R-CNN-Autor Ross Girshick trat zurück, He Kaiming und Xie Saining kehrten in die Wissenschaft zurück, wie viele großartige Köpfe sind aus Meta CV hervorgegangen

Yann LeCun sagte: „Es ist unser Verlust für Talente, FAIR zu verlassen, aber ich freue mich trotzdem für sie.“

Ein weiterer namhafter Forschungswissenschaftler ist gegangen, dieses Mal ist es Ross Girshick, der Autor von R-CNN

Kürzlich gab Meta-Chefwissenschaftler Yann LeCun auf Twitter bekannt, dass Ross Girshick FAIR verlassen und sich Allen Artificial Intelligence Research anschließen wird Institut (AI2). Zu den zuvor zurückgetretenen Personen gehören der ResNeXt-Autor Xie Saining (als Assistenzprofessorin an die New York University), Georgia Gkioxari (als Assistenzprofessorin an das Caltech) usw.

^{Quelle: https://twitter.com/ylecun/status/1730713022195470541}

Wir haben Ross Girshicks persönliche Homepage überprüft und die Nachricht von seinem Rücktritt von FAIR bestätigt. Er wird Anfang 2024 zu AI2 wechseln.

Ani Kembhavi, Senior Director für Computer Vision bei AI2, sagte, Ross Girshick werde dem PRIOR-Team beitreten. PRIOR steht für Perceptual Reasoning and Interaction Research. Es ist das Computer-Vision-Forschungsteam von AI2 und hat es sich zum Ziel gesetzt, die Computer-Vision-Forschung voranzutreiben, um KI-Systeme zu schaffen, die die Welt sehen, erforschen, lernen und darüber nachdenken können : https://twitter.com/anikembhavi/status/1730655170038821085

Ross Girshick hat einen Beitrag gepostet, in dem er sich an seine Karriere bei Meta erinnert und sagt, dass FAIR ein fantastischer Ort war und bleiben wird. Aber ein zu langer Aufenthalt an einem Ort (8 Jahre) kann ein guter Grund sein, den Ort zu verlassen. Neuinitialisierung und Randomisierung sind in einer Forschungskarriere sehr wichtig. Darüber hinaus erklärte er, dass jegliches Gerede über die Veröffentlichung von Indikatoren reiner Unsinn sei.

Die Bildquelle finden Sie unter folgendem Link: https://twitter.com/inkynumbers/status/1730735493711810639

Tatsächlich mit der Ankündigung, Ende Juli in die akademische Welt zurückzukehren In diesem Jahr wird er 2024 zu UMass wechseln.

He Kaiming, der als Fakultätsmitglied in der EECS-Abteilung für Elektrotechnik und Informatik am Institute of Technology (MIT) tätig ist, hat FAIR viele große Namen im Lebenslaufbereich hervorgebracht den letzten Jahren.

Yann LeCun sagte, dass ihr Weggang ein Verlust für FAIR sei, aber er freue sich für sie. Er sieht absolut nichts Falsches daran, dass Wissenschaftler aus Industrielabors in die Wissenschaft oder zu gemeinnützigen Organisationen wechseln. Für einige ist dies ein natürlicher Karriereschritt. Umgeschriebener Inhalt: LeCun führte auch das Beispiel von Bell Labs an, wo viele Wissenschaftler 5 bis 10 Jahre nach ihrem Ausscheiden eine Festanstellung an einer guten Universität erhielten (wobei der harte Kampf vollständig übersprungen wurde). In verschiedenen Lebensabschnitten ändern sich die Prioritäten. Menschen, die schon lange in der Industrie tätig sind, möchten vielleicht in die Lehre gehen, mit Studenten zusammen sein und die direkten Vorteile des Unterrichtens genießen

Tatsächlich kann man nach ein paar Jahren bei FAIR eine Anstellung im akademischen Bereich erhalten eine Funktion, kein Fehler. Dieser Wandel ist bei FAIR möglich, das wie Bell Labs offene Forschung praktiziert und Wissenschaftler zur Veröffentlichung ermutigt.

Der Start von FAIR bedeutet, dass Menschen ihren Beruf risikofrei wählen können. Dies ist sowohl für Praktiker als auch für Akademiker eine gute Sache, da es das Forschungsökosystem erweitert.

LeCun wies auch darauf hin, dass sich in den letzten Jahren viele talentierte junge Informatiker für FAIR entschieden haben, darunter Ishan Misra, Nicolas Carion, Xinlei Chen und Christoph Feichtenhofer und andere

Der Abfluss und Zufluss von Talenten ist eine normale Sache und viele Menschen entscheiden sich dafür, ihre Komfortzone zu verlassen. Einige Leute glauben jedoch, dass der kontinuierliche Abgang der KI-Giganten von FAIR etwas Licht auf die aktuelle Situation der Organisation werfen kann

Im vergangenen Jahr hat Meta sukzessive Großmodelle der Serien Llama und Llama 2 als Open-Source-Modelle veröffentlicht und sich so zu einer unverzichtbaren Kraft in der Open-Source-Community entwickelt. Meta steht jedoch auch vor vielen Herausforderungen, wenn es darum geht, Talente im Bereich der künstlichen Intelligenz zu halten, und der Verlust von Talenten ist unvermeidlich. Wissenschaftler wie Ross Girshick, die umfangreiche Erfahrung in der Industrie gesammelt haben und an Universitäten oder gemeinnützigen Institutionen transferiert wurden, werden eine einzigartige Perspektive in die akademische Welt einbringen und möglicherweise wirkungsvollere Forschung betreiben

RBG-Master: Ross· Einführung in Girshick

Link zur persönlichen Homepage: https://www.rossgirshick.info/

Zuvor war Ross Girshick wissenschaftlicher Mitarbeiter bei Meta FAIR und arbeitete an Computer Vision und Forschung zum maschinellen Lernen. 2012 erhielt er seinen Doktortitel in Informatik von der University of Chicago.

Bevor Ross zu FAIR kam, arbeitete er als Forscher bei Microsoft Research und als Postdoktorand an der University of California, Berkeley. Dort studierte er bei den Professoren Jitendra Malik und Trevor Darrell

Ross‘ Forschungsinteressen umfassen visuelle Wahrnehmungsalgorithmen (Objekterkennung, Lokalisierung, Segmentierung, Posenschätzung usw.), Repräsentationslernen (mit starker Aufsicht, schwacher Aufsicht oder nicht). Supervision überhaupt) betreute vorab trainierte Netzwerke) und Visions- und Sprachforschung.

Für seine Beiträge zu Open-Source-Software und Datensätzen wurde Ross mit dem PAMI Young Investigator Award 2017 und dem PAMI Mark Everingham Award 2017, 2021 und 2023 ausgezeichnet.

Ross hat viele Ergebnisse auf dem Gebiet der künstlichen Intelligenz erzielt erlangte Berühmtheit durch die Entwicklung der Objekterkennungsmethode „Region-based Convolutional Neural Network (R-CNN)“. Man kann sagen, dass diese Forschung die Forschungsrichtung im Bereich der Zielerkennung völlig verändert hat. Nachfolgende Forschungen wie Fast-RCNN und Faster-RCNN basieren alle auf R-CNN

Seine Google Scholar-Zitate übersteigen derzeit 41.000 der Zeiten

In der Arbeit, an der Ross in der Vergangenheit beteiligt war, gab es viele beliebte Forschungsprojekte, wie Fast R-CNN, Mask R-CNN, YOLO, Faster R-CNN und SAM usw.

Im Jahr 2017 gewann Ross Mask R-CNN den ICCV Marr Award (Best Paper), und dieser Artikel hat mittlerweile mehr als 30.000 Zitate; ein weiterer Artikel „Focal Loss for Dense Object Detection“ gewann in diesem Jahr den ICCV Best Student Paper.

Im Jahr 2021 wurde der Artikel „Masked Autoencoders Are Scalable Vision Learners“, an dem Girshick teilnahm , zu einem heißen Thema in der Computer-Vision-Szene. In diesem Artikel wird eine neue Methode namens Masked Autoencoders (MAE) demonstriert, die als skalierbarer selbstüberwachter Lerner für Computer Vision verwendet werden kann.

Dieses Jahr veröffentlichte Meta das „Segment Anything“-Modell (SAM), das von vielen als untergrabend für die Forschung im traditionellen Lebenslaufbereich gelobt wurde. Ross ist einer der Autoren dieses Papiers. Jetzt entscheide ich mich für AI2 und freue mich auf weitere tolle Arbeiten von Girshick.

Das obige ist der detaillierte Inhalt vonR-CNN-Autor Ross Girshick trat zurück, He Kaiming und Xie Saining kehrten in die Wissenschaft zurück, wie viele großartige Köpfe sind aus Meta CV hervorgegangen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!