Nguyen Mai Hong Tram
Hướng nghiên cứu của tôi đi từ thị giác máy tính và hỏi đáp hình ảnh y khoa đến hiểu dữ liệu đa phương thức và video. Gần đây, tôi tập trung vào việc định vị hành động theo thời gian trong video góc nhìn thứ nhất.
Học đa phương thức / Hiểu video / Hành động và tương tác
Năm câu hỏi nối tiếp nhau cho thấy quá trình phát triển mối quan tâm nghiên cứu của tôi. Câu hỏi cuối là định hướng tương lai, chưa phải một dự án đã hoàn thành.
Nghiên cứu ban đầu về phát hiện và nhận dạng chữ trong ảnh tiếng Việt đã khơi gợi mối quan tâm của tôi đối với biểu diễn thị giác vững chắc.
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Tôi phát triển GNN-SurgVQA từ xác định bài toán, xây dựng mô hình, đánh giá đến viết bản thảo.
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Tại TMA Solutions, tôi nghiên cứu nhận dạng ngôn ngữ ký hiệu liên tục và tạo avatar 3D từ văn bản. Công việc này đưa tôi đến với các hành động theo chuỗi.
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Tại VinRobotics, tôi phát triển và đánh giá các quy trình VLM nhiều giai đoạn để mô tả hành động có định vị thời gian trong video góc nhìn thứ nhất.
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Hướng quan tâm hiện tại của tôi mở rộng sang AI lấy hành động làm trung tâm và trí tuệ hiện thân, bao gồm nghiên cứu VLM và VLA.
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Nhận thức thị giác
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Làm thế nào để mô hình trích xuất thông tin có cấu trúc một cách tin cậy từ cảnh ảnh phức tạp?
Suy luận đa phương thức
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Quan hệ tường minh giữa các đối tượng có thể cải thiện khả năng hỏi đáp hình ảnh phẫu thuật không?
Hành động theo chuỗi
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Làm thế nào để mô hình hiểu cử chỉ diễn biến theo thời gian thay vì chỉ nhìn các khung hình tĩnh?
Định vị theo thời gian
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Mô hình thị giác–ngôn ngữ nên biểu diễn các hành động diễn ra theo thời gian như thế nào?
Hướng nghiên cứu tương lai
Sơ đồ khái niệm, không phải dữ liệu nghiên cứu
Làm thế nào để mô hình đa phương thức hiểu hành động và tương tác đủ sâu để hỗ trợ tác tử thông minh?
Từ nhận biết điều nhìn thấy đến hiểu điều đang diễn ra.
Các mối quan tâm này nối kết công việc trước đây với hướng nghiên cứu tôi muốn theo đuổi tiếp theo.
Kết nối thông tin thị giác với ngôn ngữ và suy luận giữa nhiều phương thức.
Nghiên cứu hành động, thứ tự thời gian và định vị trong video góc nhìn thứ nhất.
Tìm hiểu các mô hình có thể hiểu tương tác và hỗ trợ tác tử hiện thân.
Câu hỏi nghiên cứu, phần việc tôi thực hiện và kết quả hoặc bài học từ từng dự án.
Quan hệ tường minh giữa các đối tượng có thể cải thiện khả năng hỏi đáp hình ảnh phẫu thuật không?
Tôi thực hiện nghiên cứu từ xác định bài toán, chuẩn bị dữ liệu, phát triển mô hình, đánh giá đến viết bản thảo.
Trên SSG-VQA, bộ dữ liệu khoảng 960 nghìn cặp hỏi–đáp, mô hình đạt độ chính xác 85,9% và F1 có trọng số 85,8% trên tập kiểm thử visual oracle gồm 77.198 câu hỏi.
Thiết lập visual oracle dùng các hộp giới hạn có sẵn trong SSG-VQA, thay vì dự đoán từ bộ phát hiện YOLOv8 đã tinh chỉnh.
Xem mã nguồn công khaiMô hình thị giác–ngôn ngữ nên biểu diễn các hành động diễn ra theo thời gian như thế nào?
Tôi phát triển và đánh giá các quy trình thị giác–ngôn ngữ nhiều giai đoạn; thiết kế thí nghiệm có kiểm soát về lấy mẫu khung hình, định vị thời gian, prompt và điều chỉnh mô hình.
Tôi phân tích sự mơ hồ về hướng, chênh lệch dữ liệu và hiện tượng quá khớp; đồng thời khảo sát các phương pháp VLM/VLA gần đây qua tài liệu và thí nghiệm quy mô lớn với SGLang.
Thực tập nghiên cứu, nhóm AI Platform VLA, tháng 7–8/2026.
Ra quyết định bằng toán học trong những ràng buộc thực tế.
Làm thế nào để cân bằng chi phí và thời gian chờ của bệnh viện trong điều kiện vận hành thực tế?
Tôi mô hình hóa bài toán định tuyến xe điện đa mục tiêu với trạm đổi pin và khung thời gian, rồi phát triển các phương pháp lai NSGA-II và SPEA2 kết hợp Savings, 2-opt và 3-opt.
Đánh giá trên bộ chuẩn EVRP-TW và nghiên cứu tình huống tại Thành phố Hồ Chí Minh gồm 36 bệnh viện và 6 trạm đổi pin.
Giải B Nghiên cứu khoa học sinh viên UEH · Bán kết Eureka 2025
Xem mã nguồn công khaiCác công trình đã xuất bản hoặc được chấp nhận, kèm liên kết công khai khi có.
International Conference on Data Analytics and Management (ICDAM)
Best Paper · đã được chấp nhận, bài báo chưa công bố
ICDAM 2025 · Lecture Notes in Networks and Systems, vol. 1601 · Springer
Đã xuất bản
Công việc nghiên cứu và kỹ thuật về thị giác, ngôn ngữ và hiểu dữ liệu theo chuỗi.
Tháng 7–8/2026
VinRobotics · AI Platform, VLA Team
Mô tả hành động có định vị thời gian trong video góc nhìn thứ nhất, với các thí nghiệm có kiểm soát về lấy mẫu, định vị, prompt và điều chỉnh mô hình.
Tháng 3–5/2026
TMA Solutions
Nghiên cứu giao tiếp hai chiều bằng ngôn ngữ ký hiệu và suy luận trên trình duyệt với PyTorch và ONNX Runtime Web.
Tháng 3/2025–1/2026
Đại học Kinh tế Thành phố Hồ Chí Minh
Nghiên cứu hỏi đáp hình ảnh phẫu thuật, nhận dạng chữ trong ảnh tiếng Việt và tối ưu hóa đa mục tiêu qua toàn bộ quy trình nghiên cứu.
Các hệ thống ứng dụng bên cạnh danh mục nghiên cứu.
Hỗ trợ chấm bài Toán bằng AI
Dự án cuối khóa Chương trình Tài năng AI ứng dụng Vingroup × VinUniversity
Hệ thống chấm Toán trung học với giáo viên trong vòng kiểm soát, phản hồi dựa trên bằng chứng, phân tích lỗi theo lớp, phân luồng theo độ tin cậy và bảo vệ thông tin cá nhân.
Xem bản demoĐại học Kinh tế Thành phố Hồ Chí Minh
Tháng 9/2022–3/2026
3.92 / 4.00GPA
Hạng 2 ngành Khoa học dữ liệuTop 5% Khoa Công nghệ Thông tin Kinh doanh