点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
点击进入—>【计算机视觉】微信技术交流群
杨净 鱼羊 发自 凹非寺
转载自：量子位（QbitAI）
何恺明MIT求职演讲，真成AI圈大型追星现场了！
据量子位身处现场的听众朋友传回的消息，有同学提前3个小时已经蹲在门口排队了。
到演讲开始前半个小时，门口的队伍据说都打了好几个弯……
△后续更正，PPT不止129页
来浅浅感受一下现场的氛围：
此前何恺明回归学界的消息传出，咱们就聊过，这次Job Talk（求职演讲）代表何恺明至少已经通过了MIT的简历筛选，研究成果和能力得到了初步认可。
对于这次演讲，何恺明也是准备了超129页PPT，回顾了他在CV领域所做的工作，涵盖ResNet、Faster RCNN、Mask RCNN、MoCO和MAE。
在谈到未来工作方向时，何恺明还提到了AI for Science。
除了关心大神的演讲本身，还有网友注意到了何恺明的最新变化
：
何恺明重返学界
目前，尚不能确定何恺明最后是否会和MIT成功牵手。但此次演讲，是他寻求教职传闻的靴子落地。
还有网友发现，如果何恺明最终成功入职，那么他将成为MIT被引次数最高的人。
目前，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，次数为38万+。
而何恺明被引用次数高达40万+。
其中，何恺明最出圈的研究，非ResNet莫属，在2021年底突破10万大关，如今已经涨到15万。
ResNet本身虽为计算机视觉领域研究，但其核心思想残差连接已经跨界成为现代深度学习模型的基本组件。
开启上一次AI热潮的AlphaGo Zero就是结合了ResNet+强化学习+蒙特卡洛搜索共同完成。而开启最新AI热潮的ChatGPT，其中的“T”也就是Transformer网络中同样使用了残差连接。
在计算机视觉上，何恺明的主要贡献还包括Faster R-CNN及后续的Mask R-CNN等一系列研究，在很多年都是目标检测的主流方法。
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。
不过也有知乎匿名用户从现场发来看法：整个Talk的质量并不好，何恺明没用一个好的故事把工作串联起来。
这是不是说明就连何恺明也不知道怎么讲好CV故事了。
那么，这一次你在现场吗？评论区观后感走起~
点击进入—>【计算机视觉】微信技术交流群
最新CVPP 2023论文和代码下载
后台回复：CVPR2023，即可下载CVPR 2023论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的3篇Transformer综述PDF
目标检测和Transformer交流群成立
扫描下方二维码，或者添加微信：CVer333，即可添加CVer小助手微信，便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群▲扫码或加微信号: CVer333，进交流群
CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！▲扫码进群
▲点击上方卡片，关注CVer公众号整理不易，请点赞和在看
