac.uk/people/tao-xiang" target="_blank">XIANG Tao</a> 教授。
博士期间，他曾有幸在<a href="https://research.samsung.com/aicenter_cambridge" target="_blank">三星剑桥人工智能中心</a>实习。
</p>
<p>
他的研究方向包括多模态大模型、智能体人工智能和具身推理。
他主编了<a href="https://link.springer.com/book/10.1007/978-3-031-94969-2" target="_blank">《大型视觉语言模型》</a>一书，
并在 TPAMI、TIP、IJCV、CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML 和 AAAI 等顶级期刊与会议发表论文 50 余篇。
他的研究成果被引用超过 23,000 次，h 指数为 32。
他现任《International Journal of Computer Vision》(IJCV) 副主编，并长期担任 CVPR、ECCV、NeurIPS、ICML 和 ICLR 等重要会议的领域主席。
他入选了斯坦福大学发布的<a href="https://www.comp.hkbu.edu.hk/v1/?page=fac_ach&id=240">全球前 2% 顶尖科学家榜单</a>。
</p>
</div>
<button type="button" id="bio-language-toggle" class="bio-language-toggle" aria-controls="bio-en bio-zh" aria-pressed="false">中文</button>
</div>
</section>
<!-- News Section -->
<section id="news" class="section">
<h2>News</h2>
<ul class="news-list">
<li><span class="news-date">Jul 2026</span> <a href="https://arxiv.org/pdf/2505.14677" target="_blank">Visionary-R1</a> is accepted by TMLR.</li>
<li><span class="news-date">Feb 2026</span> <a href="https://jiaerxia.github.io/Streamo/" target="_blank">Streamo</a> is accepted by CVPR 2026.</li>
<li><span class="news-date">Jan 2026</span> <a href="https://arxiv.org/pdf/2505.13430" target="_blank">QZO</a> is accepted by ICLR 2026.</li>
<li><span class="news-date">Sep 2025</span> Our edited book <a href="https://link.springer.com/book/10.1007/978-3-031-94969-2" target="_blank">Large Vision-Language Models</a> is available online.</li>
</ul>
</section>
<!-- Talks Section -->
<section id="talks" class="section">
<h2>Talks</h2>
<ul class="talks-list">
<li><span class="talk-year">2026</span> <a href="https://drive.google.com/file/d/11Cl8oJyXysng83YqXJX2p2TD4pi68Ly9/view?usp=sharing" target="_blank">Multimodal Foundation Models: Reasoning, Grounding, Awareness, and Adaptation</a></li>
<li><span class="talk-year">2025</span> <a href="https://drive.google.com/file/d/1ygUz5zuhq93j0gJseD5Zs7KAwjAanl9O/view?usp=sharing" target="_blank">Foundations of Vision-Language Models: Concepts and Roadmap</a></li>
<li><span class="talk-year">2023</span> <a href="https://prompting-in-vision.github.io/slides/cvpr23/lecture-1a.pdf" target="_blank">Prompting in Visual Intelligence</a></li>
</ul>
</section>
<!-- Team Section -->
<section id="team" class="section">
<h2>Team</h2>
<h3>PhD Students</h3>
<ul class="team-list">
<li><a href="https://jiaerxia.github.io/" target="_blank">Jiaer Xia</a>, 2024-</li>
<li><a href="https://sifengshang.github.io" target="_blank">Sifeng Shang</a>, 2024-</li>
<li><a href="https://zhoujiayi003.github.io/" target="_blank">Jiayi Zhou</a>, 2025-</li>
<li><a href="https://chenyulin-craig.github.io/" target="_blank">Chenyu Lin</a>, 2025-</li>
</ul>
</section>
<!-- Research Section -->
<section id="research" class="section">
<h2>Research</h2>
<p class="section-intro">
Interested in building general-purpose multimodal AI assistants that can see, reason,
and act safely and reliably in the real world. Please see
<a href="https://scholar.google.com/citations?hl=en&user=gRIejugAAAAJ&view_op=list_works&sortby=pubdate" target="_blank">Google Scholar</a>
for full publications.
</p>
<ul class="publications-list">
<li class="pub-year-label">2026</li>
<li>
<span class="pub-title">Visionary-R1: Mitigating Shortcuts in Visual Reasoning with Reinforcement Learning</span>
<span class="pub-authors">Jiaer Xia, Yuhang Zang, Peng Gao, Sharon Li, <strong>Kaiyang Zhou</strong></span>
<span class="pub-venue"><em>TMLR</em>, 2026</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2505.14677" target="_blank">paper</a>]
[<a href="https://github.com/maifoundations/Visionary-R1" target="_blank">code</a>]
[<a href="https://huggingface.co/maifoundations/Visionary-R1" target="_blank">model</a>]
</span>
</li>
<li>
<span class="pub-title">VideoOdyssey: A Benchmark for Ultra-Long-Context and Omni-Modal Video Understanding</span>
<span class="pub-authors">Haichen He, Jiayi Zhou, Sifeng Shang, Yihan Hu, Yuanhan Zhang, <strong>Kaiyang Zhou</strong></span>
<span class="pub-venue"><em>arXiv</em>, 2026</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2605.22907" target="_blank">paper</a>]
[<a href="https://github.com/maifoundations/VideoOdyssey" target="_blank">code</a>]
[<a href="https://huggingface.co/datasets/maifoundations/VideoOdyssey" target="_blank">dataset</a>]
[<a href="https://videoodyssey-project.github.io/" target="_blank">project</a>]
</span>
</li>
<li>
<span class="pub-title">Streaming Video Instruction Tuning</span>
<span class="pub-authors">Jiaer Xia, Peixian Chen, Mengdan Zhang, Xing Sun, <strong>Kaiyang Zhou</strong></span>
<span class="pub-venue"><em>CVPR</em>, 2026</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2512.21334" target="_blank">paper</a>]
[<a href="https://github.com/maifoundations/Streamo" target="_blank">code</a>]
[<a href="https://huggingface.co/datasets/maifoundations/Streamo-Instruct-465K" target="_blank">dataset</a>]
[<a href="https://jiaerxia.github.io/Streamo/" target="_blank">demo</a>]
</span>
</li>
<li>
<span class="pub-title">Fine-tuning Quantized Neural Networks with Zeroth-order Optimization</span>
<span class="pub-authors">Sifeng Shang, Jiayi Zhou, Chenyu Lin, Minxian Li, <strong>Kaiyang Zhou</strong></span>
<span class="pub-venue"><em>ICLR</em>, 2026</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2505.13430" target="_blank">paper</a>]
[<a href="https://github.com/maifoundations/QZO" target="_blank">code</a>]
</span>
</li>
<li class="pub-year-label">2025</li>
<li>
<span class="pub-title">Large Vision-Language Models: Pre-training, Prompting, and Applications</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Ziwei Liu, Peng Gao</span>
<span class="pub-venue"><em>Springer Nature</em>, 2025</span>
<span class="pub-links">
[<a href="https://link.springer.com/book/10.1007/978-3-031-94969-2" target="_blank">book</a>]
</span>
</li>
<li>
<span class="pub-title">Learning to Think Fast and Slow for Visual Language Models</span>
<span class="pub-authors">Chenyu Lin, Cheng Chi, Jinlin Wu, Sharon Li, <strong>Kaiyang Zhou</strong></span>
<span class="pub-venue"><em>arXiv</em>, 2025</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2511.16670" target="_blank">paper</a>]
[<a href="https://github.com/maifoundations/DualMindVLM" target="_blank">code</a>]
[<a href="https://huggingface.co/maifoundations/DualMindVLM" target="_blank">model</a>]
</span>
</li>
<li>
<span class="pub-title">Measuring Epistemic Humility in Multimodal Large Language Models</span>
<span class="pub-authors">Bingkui Tong, Jiaer Xia, Sifeng Shang, <strong>Kaiyang Zhou</strong></span>
<span class="pub-venue"><em>arXiv</em>, 2025</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2509.09658" target="_blank">paper</a>]
[<a href="https://github.com/maifoundations/HumbleBench" target="_blank">code</a>]
[<a href="https://huggingface.co/datasets/maifoundations/HumbleBench" target="_blank">dataset</a>]
</span>
</li>
<li>
<span class="pub-title">Mitigating Hallucination in Multimodal LLMs with Layer Contrastive Decoding</span>
<span class="pub-authors">Bingkui Tong, Jiaer Xia, <strong>Kaiyang Zhou</strong></span>
<span class="pub-venue"><em>NeurIPS Workshop on Multimodal Algorithmic Reasoning</em>, 2025</span>
<span class="pub-links">
[<a href="https://www.arxiv.org/pdf/2509.25177" target="_blank">paper</a>]
[<a href="https://github.com/maifoundations/LayerCD" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Bootstrapping Grounded Chain-of-Thought in Multimodal LLMs for Data-Efficient Model Adaptation</span>
<span class="pub-authors">Jiaer Xia, Bingkui Tong, Yuhang Zang, Rui Shao, <strong>Kaiyang Zhou</strong></span>
<span class="pub-venue"><em>ICCV (<strong>Highlight</strong>)</em>, 2025</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2507.02859" target="_blank">paper</a>]
[<a href="https://github.com/maifoundations/GCoT" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Advances in Multimodal Adaptation and Generalization: From Traditional Approaches to Foundation Models</span>
<span class="pub-authors">Hao Dong, Moru Liu, <strong>Kaiyang Zhou</strong>, Eleni Chatzi, Juho Kannala, Cyrill Stachniss, Olga Fink</span>
<span class="pub-venue"><em>TPAMI</em>, 2025</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2501.18592" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">Polarity Prompting Vision Foundation Models for Pathology Image Analysis</span>
<span class="pub-authors">Chong Yin, Siqi Liu, <strong>Kaiyang Zhou</strong>, Vincent Wai-Sun Wong, Pong Chi Yuen</span>
<span class="pub-venue"><em>TMI</em>, 2025</span>
<span class="pub-links">
[<a href="https://pubmed.ncbi.nlm.nih.gov/40493469/" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">EmoSym: A Symbiotic Framework for Unified Emotional Understanding and Generation via Latent Reasoning</span>
<span class="pub-authors">Yijie Zhu, Yibo Lyu, Zitong Yu, Rui Shao, <strong>Kaiyang Zhou</strong>, Liqiang Nie</span>
<span class="pub-venue"><em>ACM MM</em>, 2025</span>
<span class="pub-links">
[<a href="https://dl.acm.org/doi/10.1145/3746027.3754549" target="_blank">paper</a>]
</span>
</li>
<li class="pub-year-label">2024</li>
<li>
<span class="pub-title">Guest Editorial: Special Issue on the Promises and Dangers of Large Vision Models</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Ziwei Liu, Xiaohua Zhai, Chunyuan Li, Kate Saenko</span>
<span class="pub-venue"><em>IJCV</em>, 2024</span>
<span class="pub-links">
[<a href="https://link.springer.com/article/10.1007/s11263-023-01941-4" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">Neural Prompt Search</span>
<span class="pub-authors">Yuanhan Zhang, <strong>Kaiyang Zhou</strong>, Ziwei Liu</span>
<span class="pub-venue"><em>TPAMI</em>, 2024</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2206.04673" target="_blank">paper</a>]
[<a href="https://github.com/Davidzhangyuanhan/NOAH" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Generalized Out-of-Distribution Detection: A Survey</span>
<span class="pub-authors">Jingkang Yang, <strong>Kaiyang Zhou</strong>, Yixuan Li, Ziwei Liu</span>
<span class="pub-venue"><em>IJCV</em>, 2024</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2110.11334" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">Contextual Object Detection with Multimodal Large Language Models</span>
<span class="pub-authors">Yuhang Zang, Wei Li, Jun Han, <strong>Kaiyang Zhou</strong>, Chen Change Loy</span>
<span class="pub-venue"><em>IJCV</em>, 2024</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2305.18279" target="_blank">paper</a>]
[<a href="https://github.com/yuhangzang/ContextDET" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Octopus: Embodied Vision-Language Programmer From Environmental Feedback</span>
<span class="pub-authors">Jingkang Yang, Yuhao Dong, Shuai Liu, Bo Li, Ziyue Wang, Chencheng Jiang, Haoran Tan, Jiamu Kang, Yuanhan Zhang, <strong>Kaiyang Zhou</strong>, Ziwei Liu</span>
<span class="pub-venue"><em>ECCV</em>, 2024</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2310.08588" target="_blank">paper</a>]
[<a href="https://github.com/dongyh20/Octopus" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Dual Memory Networks: A Versatile Adaptation Approach for Vision-Language Models</span>
<span class="pub-authors">Yabin Zhang, Wenjie Zhu, Hui Tang, Zhiyuan Ma, <strong>Kaiyang Zhou</strong>, Lei Zhang</span>
<span class="pub-venue"><em>CVPR</em>, 2024</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2403.17589" target="_blank">paper</a>]
[<a href="https://github.com/YBZh/DMN" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Prompting Vision Foundation Models for Pathology Image Analysis</span>
<span class="pub-authors">Chong Yin, Siqi Liu, <strong>Kaiyang Zhou</strong>, Vincent Wong, Pong Chi Yuen</span>
<span class="pub-venue"><em>CVPR</em>, 2024</span>
<span class="pub-links">
[<a href="https://openaccess.thecvf.com/content/CVPR2024/papers/Yin_Prompting_Vision_Foundation_Models_for_Pathology_Image_Analysis_CVPR_2024_paper.pdf" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">Open-Vocabulary Calibration for Fine-tuned CLIP</span>
<span class="pub-authors">Shuoyuan Wang, Jindong Wang, Guoqing Wang, Bob Zhang, <strong>Kaiyang Zhou</strong>, Hongxin Wei</span>
<span class="pub-venue"><em>ICML</em>, 2024</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2402.04655" target="_blank">paper</a>]
[<a href="https://github.com/ml-stat-Sustech/CLIP_Calibration" target="_blank">code</a>]
</span>
</li>
<li class="pub-year-label">2023</li>
<li>
<span class="pub-title">Mixstyle Neural Networks for Domain Generalization and Adaptation</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Yongxin Yang, Yu Qiao, Tao Xiang</span>
<span class="pub-venue"><em>IJCV</em>, 2023</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2107.02053" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/mixstyle-release" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Semi-supervised Domain Generalization with Stochastic StyleMatch</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Chen Change Loy, Ziwei Liu</span>
<span class="pub-venue"><em>IJCV</em>, 2023</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2106.00592" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/ssdg-benchmark" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">4D Panoptic Scene Graph Generation</span>
<span class="pub-authors">Jingkang Yang, Jun Cen, Wenxuan Peng, Shuai Liu, Fangzhou Hong, Xiangtai Li, <strong>Kaiyang Zhou</strong>, Qifeng Chen, Ziwei Liu</span>
<span class="pub-venue"><em>NeurIPS</em>, 2023</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2405.10305" target="_blank">paper</a>]
[<a href="https://github.com/Jingkang50/PSG4D" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">What Makes Good Examples for Visual In-Context Learning?</span>
<span class="pub-authors">Yuanhan Zhang, <strong>Kaiyang Zhou</strong>, Ziwei Liu</span>
<span class="pub-venue"><em>NeurIPS</em>, 2023</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2301.13670" target="_blank">paper</a>]
[<a href="https://github.com/ZhangYuanhan-AI/visual_prompt_retrieval" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Panoptic Video Scene Graph Generation</span>
<span class="pub-authors">Jingkang Yang, Wenxuan Peng, Xiangtai Li, Zujin Guo, Liangyu Chen, Bo Li, Zheng Ma, <strong>Kaiyang Zhou</strong>, Wayne Zhang, Chen Change Loy, Ziwei Liu</span>
<span class="pub-venue"><em>CVPR</em>, 2023</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2311.17058" target="_blank">paper</a>]
[<a href="https://github.com/LilyDaytoy/OpenPVSG" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Full-Spectrum Out-of-Distribution Detection</span>
<span class="pub-authors">Jingkang Yang, <strong>Kaiyang Zhou</strong>, Ziwei Liu</span>
<span class="pub-venue"><em>IJCV</em>, 2023</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2204.05306" target="_blank">paper</a>]
[<a href="https://github.com/Jingkang50/OpenOOD" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Semi-supervised and Long-tailed Object Detection with CascadeMatch</span>
<span class="pub-authors">Yuhang Zang, <strong>Kaiyang Zhou</strong>, Chen Huang, Chen Change Loy</span>
<span class="pub-venue"><em>IJCV</em>, 2023</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2305.14813" target="_blank">paper</a>]
[<a href="https://github.com/yuhangzang/CascadeMatch" target="_blank">code</a>]
</span>
</li>
<li class="pub-year-label">2022</li>
<li>
<span class="pub-title">Conditional Prompt Learning for Vision-Language Models</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Jingkang Yang, Chen Change Loy, Ziwei Liu</span>
<span class="pub-venue"><em>CVPR</em>, 2022</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2203.05557" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/CoOp" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Learning to Prompt for Vision-Language Models</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Jingkang Yang, Chen Change Loy, Ziwei Liu</span>
<span class="pub-venue"><em>IJCV</em>, 2022</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2109.01134" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/CoOp" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Domain Generalization: A Survey</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Ziwei Liu, Yu Qiao, Tao Xiang, Chen Change Loy</span>
<span class="pub-venue"><em>TPAMI</em>, 2022</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2103.02503" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/Dassl.pytorch" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Open-Vocabulary DETR with Conditional Matching</span>
<span class="pub-authors">Yuhang Zang, Wei Li, <strong>Kaiyang Zhou</strong>, Chen Huang, Chen Change Loy</span>
<span class="pub-venue"><em>ECCV (<strong>Oral</strong>)</em>, 2022</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2203.11876" target="_blank">paper</a>]
[<a href="https://github.com/yuhangzang/OV-DETR" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Panoptic Scene Graph Generation</span>
<span class="pub-authors">Jingkang Yang, Yi Zhe Ang, Zujin Guo, <strong>Kaiyang Zhou</strong>, Wayne Zhang, Ziwei Liu</span>
<span class="pub-venue"><em>ECCV</em>, 2022</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2207.11247" target="_blank">paper</a>]
[<a href="https://github.com/Jingkang50/OpenPSG" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Dynamic Instance Domain Adaptation</span>
<span class="pub-authors">Zhongying Deng, <strong>Kaiyang Zhou</strong>, Da Li, Junjun He, Yi-Zhe Song, Tao Xiang</span>
<span class="pub-venue"><em>TIP</em>, 2022</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2203.05028" target="_blank">paper</a>]
[<a href="https://github.com/Zhongying-Deng/DIDA" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">OpenOOD: Benchmarking Generalized Out-of-Distribution Detection</span>
<span class="pub-authors">Jingkang Yang, Pengyun Wang, Dejian Zou, Zitang Zhou, Kunyuan Ding, Wenxuan Peng, Haoqi Wang, Guangyao Chen, Bo Li, Yiyou Sun, Xuefeng Du, <strong>Kaiyang Zhou</strong>, Wayne Zhang, Dan Hendrycks, Yixuan Li, Ziwei Liu</span>
<span class="pub-venue"><em>NeurIPS Datasets and Benchmarks</em>, 2022</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2210.07242" target="_blank">paper</a>]
[<a href="https://github.com/Jingkang50/OpenOOD" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Learning to Augment via Implicit Differentiation for Domain Generalization</span>
<span class="pub-authors">Tingwei Wang, Da Li, <strong>Kaiyang Zhou</strong>, Tao Xiang, Yi-Zhe Song</span>
<span class="pub-venue"><em>BMVC (<strong>Oral</strong>)</em>, 2022</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2210.14271" target="_blank">paper</a>]
</span>
</li>
<li class="pub-year-label">2021</li>
<li>
<span class="pub-title">Domain Generalization with MixStyle</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Yongxin Yang, Yu Qiao, Tao Xiang</span>
<span class="pub-venue"><em>ICLR</em>, 2021</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2104.02008" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/mixstyle-release" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Learning Generalisable Omni-scale Representations for Person Re-identification</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Yongxin Yang, Andrea Cavallaro, Tao Xiang</span>
<span class="pub-venue"><em>TPAMI</em>, 2021</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/1910.06827" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/deep-person-reid" target="_blank">code</a>]
[<a href="https://huggingface.co/kaiyangzhou/osnet" target="_blank">model</a>]
</span>
</li>
<li>
<span class="pub-title">Domain Adaptive Ensemble Learning</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Yongxin Yang, Yu Qiao, Tao Xiang</span>
<span class="pub-venue"><em>TIP</em>, 2021</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2003.07325" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/Dassl.pytorch" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Energy-based Open-world Uncertainty Modeling for Confidence Calibration</span>
<span class="pub-authors">Yezhen Wang, Bo Li, Tong Che, <strong>Kaiyang Zhou</strong>, Ziwei Liu, Dongsheng Li</span>
<span class="pub-venue"><em>ICCV</em>, 2021</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2107.12628" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">Domain Attention Consistency for Multi-Source Domain Adaptation</span>
<span class="pub-authors">Zhongying Deng, <strong>Kaiyang Zhou</strong>, Yongxin Yang, Tao Xiang</span>
<span class="pub-venue"><em>BMVC (<strong>Oral</strong>)</em>, 2021</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2111.03911" target="_blank">paper</a>]
[<a href="https://github.com/Zhongying-Deng/DAC-Net" target="_blank">code</a>]
</span>
</li>
<li class="pub-year-label">2020 and before</li>
<li>
<span class="pub-title">Learning to Generate Novel Domains for Domain Generalization</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Yongxin Yang, Timothy Hospedales, Tao Xiang</span>
<span class="pub-venue"><em>ECCV</em>, 2020</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2007.03304" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">Deep Domain-Adversarial Image Generation for Domain Generalisation</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Yongxin Yang, Timothy Hospedales, Tao Xiang</span>
<span class="pub-venue"><em>AAAI</em>, 2020</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2003.06054" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">Omni-Scale Feature Learning for Person Re-Identification</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Yongxin Yang, Andrea Cavallaro, Tao Xiang</span>
<span class="pub-venue"><em>ICCV</em>, 2019</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/1905.00953" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/deep-person-reid" target="_blank">code</a>]
[<a href="https://huggingface.co/kaiyangzhou/osnet" target="_blank">model</a>]
</span>
</li>
<li>
<span class="pub-title">Deep Reinforcement Learning for Unsupervised Video Summarization with Diversity-Representativeness Reward</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Yu Qiao, Tao Xiang</span>
<span class="pub-venue"><em>AAAI (<strong>Oral</strong>)</em>, 2018</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/1801.00054" target="_blank">paper</a>]
[<a href="https://github.com/KaiyangZhou/pytorch-vsumm-reinforce" target="_blank">code</a>]
</span>
</li>
<li>
<span class="pub-title">Video Summarisation by Classification with Deep Reinforcement Learning</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Tao Xiang, Andrea Cavallaro</span>
<span class="pub-venue"><em>BMVC (<strong>Oral</strong>)</em>, 2018</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/1807.03089" target="_blank">paper</a>]
</span>
</li>
<li>
<span class="pub-title">Detecting Humans in RGB-D Data with CNNs</span>
<span class="pub-authors"><strong>Kaiyang Zhou</strong>, Adeline Paiement, Majid Mirmehdi</span>
<span class="pub-venue"><em>MVA</em>, 2017</span>
<span class="pub-links">
[<a href="https://arxiv.org/pdf/2207.08064" target="_blank">paper</a>]
</span>
</li>
</ul>
</section>
<!-- Teaching Section -->
<section id="teaching" class="section">
<h2>Teaching</h2>
<div class="teaching-list">
<div class="course">
<span class="course-code">COMP 7040</span>
<span class="course-name">Advanced Topics in Computer Vision and Pattern Recognition</span>
</div>
<div class="course">
<span class="course-code">COMP 3076</span>
<span class="course-name">AI and Generative Arts</span>
</div>
<div class="course">
<span class="course-code">COMP 7065</span>
<span class="course-name">Innovative Laboratory</span>
</div>
</div>
</section>
<!-- Services Section -->
<section id="services" class="section">
<h2>Services</h2>
<ul class="services-list">
<li>Associate Editor, <em>International Journal of Computer Vision (IJCV)</em></li>
<li>Guest Editor, <em>IJCV Special Issue on Visual Domain Generalization in Real-World Applications</em></li>
<li>Guest Editor, <a href="https://link.springer.com/article/10.1007/s11263-023-01941-4" target="_blank">IJCV Special Issue on The Promises and Dangers of Large Vision Models</a></li>
<li>Area Chair, <em>International Conference on Machine Learning (ICML)</em></li>
<li>Area Chair, <em>International Conference on Learning Representations (ICLR)</em></li>
<li>Area Chair, <em>Neural Information Processing Systems (NeurIPS)</em></li>
<li>Area Chair, <em>Computer Vision and Pattern Recognition (CVPR)</em></li>
<li>Area Chair, <em>European Conference on Computer Vision (ECCV)</em></li>
<li>Area Chair, <em>AAAI Conference on Artificial Intelligence (AAAI)</em></li>
<li>Area Chair, <em>British Machine Vision Conference (BMVC)</em></li>
<li>Organizer, <a href="https://cvpr25workshop.m-haris-khan.com/" target="_blank">CVPR 2025 Workshop on Domain Generalization</a></li>
<li>Organizer, <a href="https://green-fomo.github.io/ECCV2024/index.html" target="_blank">ECCV 2024 Workshop on Green Foundation Models</a></li>
<li>Organizer, <a href="https://prompting-in-vision.github.io/index_cvpr24.html" target="_blank">CVPR 2024 Workshop on Prompting in Vision </a></li>
<li>Organizer, <a href="https://prompting-in-vision.github.io/index_cvpr23.html" target="_blank">CVPR 2023 Tutorial on Prompting in Vision</a></li>
<li>Organizer, <a href="https://domaingen.github.io" target="_blank">ICLR 2023 Workshop on What Do We Need for Successful Domain Generalization</a></li>
<li>Organizer, <a href="https://theaitalks.org" target="_blank">The AI Talks</a></li>
</ul>
</section>
<!-- Awards Section -->
<section id="awards" class="section">
<h2>Awards</h2>
<ul class="awards-list">
<li><span class="award-year">2025</span> <a href="https://github.com/KaiyangZhou/CoOp" target="_blank">CoOp</a> received WAIC Youth Outstanding Paper Nomination Award </li>
<li><span class="award-year">2024</span> HKBU Research Excellence Paper Award </li>
<li><span class="award-year">2023</span> World’s Top 2% Scientists </li>
<li><span class="award-year">2022</span> <a href="https://github.com/KaiyangZhou/CoOp" target="_blank">CoCoOp</a> received <a href="https://www.zeta-alpha.com/post/must-read-the-100-most-cited-ai-papers-in-2022" target="_blank">Top-100 Most Cited AI Paper in 2022</a> </li>
<li><span class="award-year">2022</span> ECCV 2022 Outstanding Reviewer </li>
<li><span class="award-year">2021</span> ICCV 2021 Outstanding Reviewer </li>
<li><span class="award-year">2021</span> AAAI 2021 Top 25% of Program Committee Members</li>
</ul>
</section>
</main>
<footer class="footer">
<p>Last update: Aug 2026</p>
</footer>
<!-- Back to Top Button -->
<button id="back-to-top" class="back-to-top" aria-label="Back to top">
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2.5" stroke-linecap="round" stroke-linejoin="round">
<polyline points="18 15 12 9 6 15"></polyline>
</svg>
</button>
<script>
// Email obfuscation to prevent spam bots
(function() {
const u = 'kyzhou';
const d = 'hkbu.edu.hk';
const el = document.getElementById('email-link');
if (el) {
el.href = 'mail' + 'to:' + u + '@' + d;
el.textContent = u + '@' + d;
}
})();
// Bio language toggle
(function() {
const btn = document.getElementById('bio-language-toggle');
const englishBio = document.getElementById('bio-en');
const chineseBio = document.getElementById('bio-zh');
if (!btn || !englishBio || !chineseBio) return;
btn.addEventListener('click', function() {
const showChinese = chineseBio.hidden;
chineseBio.hidden = !showChinese;
englishBio.hidden = showChinese;
btn.textContent = showChinese ? 'English' : '中文';
btn.setAttribute('aria-pressed', String(showChinese));
});
})();
// Back to top button
(function() {
const btn = document.getElementById('back-to-top');
window.addEventListener('scroll', function() {
if (window.scrollY > 300) {
btn.classList.add('visible');
} else {
btn.classList.remove('visible');
}
});
btn.addEventListener('click', function() {
window.scrollTo({ top: 0, behavior: 'smooth' });
});
})();
// Highlight nav link for the section in view
(function () {
const nav = document.querySelector('.nav');
const navLinks = document.querySelectorAll('.nav .nav-link');
const sections = Array.prototype.slice.call(document.querySelectorAll('main section[id]'));
if (!nav || !sections.length) return;
function updateActiveNav() {
// Use viewport coords: active = last section whose top has crossed the
// "reader line" below the nav. Slack matches when the heading feels on-screen
// (avoids off-by-one vs document scroll + margin collapse).
var navBottom = nav.getBoundingClientRect().bottom;
var slack = Math.min(160, Math.max(48, window.innerHeight * 0.26));
var readerLine = navBottom + slack;
var activeId = sections[0].id;
for (var i = 0; i < sections.length; i++) {
var top = sections[i].getBoundingClientRect().top;
if (top <= readerLine) activeId = sections[i].id;
}
navLinks.forEach(function (link) {
link.classList.toggle('active', link.getAttribute('href') === '#' + activeId);
});
}
var scheduled = false;
function onScrollOrResize() {
if (scheduled) return;
scheduled = true;
requestAnimationFrame(function () {
updateActiveNav();
scheduled = false;
});
}
window.addEventListener('scroll', onScrollOrResize, { passive: true });
window.addEventListener('resize', onScrollOrResize);
window.addEventListener('hashchange', updateActiveNav);
updateActiveNav();
})();
</script>
</body>
</html>
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Не найдено
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 0 оптимально.
Внешние ссылки
Кол-во: 134
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 134 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| scholar.google.com |
<svg xmlns="http://www.w3.org/2000/svg" viewbox="0 0 24 24" fill="currentColor"><path d="M12 24a7 7 0 1 1 0-14 7 7 0 0 1 0 14zm0-24L0 9.5l4.838 3.94A8 8 0 0 1 12 9a8 8 0 0 1 7.162 4.44L24 9.5z"></path></svg>
Google Scholar
|
Анализировать url |
| github.com |
<svg xmlns="http://www.w3.org/2000/svg" viewbox="0 0 24 24" fill="currentColor"><path d="M12 0c-6.626 0-12 5.373-12 12 0 5.302 3.438 9.8 8.207 11.387.599.111.793-.261.793-.577v-2.234c-3.338.726-4.033-1.416-4.033-1.416-.546-1.387-1.333-1.756-1.333-1.756-1.089-.745.083-.729.083-.729 1.205.084 1.839 1.237 1.839 1.237 1.07 1.834 2.807 1.304 3.492.997.107-.775.418-1.305.762-1.604-2.665-.305-5.467-1.334-5.467-5.931 0-1.311.469-2.381 1.236-3.221-.124-.303-.535-1.524.117-3.176 0 0 1.008-.322 3.301 1.23.957-.266 1.983-.399 3.003-.404 1.02.005 2.047.138 3.006.404 2.291-1.552 3.297-1.23 3.297-1.23.653 1.653.242 2.874.118 3.176.77.84 1.235 1.911 1.235 3.221 0 4.609-2.807 5.624-5.479 5.921.43.372.823 1.102.823 2.222v3.293c0 .319.192.694.801.576 4.765-1.589 8.199-6.086 8.199-11.386 0-6.627-5.373-12-12-12z"></path></svg>
GitHub
|
Анализировать url |
| twitter.com |
<svg xmlns="http://www.w3.org/2000/svg" viewbox="0 0 24 24" fill="currentColor"><path d="M18.244 2.25h3.308l-7.227 8.26 8.502 11.24H16.17l-5.214-6.817L4.99 21.75H1.68l7.73-8.835L1.254 2.25H8.08l4.713 6.231zm-1.161 17.52h1.833L7.084 4.126H5.117z"></path></svg>
Twitter
|
|
| hk.linkedin.com |
<svg xmlns="http://www.w3.org/2000/svg" viewbox="0 0 24 24" fill="currentColor"><path d="M20.447 20.452h-3.554v-5.569c0-1.328-.027-3.037-1.852-3.037-1.853 0-2.136 1.445-2.136 2.939v5.667H9.351V9h3.414v1.561h.046c.477-.9 1.637-1.85 3.37-1.85 3.601 0 4.267 2.37 4.267 5.455v6.286zM5.337 7.433c-1.144 0-2.063-.926-2.063-2.065 0-1.138.92-2.063 2.063-2.063 1.14 0 2.064.925 2.064 2.063 0 1.139-.925 2.065-2.064 2.065zm1.782 13.019H3.555V9h3.564v11.452zM22.225 0H1.771C.792 0 0 .774 0 1.729v20.542C0 23.227.792 24 1.771 24h20.451C23.2 24 24 23.227 24 22.271V1.729C24 .774 23.2 0 22.222 0h.003z"></path></svg>
LinkedIn
|
Анализировать url |
| comp.hkbu.edu.hk |
Department of Computer Science
|
Анализировать url |
| hkbu.edu.hk |
Hong Kong Baptist University
|
Анализировать url |
| ntu.edu.sg |
Nanyang Technological University
|
Анализировать url |
| liuziwei7.github.io |
Ziwei Liu
|
Анализировать url |
| mmlab-ntu.com |
Chen Change Loy
|
Анализировать url |
| surrey.ac.uk |
University of Surrey
|
Анализировать url |
| surrey.ac.uk |
Tao Xiang
|
Анализировать url |
| research.samsung.com |
Samsung AI Center Cambridge
|
Анализировать url |
| link.springer.com |
Large Vision-Language Models
|
Анализировать url |
| comp.hkbu.edu.hk |
World’s Top 2% Scientists
|
Анализировать url |
| hkbu.edu.hk |
香港浸会大学
|
Анализировать url |
| comp.hkbu.edu.hk |
计算机科学系
|
Анализировать url |
| ntu.edu.sg |
南洋理工大学
|
Анализировать url |
| liuziwei7.github.io |
LIU Ziwei
|
Анализировать url |
| mmlab-ntu.com |
LOY Chen Change
|
Анализировать url |
| surrey.ac.uk |
萨里大学
|
Анализировать url |
| surrey.ac.uk |
XIANG Tao
|
Анализировать url |
| research.samsung.com |
三星剑桥人工智能中心
|
Анализировать url |
| link.springer.com |
《大型视觉语言模型》
|
Анализировать url |
| comp.hkbu.edu.hk |
全球前 2% 顶尖科学家榜单
|
Анализировать url |
| arxiv.org |
Visionary-R1
|
Анализировать url |
| jiaerxia.github.io |
Streamo
|
Анализировать url |
| arxiv.org |
QZO
|
Анализировать url |
| link.springer.com |
Large Vision-Language Models
|
Анализировать url |
| drive.google.com |
Multimodal Foundation Models: Reasoning, Grounding, Awareness, and Adaptation
|
Анализировать url |
| drive.google.com |
Foundations of Vision-Language Models: Concepts and Roadmap
|
Анализировать url |
| prompting-in-vision.github.io |
Prompting in Visual Intelligence
|
Анализировать url |
| jiaerxia.github.io |
Jiaer Xia
|
Анализировать url |
| sifengshang.github.io |
Sifeng Shang
|
Анализировать url |
| zhoujiayi003.github.io |
Jiayi Zhou
|
Анализировать url |
| chenyulin-craig.github.io |
Chenyu Lin
|
Анализировать url |
| scholar.google.com |
Google Scholar
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| huggingface.co |
model
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| huggingface.co |
dataset
|
Анализировать url |
| videoodyssey-project.github.io |
project
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| huggingface.co |
dataset
|
Анализировать url |
| jiaerxia.github.io |
demo
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| link.springer.com |
book
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| huggingface.co |
model
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| huggingface.co |
dataset
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| pubmed.ncbi.nlm.nih.gov |
paper
|
Анализировать url |
| dl.acm.org |
paper
|
Анализировать url |
| link.springer.com |
paper
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| openaccess.thecvf.com |
paper
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
paper
|
Анализировать url |
| github.com |
code
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Оптимизация сайта maifoundations.com выполнена всего на 51%. Чтобы исправить ситуацию и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: