张曼老师带领的视觉感知与生成团队致力于研究泛在智能视觉感知理论与技术，主要面向以人为中心的计算机视觉和自然语言处理领域（人体姿态估计及多模态融合、数字人生成、生物特征识别等），团队已在IEEE TPAMI, IEE TMM, IEEE TIFS, CVPR, ECCV, ICCV, ACM MM, AAAI等知名期刊和会议发表学术论文多篇，承担重点研发计划课题、国家自然科学基金面上项目、北京市人工智能专项等多项科研项目。

团队以泛在分布的视觉感知平台对于人体分析带来的机遇和挑战为动力，围绕面向开放场景人体分析和生成的研究主题，主要开展如下几方面的研究工作：（1）人体姿态和动作生成，对人体每个组件进行了量身定制，以高效、高质量地生成人体姿态和运动；（2）人脸表情生成，将文本到面部表情细化为文本到面部动作之间的关系，实现文本驱动的三维面部表情动画生成；（3）数字人生成，提出面向数字人动作生成的“面部-动作-声音-视觉-文本”多模态表征理论框架和计算模型，构建多模态数据驱动的数字人动作生成大模型；（4）步态识别，主要研究在开放场景下，通过人体部件分割和数据生成解决步态识别领域中的遮挡和多视角识别问题；（5）对话生成，利用大模型能力构建智能知识系统，例如角色扮演的对话生成，及面向专业领域的问答大模型。