Update README.md

README.md

@@ -56,6 +56,30 @@ viewer: false
 - （2）高效视频自回归生成模型
 
  <video src="https://huggingface.co/datasets/BruceFeng98/AiDLab/resolve/main/runwayshots.mp4" width="1024" controls autoplay loop/></video>
+ 
+---
+
+
+## 🧠 技术命题与深度讨论 (Research Challenges)
+
+我们诚邀对以下 Fashion AI 前沿问题有独到见解的同学加入讨论，选择一两个问题，你可以先让AI思考，然后加入自己的见解，也可提出自己其他的问题思考：
+
+### 1. 伪高清视频的识别与视觉质量评估
+* **挑战**：许多历史影像虽经插值提升了分辨率（如 4K），但实际视觉质量（清晰度、纹理细节）依然很差。
+* **思考**：如何构建 **无参考视频质量评估 (No-Reference VQA)** 模型？
+
+### 2. 视频中运动模糊 (Motion Blur) 的解决路径
+* **挑战**：T 台走秀中模特动作较快，采集到的数据常伴随严重的运动模糊。
+* **思考**：在生成式模型中，是应该在**预处理阶段**引入去模糊算法（Deblurring），还是在 **Diffusion Model 的训练阶段** 引入运动轨迹先验（Motion Prior）来增强对模糊帧的重建能力？
+
+### 3. FashionShow 复杂镜头语言的受控生成
+* **挑战**：秀场包含推拉摇移、侧拍、俯拍等极其丰富的摄影机轨迹。
+* **思考**：如何解耦**人体运动**与**相机运动**？是否可以通过引入 Camera Injection（如 CameraCtrl）或参考位姿序列（Pose Sequence）来实现对特定镜头语言的精准复现？
+
+### 4. 复杂背景下的人像前后景分离
+* **挑战**：T 台周围常有密集的观众和相似的模特背景，传统分割易出现粘连。
+* **思考**：在 Fashion 场景下，如何结合 **Robust Video Matting (RVM)** 与最新的 **Segment Anything (SAM 2)** 提升时序分割的稳定性？针对前景后景都是人像的极端情况，如何利用深度估计（Depth Estimation）进行语义层级的遮挡关系建模？
+
 ---
 
 ## 📩 投递通道
@@ -65,4 +89,6 @@ viewer: false
 ---
 
 
+
+
 `#ComputerVision` `#AIGC` `#FashionAI` `#HongKongJobs` `#AiDLab`