L'auteur de R-CNN, Ross Girshick, a démissionné, He Kaiming et Xie Saining sont retournés dans le monde universitaire, combien de grands esprits ont émergé de Meta CV

Yann LeCun a déclaré : "C'est notre perte pour les talents de quitter FAIR, mais je suis quand même heureux pour eux."

Un autre chercheur de renom est parti, cette fois il s'agit de Ross Girshick, l'auteur de R-CNN

Récemment, Yann LeCun, scientifique en chef de Meta, a annoncé sur Twitter que Ross Girshick quitterait FAIR et rejoindrait Allen Artificial Intelligence Research. Institut (AI2). Parmi les personnes précédemment démissionnées figurent Xie Saining, auteur de ResNeXt (qui a rejoint l'Université de New York en tant que professeur adjoint), Georgia Gkioxari (qui a rejoint Caltech en tant que professeur adjoint), etc.

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

Nous avons vérifié la page d'accueil personnelle de Ross Girshick et confirmé la nouvelle de sa démission de FAIR. Il rejoindra AI2 début 2024.

Ani Kembhavi, directeur principal de la vision par ordinateur chez AI2, a déclaré que Ross Girshick rejoindrait l'équipe PRIOR. PRIOR signifie Perceptual Reasoning and Interaction Research. Il s'agit de l'équipe de recherche en vision par ordinateur d'AI2 et s'engage à faire progresser la recherche en vision par ordinateur pour créer des systèmes d'IA capables de voir, d'explorer, d'apprendre et de raisonner sur le monde

^{Source : https ://twitter.com/anikembhavi/status/1730655170038821085}

Ross Girshick a posté un article rappelant sa carrière chez Meta, disant que FAIR était et restera un endroit incroyable. Mais rester trop longtemps au même endroit (8 ans) peut être une bonne raison de partir. La réinitialisation et la randomisation sont très importantes dans une carrière de chercheur. En outre, il a également déclaré que toute discussion sur la publication d’indicateurs était un pur non-sens.

^{Veuillez vous référer au lien suivant pour la source de l'image : https://twitter.com/inkynumbers/status/1730735493711810639}

En fait, avec l'annonce du retour au monde universitaire fin juillet cette année, il rejoindra UMass en 2024 He Kaiming, qui est membre du corps professoral du département EECS de génie électrique et d'informatique de l'Institut de technologie (MIT), FAIR a produit de nombreux grands noms dans le domaine du CV en dernières années.

Yann LeCun a déclaré que leur départ est une perte pour FAIR, mais il est heureux pour eux. Il ne voit absolument rien de mal à ce que les scientifiques des laboratoires industriels se tournent vers le monde universitaire ou vers des organisations à but non lucratif. Pour certains, il s’agit d’une évolution de carrière naturelle.

Contenu réécrit : LeCun a également cité l'exemple des Bell Labs, où de nombreux scientifiques obtiendraient leur titularisation dans une bonne université 5 à 10 ans après avoir quitté (en sautant complètement le dur processus de titularisation). À différentes étapes de la vie, les priorités changent. Les personnes qui travaillent dans l'industrie depuis longtemps voudront peut-être se lancer dans l'enseignement, être avec des étudiants et profiter des récompenses directes de l'enseignement.

En fait, les gens peuvent obtenir un poste dans le milieu universitaire après avoir travaillé chez FAIR pendant quelques années. une fonctionnalité, pas un bug. Ce changement est possible au FAIR qui, comme les Bell Labs, pratique la recherche ouverte et encourage les scientifiques à publier.

Le lancement de FAIR permet aux gens de choisir leur carrière sans prendre de risques. C'est une bonne chose à la fois pour les praticiens et les universitaires car cela élargit l'écosystème de recherche

LeCun a également souligné qu'au cours des dernières années, de nombreux jeunes informaticiens talentueux ont choisi de rejoindre FAIR, comme Ishan Misra, Nicolas Carion, Xinlei Chen et Christoph. Feichtenhofer et autres

L'afflux et la sortie de talents sont une chose normale, et de nombreuses personnes choisissent de quitter leur zone de confort. Cependant, certains pensent que le départ continu des géants de l'IA de FAIR peut jeter un peu de lumière sur la situation actuelle de l'organisation

.

Au cours de la dernière année, Meta a successivement lancé des modèles open source à grande échelle des séries Llama et Llama 2, devenant ainsi une force indispensable dans la communauté open source. Cependant, Meta est également confrontée à de nombreux défis pour retenir les talents en intelligence artificielle, et la perte de talents est inévitable. Des scientifiques comme Ross Girshick, qui ont accumulé une riche expérience dans l'industrie, transféré dans des universités ou des institutions à but non lucratif, apporteront une perspective unique au monde universitaire et pourraient mener des recherches plus percutantes

Master RBG : Ross · Introduction à Girshick

Lien personnel vers la page d'accueil : https://www.rossgirshick.info/

Auparavant, Ross Girshick était chercheur scientifique chez Meta FAIR, travaillant sur la vision par ordinateur et la recherche sur l'apprentissage automatique. Il a obtenu son doctorat en informatique de l'Université de Chicago en 2012.

Avant de rejoindre FAIR, Ross a été chercheur chez Microsoft Research et chercheur postdoctoral à l'Université de Californie à Berkeley. Là, il a étudié auprès des professeurs Jitendra Malik et Trevor Darrell

Les intérêts de recherche de Ross incluent les algorithmes de perception visuelle (reconnaissance d'objets, localisation, segmentation, estimation de pose, etc.), l'apprentissage des représentations (en utilisant une supervision forte, une supervision faible ou aucune supervision (réseaux pré-entraînés supervisés) et recherche sur la vision et le langage.

Pour ses contributions aux logiciels et ensembles de données open source, Ross a reçu le PAMI Young Researcher Award 2017 et le PAMI Mark Everingham Award en 2017, 2021 et 2023

Ross a obtenu de nombreux résultats dans le domaine de l'intelligence artificielle, qui a initialement est devenu célèbre pour avoir développé la méthode de détection d'objets du réseau neuronal convolutif basé sur la région (R-CNN). On peut dire que cette recherche a complètement changé l'orientation de la recherche dans le domaine de la détection de cibles. Les recherches ultérieures telles que Fast-RCNN et Faster-RCNN sont toutes développées sur la base de R-CNN

Ses citations Google Scholar dépassent actuellement 41 000. de fois

Dans les travaux auxquels Ross a participé dans le passé, il y a eu de nombreux projets de recherche populaires, tels que Fast R-CNN, Mask R-CNN, YOLO, Faster R-CNN et SAM, etc.

En 2017, Ross a participé. Mask R-CNN a remporté le prix ICCV Marr (meilleur article), et cet article compte désormais plus de 30 000 citations ; un autre article « Focal Loss for Dense Object Detection » a remporté le prix ICCV Best Student Paper cette année-là.

En 2021, l'article "Masked Autoencoders Are Scalable Vision Learners" auquel Girshick a participé est devenu un sujet brûlant dans le cercle de la vision par ordinateur. Cet article présente une nouvelle méthode appelée auto-encodeurs masqués (MAE) qui peut être utilisée comme apprenant auto-supervisé évolutif pour la vision par ordinateur.

Cette année, Meta a publié le modèle "Segment Anything" (Segment Anything) (SAM), qui a été salué par beaucoup comme bouleversant la recherche dans le domaine traditionnel du CV. Ross est l'un des auteurs de cet article.

Maintenant, je choisis d'aller à AI2 et j'attends avec impatience d'autres œuvres étonnantes de Girshick.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!