• 首页 首页 icon
  • 工具库 工具库 icon
    • IP查询 IP查询 icon
  • 内容库 内容库 icon
    • 快讯库 快讯库 icon
    • 精品库 精品库 icon
    • 问答库 问答库 icon
  • 更多 更多 icon
    • 服务条款 服务条款 icon

何恺明官宣,正式回归学术界

武飞扬头像
夕小瑶谈人工智能
帮助1

 夕小瑶科技说 分享

传奇大神何恺明,最新动向尘埃落定!

刚刚他正式宣布,自己将于2024年加入MIT EECS(电子工程和计算机科学系) 。

学新通

何恺明是CV领域的翘楚,从CVPR首个华人最佳论文再到ResNet,其谷歌学术被引用次数已经突破46万次。

消息一出,英伟达AI科学家Jim Fan第一时间发来贺电,并表示:

他的成就太多数不过来了,有些人就是为AI而生的!

学新通

除此之外,也有网友羡慕表示,MIT的学生有福了!

学新通

也有一部分网友对Meta人才流失,发出灵魂拷问:

还剩谁在Meta?

学新通

大模型研究测试传送门

GPT-4能力研究传送门(遇浏览器警告点高级/继续访问即可):https://gpt4test.com

MIT最高引第一人

今年3月,何恺明就曾在MIT做讲主题为“视觉智能”的Job Talks(求职演讲),并透露未来将主要聚焦AI for Science,包括视觉和NLP大一统做self-supervised X AI。

学新通

当时据现场网友描述,会场人满为患,仅排队就拐了几个弯,为此MIT CSAIL还临时开了隔壁会议室投屏。

学新通

这件事当时不仅引起AI圈广泛关注,也引来不少网友猜测“他会不会加入MIT”。

现在,随着何恺明亲自官宣,一切都终于能确认了!而他也将成为MIT最高引第一人。

此前MIT全校被引用次数最高的,是化学与生物医学工程系的重量级教授Robert Langer,Google Scholar上次数为39万 。

学新通

而现在,何恺明被引用次数已经高达46万 !

学新通

另外,根据官宣内容,何恺明将于2024年加入MIT的电子工程和计算机科学系(EECS)。

EECS是MIT最大的学术部门,也是世界著名的计算科学和AI研究科系。

这里云集了众多计算机科学和AI领域的知名人物,包括MIT App Inventor尝试领导人Hal Abelson等等。

学新通

CV大神

何恺明本科就读于清华大学物理系,博士师从汤晓鸥,毕业于香港中文大学。

2009年,汤晓鸥、何恺明以及孙剑凭借论文“Single Image Haze Removal Using Dark Channel Prior”,获得该年度 CVPR的最佳论文奖,这也是第一次颁发给亚洲研究学者。

学新通

2011年博士毕业后进入微软亚洲研究院工作,任研究员,并在2016年加入Facebook AI Research(FAIR)继续研究计算机视觉。

学新通

2015年,何恺明提出ResNet(深度残差网络),不仅在ILSVRC 2015分类任务竞赛斩获第一名,还拿到了2016年CVPR最佳论文。

ResNet目前也是其最高引研究,单篇引用量在2021年底突破10万次,目前已涨至17万次。

学新通

在FAIR期间,何恺明和团队在计算机视觉领域取得不少亮眼的成绩,包括Faster R-CNN及后续的Mask R-CNN等一系列研究。

其中,Mask R-CNN解决了图片中的实例级对象分割问题,不仅能将照片中的人、动物等对象单一检测,还可为其每个对象实例生成一个高质量分隔遮罩,该研究也获得了ICCV 2017最佳论文。

学新通

他的近期主要研究兴趣是无监督学习,21年底提出的MAE,将语言模型的掩码预训练方法用在视觉模型上,为视觉大规模无监督预训练大模型开路。

最近他还将掩码方法引入众多AI绘画应用的基础模型CLIP,把训练速度提升了3.7倍。

学新通

One More Thing

最近一段时间,回归学术界逐渐生成一股浪潮,FAIR多位研究大牛离职。

去年9月,ResNeXt一作谢赛宁就宣布离开,将于今年1月加入纽约大学担任助理教授。

学新通

谢赛宁的主要研究方向也是以“深度学习、计算机视觉”为主。目前,他在Google Scholar上的引用量已经超过3万 。

此前就有网友针对《如何看待Kaiming面试MIT教职?》给出自己的答案。

学新通

你如何看待这股“回归学术界”的趋势呢?

学新通

参考资料

 [1]https://kaiminghe.github.io/
 [2]https://scholar.谷歌.com/citationsuser=DhtAFkwAAAAJ&hl=en/

这篇好文章是转载于:学新通技术网

  • 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
  • 本站站名: 学新通技术网
  • 本文地址: /boutique/detail/tanhibggcc
系列文章
更多 icon
同类精品
更多 icon
继续加载