除了李飞飞CVPR上还来了哪些著名的学术大牛-【新闻】

发布时间：2021-04-05 15:29:33 阅读：次来源：熔点仪厂家

CVPR 2016正在拉斯维加斯如火如荼地举行，关于它涌现的前沿技术，雷锋网(公众号：雷锋网)已经在上一篇文章《CVPR 2016：这些黑科技在悄悄爆红》中详细介绍；而它涌现的前沿理论，势必要根据前来参加CVPR圆桌论坛的学术大牛们来按图索骥，除了李飞飞为首的女性学术大牛代表队（头条详细介绍），还出现了这些在CVPR上异常重要的学术大牛们。

圆桌1—在图像识别和碎片重组中反馈的重要性

Facebook人工智能研究室 Piotr Dollar

根据知乎介绍，他所在组在做出了高性能PHP虚拟机HHVM。他的主要研究方向是人体行为识别。其个人主页http://www.mmp.rwth-aachen.de/，大家可以登录去学习一下。

加州伯克利大学分校的Jitendra Malik

Jitendra Malik为加州伯克利大学分校的教授，1985年毕业于美国斯坦福大学，现任加州大学伯克利分校电子工程与计算机科学系的资深教授，曾于2004年~2006年任该系系主任。Jitendra Malik教授主要研究方向为计算机视觉和生理认知建模，涉及图像分割、视觉组织、纹理分析、立体视觉、物体识别、智能交通系统等广泛内容，在这些领域发表了超过150篇文章，其中有五篇文章引用率超过1000。Jitendra Malik教授已培养了26位博士生，其中不乏国际研究界和工业界的知名教授与专家。

深度学习有很多优势，但在视觉识别领域它能做的工作还不算太多，此次Piotr Dollar和Jitendra Malik在论坛上，主要讨论，目前深度学习用于视觉识别领域优点和缺点，以及如何通过反馈和记忆网络，能让前馈视觉架构有所改善。

圆桌2—视觉问答的挑战（包括视觉，语言和常识内容的回答）

微软研究员Margaret Mitchell

其主要研究计算机视觉和语言问题，且是微软目前「认知」小组的创办会员和唯一的女性研究员。近期她所在小组曾开发新技术：教会AI看图讲故事 http://www.tuicool.com/articles/QJreEfv

谷歌研究员 Kevin Murphy

谷歌总部研究科学家，曾任英属哥伦比亚大学的算机科学和统计学副教授。他撰写了1100页的教科书《机器学习：概率视角》，这本书获得了2013年国际贝叶斯分析学会颁发的DeGroot 统计科学最佳书籍奖。研究方向包括机器感觉、机器智能、数据挖掘和建模、自然语言处理、以及算法和理论。

其所在小组还曾开发出一款应用，能够告诉你图片中的鸡蛋、土司或者餐盘中的培根拥有多少卡路里。

Facebook人工智能研究院智能围棋项目的负责人田渊栋

之前是卡耐基梅隆大学机器人系博士, 前谷歌无人车组的一员。之前因为AlphaGo大战李世石，这位华裔学术青年在国内被人所熟知。

在图片搜索引擎，自动驾驶，计算摄影，视觉图形领域，人机互动领域，场景识别的要求越来越高，此次Margaret Mitchell，Kevin Murphy ，田渊栋在论坛上，主要讨论这个领域最近的创新和创意，讨论焦点包括场景分类，现场对象互动中的建模和识别等。

圆桌3——在自动驾驶上的计算机视觉

地平线CEO余凯

前百度深度学习研究院（IDL）副院长，现地平线CEO，2016年3月的时候向外界展示在真车上同时实现车道线/车辆/行人检测的ADAS（智能驾驶辅助系统）产品原型系统讨论主题。这次CVPR讨论的主题也是ADAS相关——密集预测地图中的高性能目标检测以及其在ADAS中的应用。

普林斯顿助教肖建雄

于2009年获得香港科技大学学士和硕士学位，2013年获得麻省理工学院博士学位。然后去了美国普林斯顿大学计算机科学系当助理教授，再具体的，就是普林斯顿视觉研究组负责人。CVPR圆桌论坛上，其讨论的主题——自动驾驶中的深度学习，（行人）检测，（图像）分割和控制以外的东西。

百度美国研发中心的主架构师James Peng

讨论主题，百度无人驾驶向Level 4进阶的过程。

这三个华裔学术大牛都不约而同地选择了自动驾驶领域的分支圆桌，此次在论坛上，他们将重点讨论密集预测地图中的高性能目标检测以及其在ADAS中的应用，自动驾驶中的深度学习，（行人）检测，（图像）分割和控制以外的东西，以及百度无人驾驶向Level 4进阶的过程话题。

圆桌3——景物理解

Kristen Grauman

2006年从MIT博士毕业，现任University of Texas at Austin的助理教授。这个女孩一年发表7篇CVPR和4篇ICCV文章。

主要讨论内容跟上面圆桌2类似。

圆桌4—大规模场景理解的挑战

Yann LeCun

早在20世纪80年代末，LeCun就作为贝尔实验室的研究员开发出了卷积网络技术，并展示如何使用它来大幅度提高手写识别能力；目前美国许多手写支票依然是用他的方法在进行处理。上世纪末本世纪初，当神经网络失宠，LeCun是少数几名一直坚持研究的科学家之一。他于2003年成为纽约大学教授，并从此引领了深度学习的发展。

最近，深度学习及其相关领域已然成为最活跃的计算机研究领域之一。LeCun在2013年底加入Facebook负责新成立的人工智能实验室。

大规模场景理解已经成为计算机视觉中不可避免的问题，此次在论坛上，Yann LeCun 等将讨论场景分类，显著性检测，房间布局估计以及字幕生成的问题。