- 1什么是Eureka？
- 2Git强制更新本地库和冲突解决
- 3基于Python的(拍照签到+网课在线检测)深度学习的人脸识别系统_基于python的课堂人脸识别签到系统的知识点
- 413.hadoop系列之MapReduce排序实践_mapreduce降序输出
- 52020B证(安全员)证考试及B证(安全员)模拟考试题_以下哪项是“物的不安全状态”?使用不安全的设备、设施
- 6Observability: Best practices for modern applications
- 7yolov8训练数据集box_loss、cls_loss、dfl_loss的值为nan_dflloss
- 8贝叶斯优化xgboost的超参数最简实现_xgboost回归贝叶斯调优
- 9动态编程神器! 探秘.Net中的AI时代秘密武器——Natasha框架全解析_net semantic kernel + natasha:我花一小时,用ai写了100个api接口
- 10安全生产月答题题库自动答题（合集）_安培空间自动答题
广东03年高考状元、AI大神 何恺明 加入MIT，成为全校最高他引第一人
赞
踩
本文 尚恩 发自 凹非寺 量子位 | 公众号 QbitAI
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) 。
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！
除此之外，也有网友羡慕表示，MIT的学生有福了！
也有一部分网友对Meta人才流失，发出灵魂拷问：
还剩谁在Meta？
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。
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。
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+。
而现在，何恺明被引用次数已经高达46万+！
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。
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。
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。
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。
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。
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。
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。
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。
你如何看待这股“回归学术界”的趋势呢？
参考链接：
[1]https://kaiminghe.github.io/
[2]https://scholar.google.com/citationsuser=DhtAFkwAAAAJ&hl=en/
关注公众号【机器学习与AI生成创作】，更多精彩等你来读
卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完
深入浅出stable diffusion：AI作画技术背后的潜在扩散模型论文解读
深入浅出ControlNet，一种可控生成的AIGC绘画生成算法！
最新最全100篇汇总！生成扩散模型Diffusion Models
附下载 |《TensorFlow 2.0 深度学习算法实战》
《礼记·学记》有云：独学而无友，则孤陋而寡闻
点击一杯奶茶，成为AIGC+CV视觉的前沿弄潮儿！，加入 AI生成创作与计算机视觉 知识星球！
