近期，計算機視覺領域大牛學者何恺明在個人網站上宣布将于2024年加入麻省理工學院（MIT）電氣工程與計算機科學系 EECS擔任教職。
何恺明 - Facebook AI Research | 人才畫像 - AMiner
在學術界，談到何恺明，大家視他為天才少年，CV大神，之前看到一段話形容他：别人的榮譽都是在某某大廠工作，拿過什麼大獎，而何恺明的榮譽是Best，Best，Best！
榮譽：聯考狀元，最佳論文，四年第一
何恺明從小在廣州長大，在廣州執信中學就讀時曾獲全國實體競賽一等獎、廣東省化學競賽一等獎。
2003年5月，何恺明憑借全國實體競賽一等獎被保送進清華大學機械工程及其自動化專業。但是他選擇繼續參加聯考，最終以滿分 900 分獲得廣東省聯考總分第一，被清華大學實體系基礎科學班錄取。
在大學期間，表現出色，連續3年獲得清華獎學金，并于 2007 年進入了微軟亞洲研究院（ MSRA ）孫劍博士視覺計算組實習。
2009年，何恺明和孫劍、湯曉鷗合作的論文“Single Image Haze Removal Using Dark Channel Prior”獲得了CVPR2009最佳論文獎，這是該會議 30 年來首次且唯一一次頒發給亞洲研究學者的獎項。
Single Image Haze Removal Using Dark Channel Prior. - AMiner
在獲獎前後，何恺明進入香港中文大學攻讀研究所學生，師從湯曉鷗，并于2011年博士畢業之後正式加入微軟亞洲研究院工作。
2015年，何恺明提出了著名的深度殘差網絡（ ResNet ），根據AMiner資料顯示，目前論文被引用數高達17萬次。
ResNet不僅在同年的ILSVRC 分類任務競賽斬獲第一名，還拿到了CVPR2016最佳論文。
ResNet的論文解決了深度網絡的梯度傳遞問題，已成為現代深度學習模型中的基本元件。
Deep Residual Learning for Image Recognition - AMiner
2016年，何恺明加入Facebook AI Research（FAIR）繼續研究計算機視覺，開啟了新的人生。他在社交媒體上寫到，“2016年我的人生道路有了重大改變，還結交了很多新朋友。”
2017年，何恺明和團隊公布了Mask R-CNN，一個概念上簡單、靈活和通用的用于目标執行個體分割（object instance segmentation）架構。獲得了計算機視覺頂級會議ICCV2017最佳論文。
Mask R-CNN. - AMiner
與此同時，另外一項研究“Focal Loss for Dense Object Detection”獲得ICCV2017最佳學生論文獎。
2018年，在第31屆CVPR會議上，何恺明獲得了PAMI青年研究者獎。
在2020年到2023年四年期間，何恺明連續蟬聯AI 2000人工智能全球最具影響力學者榜單第一。
https://www.aminer.cn/ai2000
未來研究方向
何恺明的研究涵蓋計算機視覺和深度學習的廣泛主題。他緻力于從計算機視覺問題的角度出發，開發适用于各個領域的通用方法。
整體來說，他之前的研究可以大緻分成傳統視覺和深度學習兩個方向。在今年3月，何恺明在 MIT 的一場演講中，透露了接下來的研究方向會是 AI for science，将聚焦視覺和 NLP 大一統做 self-supervised X+AI。
故事還在繼續........
随着何恺明即将加入 MIT，相信他将繼續在計算機視覺和深度學習領域取得更多突破性的研究成果，為 AI 的發展做出更大的貢獻。
如何使用ChatPaper？
使用ChatPaper的方法很簡單，打開AMiner首頁，從或者便可進入ChatPaper頁面。
在ChatPaper頁面中，可以選擇基于單篇文獻進行對話和基于全庫（個人文獻庫）對話，可選擇上傳本地PDF或者直接在AMiner上檢索文獻。
ChatPaper使用教程：點此檢視