博士的尽头是教职?何恺明官宣加入MIT,正式回归学术界!

来源 | 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) 。

1cc3e0a62854a2d7e2815c93a781eeb5.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!

c5f2840fe4df8eec2d17dc61802d3d0b.png

除此之外,也有网友羡慕表示,MIT的学生有福了

066734528b6a7fbc94f0c8150648f294.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?

d46c2bcd9da980d1d8796ebce28c34f4.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。

240f58fa40b5d490a5380878ad752e50.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。

165f10af588393c8edb0a875fbd49298.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+。

cfb39d917451719287b9b04dce5a71d3.png

而现在,何恺明被引用次数已经高达46万+

87c4f5058ae78859b2df0a77f7f5f7b8.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。

338df7be95a59c24d05175c561cec788.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。

bb140a881dac1370a95ed8f293d62051.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。

448146e063a997be2a37bd5bdbc90710.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。

c73f49bcd6dba47cfeb91d6abe342535.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

6efc9fddcaa07700a0761718128c59ac.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。

c3ba71b6f17384a49b6ba5862ea33298.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。

c75de7c78900ad65f47536067a75a416.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。

15d426006c6cfe7c878408c75586fea9.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/

 
 

af4c08d845072097581483111792b806.jpeg

 
 
 
 
 
 
 
 
往期精彩回顾




适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群772479961,加入微信群请扫码
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值