计算机视觉研究的重点是提高低光和不利条件下的精度。当前的工作解决了诸如运动模糊，光线不足和大气干扰等挑战。关键领域包括开发用于夜视系统，水下成像和通过雾检测的强大算法。
项目通常将传统的图像处理与深度学习相结合，以提高性能。多模态学习将视觉数据与其他输入类型 (如文本、音频或传感器数据) 相结合。研究探讨了如何有效地融合不同的数据源以提高理解。示例包括可以从文本描述生成图像、理解对话中的视觉参考或组合热图像和可见光图像以更好地检测对象的系统。
实时3D场景理解仍然是一个活跃的研究领域。这包括从单个图像的准确深度估计、动态场景重建以及理解3D空间中的对象交互。当前的工作重点是在保持准确性的同时降低计算要求，使这些系统适用于移动设备和自动驾驶车辆。