当前位置:   article > 正文

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

03年广东高考状元
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) 。

b38eb2c569a01d46298ccb16a97fba24.png

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!

25b792f1bed3d9336a9a953b6d503b4b.png

除此之外,也有网友羡慕表示,MIT的学生有福了

d544762015a41913d7af0b1e691b46c6.png

也有一部分网友对Meta人才流失,发出灵魂拷问:

还剩谁在Meta?

917ebf4c64462f1ad2234d4198affc1e.png

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。

2a1b349d6ffcc4beb052e498ccea35f2.png

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。

7b52dd7d1945fb4353772a503d205090.png

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+。

55372b150f0caff364ed7f757ca659fe.png

而现在,何恺明被引用次数已经高达46万+

19d9cbfa925aeb2daaa40bab7f89290e.png

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。

eb67ba0ea2a7529cc89949d0f63bf541.png

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。

1766772836a010e37272217b32e5ba67.png

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。

a4753e9d608c787faa795a4e89ff631d.png

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。

166e14264d28898cbe6eb63dc64ee125.png

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

b8e77bc375e9b91691a0508d2ce6ac29.png

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。

a317d9d91426a6543c8546f3ce5e4e15.png

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。

653caef6ceb366d5d0dc7473fc5c4cf4.png

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。

d3888078a38a2c62afc9dd41f1e36e83.png

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! 

经典GAN不得不读:StyleGAN

f3488491a894eee6618d244944d55f84.png 戳我,查看GAN的系列专辑~!

一杯奶茶,成为AIGC+CV视觉的前沿弄潮儿!

最新最全100篇汇总!生成扩散模型Diffusion Models

ECCV2022 | 生成对抗网络GAN部分论文汇总

CVPR 2022 | 25+方向、最新50篇GAN论文

 ICCV 2021 | 35个主题GAN论文汇总

超110篇!CVPR 2021最全GAN论文梳理

超100篇!CVPR 2020最全GAN论文梳理

拆解组新的GAN:解耦表征MixNMatch

StarGAN第2版:多域多样性图像生成

附下载 | 《可解释的机器学习》中文版

附下载 |《TensorFlow 2.0 深度学习算法实战》

附下载 |《计算机视觉中的数学方法》分享

《基于深度学习的表面缺陷检测方法综述》

《零样本图像分类综述: 十年进展》

《基于深度神经网络的少样本学习综述》

《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!

555bb7efe7b0ca34cf6145b00b573cba.png

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/我家小花儿/article/detail/781771
推荐阅读
相关标签
  

闽ICP备14008679号