2015年1月21日，微软亚洲研究院研究员梅涛博士应邀来北大计算机研究所交流，做了题为“Video Captioning: Bridging Video and Language with Deep Learning”的学术报告。

近些年，深度学习的发展推动了视频分析的相关研究。卷积神经网络对高层视觉语义建模十分有效，同时递归神经网络也能对视频数据的时域信息进行很好的建模。梅涛博士在报告中主要介绍了他们的一些利用深度学习来理解分析视频数据的方法。包括用递归神经网络来对语句与视频数据进行建模，从而得到从视频到语句的结果，这项工作也取得了目前该领域中最好的效果。此外，梅涛博士还介绍了深度学习方法在视频序列的动作识别中的应用。梅涛博士的精彩报告吸引了包括北大校内相关单位师生以及校外同学参与，并在问答环节进行了深入细致的交流。

梅涛博士是微软亚洲研究院的Lead Researcher，主要从事多媒体分析和检索、计算机视觉等方面的研究。目前已经发表了150多篇文章，超过4000多次引用。他曾在2007年、2009年的ACM Multimedia会议、2014年的IEEE TCSVT期刊中获得Best Paper Awards奖项，在2013年的IEEE TMM期刊中获得Prize Paper Award奖项。梅涛博士还担任IEEE TMM, ACM TOMM, MMSJ等期刊的Associate Editor。