Women In Computer Vision——CVPR上一道特殊的靓丽风景线

简介:

我们都知道,CVPR(Conference on Computer Vision and Pattern Recognition) IEEE国际计算机视觉与模式识别会议是IEEE举办的图像识别领域的顶级会议,在其领域、乃至整个深度学习和AI领域都拥有巨大的影响力。但大家也许不知道的是,这个大会除了在技术方面的影响力和实力非常强悍之外,在一些细节上还显得非常有人文关怀。

从CVPR2015开始,这两年CVPR的工作交流会议(WorkShop)上都出现了一个新的固定板块:Women In Computer Vision。这项专门为女性开辟的WorkShop旨在提升女性在计算机视觉研究领域内的存在感和地位,加强女性研究者们之间的联系,以及为想要在这一行业有所建树的女生们提供一个展示自己的舞台。其每年邀请的演讲者、以及会议的组织者都是女性。当然,男性是可以来看他们的演讲的,只是由于其特殊的性质,参会的大多数人都会是女性。

不过你可不要因此就以为这个交流会是为了“照顾”女性而设立的了。因为事实已经表明女性根本不需要“照顾”,受邀的这些女性获得的成果表明,女性在学术研究上的能力完全没理由会弱于男性。下面就让我们一起来领略一下今年WICV上这些女计算机学家的风采:

Caroline Rebecca Pantofaru

Women In Computer Vision——CVPR上一道特殊的靓丽风景线

Caroline是谷歌的高级研发科学家,在这之前她曾是Willow Garage(一家私人机器人研究所)的研发科学家。她在卡耐基梅隆大学取得了博士学位,她还在机器人公司INRIA Rhône-Alpes工作过。她的研究聚焦于机器视觉和认知。对从视觉——包括理解事件、场景和活动——认知这个世界很感兴趣。还是包括PAMI、ICCV、CVPR等多个学术大会的审稿人,并在2013年的ICIAP(International Conference on Image Analysis and Processing)上担任区域主管。

Caroline早在2000年就开始参与了机器学习相关的研究,她参与发表的第一篇论文是《由立体主动视觉用户界面(SAVI)驱动的主动可视化管理(Active Visual Control by Stereo Active Vision Interface SAVI)》,而其参与研究的影响力最大的论文《图像分割算法的客观评价(Toward objective evaluation of image segmentation algorithms)》至今在谷歌学术上(以下的引用次数都是从谷歌学术上获得)已经被引用了超过600次。也在历年的学术大会上做过许多次演讲。想想这种程度的成就是多少学者穷极一生也无法达到的,更不用说我们这些普通人了。可是这还没完,还有更厉害的!

Raquel Urtasun

Women In Computer Vision——CVPR上一道特殊的靓丽风景线

Raquel Urtasun是多伦多大学计算机科学学院的助理教授。2009到2014年间是丰田芝加哥研究所的助理教授。她2006年在瑞士洛桑联邦理工学院获得了博士学位。她曾在法国巴黎的国立高等电信学院的图像处理部门担任助理研究员,在纳瓦拉大学以电气工程师的身份毕业。她的研究领域主要集中在统计学习和计算机视觉领域、潜变量模型、结构化预测和这种技术在理解人的身体姿势上的应用。尤其对无参数贝叶斯统计有很大的兴趣。在CVPR2018上她将成为一名项目主席(Program Chair)。

Raquel Urtasun同样在各种各样的国际学术大会——CVPR、ECCV、NIPS、ICML等上发表过数十篇论文,同时她的论文数是三人中最多的(180篇)。她参与的一篇论文还在2013年获得了CVPR的的一项最佳论文奖项。她作为第一作者的影响力最大的论文《高斯过程动态模型的3D人体轨迹追踪(3D people tracking with Gaussian process dynamical models)》的被引用次数已经达到了402次。

Kristen Grauman


Women In Computer Vision——CVPR上一道特殊的靓丽风景线

Kristen Grauman是德克萨斯大学奥斯汀分校计算机科学系的副教授,在加入这所大学之前,她在MIT的电气工程与计算机科学学院的计算机视觉和机器学习实验室(著名的CSAIL)完成了她的博士生涯。她在计算机视觉和机器学习领域的研究主要集中在视觉搜索和物体识别和可扩展的基于内容的识别和检索上。她目前的研究主要集中于有意义相似性度量的可扩展搜索、无监督视野探索,以及人类和机器视觉系统的共同学习。

Kristen Grauman应该是三人中学术影响力最大的人了,她将在2016年的ECCV(欧洲计算机视觉大会)上担任一场关于行为和预期的视觉学习WorkShop的组织者。从她的论文被引次数也可窥得一斑——她的论文数量比Raquel Urtasun少了5篇,但总被引用次数是她的1.5倍,曾经在一年内发表7篇CVPR和4篇ICCV的论文,效率高得令人发指。

除了三名受邀演讲的女嘉宾,还有几名已经取得更大成就的女性科学家也作为晚宴嘉宾参加了今年的WICV WorkShop。

Ruzena Bajcsy

Women In Computer Vision——CVPR上一道特殊的靓丽风景线

Ruzena Bajcsy是CVPR 2016的总负责人之一,偷偷说一句,今年的三名大会主席全是女性哦。她是加利福尼亚伯克利大学电子工程与计算机科学系,以及信息技术科学研究中心(CITRIS)的一名教授。在加入伯克利大学之前,她是国家科学基金会计算机信息科学和工程学董事会的领导人物。她还是美国国家工程院,美国国家科学院以及美国计算机协会、美国人工智能协会的会员。她于1957和1967年分别获得了伯拉第斯拉瓦(斯洛伐克首都)斯洛伐克技术大学的电气工程系的硕士和博士学位。并在1972年获得了斯坦福大学的计算机科学博士学位。(双料博士,有没有感觉膝盖都快跪烂了……)

尽管已经白发苍苍,Bajcsy的气质依然丝毫不减,她一生获奖无数,还出版了好多本书,如果你觉得之前的180篇论文已经很多了,那么我可以告诉你,Bajcsy的论文数量已经达到了恐怖的910篇,她被引用次数最高的论文《主动感知Active Perception》已经被引用了1300多次。如此辉煌的学术成就,也难怪能成为大会的主席之一了。

Fei-Fei Li(李飞飞)

Women In Computer Vision——CVPR上一道特殊的靓丽风景线

李飞飞不仅是一名女性,还是一名华人,这次也是CVPR的主席之一。相信关注计算机视觉领域的人没有不知道她的名字的。我们就不再重复她身上的光环了,我只需要告诉你,李飞飞被引用次数最多的一篇论文《一个用于学习自然景物类别的贝叶斯分层模型 A bayesian hierarchical model for learning natural scene categories》的被引次数已经达到了3012次。她还创办了著名的图像识别挑战赛ImageNet,每年都会吸引无数该领域的大神级公司参加。作为斯坦福人工智能实验室和视觉实验室的主任,她对人工智能的研究起到的推动可以说是不可估量。

这五名女科学家只是整个女科学家群体的一小部分,看到这里应该没有人还会怀疑女人也能担起科学研究的重任。更重要的是,希望有一天女神们不需要再依靠这样单独设立的WorkShop来助力自己的事业,而同所有人一起在同一个舞台上真正平等的展现自我。


本文作者:黄鑫


本文转自雷锋网禁止二次转载,原文链接

相关文章
|
3月前
|
机器学习/深度学习 数据挖掘
【博士每天一篇文献-综述】Communication dynamics in complex brain networks
本文综述了复杂脑网络中的通信动态,提出了一个将通信动态视为结构连接和功能连接之间必要联系的概念框架,探讨了结构网络的局部和全局拓扑属性如何支持网络通信模式,以及网络拓扑与动态模型之间的相互作用如何提供对大脑信息转换和处理机制的额外洞察。
43 2
【博士每天一篇文献-综述】Communication dynamics in complex brain networks
|
3月前
|
机器学习/深度学习 移动开发 算法
【博士每天一篇文献-模型】Deep learning incorporating biologically inspired neural dynamics and in memory
本文介绍了一种结合生物学启发的神经动力学和内存计算的深度学习方法,提出了脉冲神经单元(SNU),该单元融合了脉冲神经网络的时间动力学和人工神经网络的计算能力,通过实验分析显示,在手写数字识别任务中,基于SNU的网络达到了与循环神经网络相似或更高的准确性。
18 1
【博士每天一篇文献-模型】Deep learning incorporating biologically inspired neural dynamics and in memory
|
3月前
|
机器学习/深度学习 存储 人工智能
【博士每天一篇文献-综述】Brain-inspired learning in artificial neural networks a review
这篇综述论文探讨了如何将生物学机制整合到人工神经网络中,以提升网络性能,并讨论了这些整合带来的潜在优势和挑战。
40 5
|
3月前
|
机器学习/深度学习 算法 调度
【博士每天一篇文献-算法】Neurogenesis Dynamics-inspired Spiking Neural Network Training Acceleration
NDSNN(Neurogenesis Dynamics-inspired Spiking Neural Network)是一种受神经发生动态启发的脉冲神经网络训练加速框架,通过动态稀疏性训练和新的丢弃与生长策略,有效减少神经元连接数量,降低训练内存占用并提高效率,同时保持高准确性。
39 3
|
3月前
|
机器学习/深度学习 存储 算法
【博士每天一篇文献-综述】Continual lifelong learning with neural networks_ A review
这篇综述论文深入探讨了神经网络在终身学习领域的研究进展,包括生物学启发的概念、终身学习方法的分类与评估,以及未来研究方向,旨在解决神经网络在学习新任务时如何避免灾难性遗忘的问题。
33 2
|
6月前
|
编解码 人工智能 定位技术
MERRA (Modern-Era Retrospective analysis for Research and Applications) 是由 NASA 气候数据集
MERRA (Modern-Era Retrospective analysis for Research and Applications) 是由 NASA 气候数据集
70 0
|
机器学习/深度学习 人工智能 算法
《Neural Networks and Deep Learning》读书笔记系列:1.识别手写字
《Neural Networks and Deep Learning》读书笔记系列:1.识别手写字
|
机器学习/深度学习 人工智能 运维
7 Papers & Radios | IJCAI 2022杰出论文;苹果2D GAN转3D
7 Papers & Radios | IJCAI 2022杰出论文;苹果2D GAN转3D
106 0
|
机器学习/深度学习 人工智能 算法
7 Papers & Radios | SIGGRAPH 2022最佳博士论文;DeepMind AI西洋陆军棋中对人胜率84%
7 Papers & Radios | SIGGRAPH 2022最佳博士论文;DeepMind AI西洋陆军棋中对人胜率84%
136 0
|
机器学习/深度学习 存储 编解码
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications(上)
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications(上)