交互式AI研究奖项公布:聚焦机器学习与计算机视觉

某机构与约翰霍普金斯大学联合公布AI2AI倡议第二年研究奖项,涵盖机器学习、计算机视觉、自然语言理解等领域,包括对抗攻击鲁棒性、隐私保护、多模态学习等前沿技术方向。

学术研究员获奖名单

蒋刘(第五年博士研究生,电气与计算机工程)

  • 研究方向:开发负责任且可信赖的AI系统
  • 技术重点:抗对抗攻击的计算机视觉算法、面部隐私保护技术、视觉与语言多模态AI算法

安巴·帕尔(最后一年博士研究生,计算机科学)

  • 研究方向:AI安全理论与实践
  • 技术重点:通过数据结构性约束缓解ML系统对恶意代理的脆弱性

阿尼凯特·罗伊(第四年博士研究生,计算机科学)

  • 研究方向:计算机视觉与机器学习
  • 技术重点:少样本学习、多模态学习、扩散模型与大语言模型等生成式AI

张璇(第五年博士研究生,计算机科学)

  • 研究方向:手语处理
  • 技术重点:手语识别与翻译技术

教职人员获奖项目

拉玛·切拉帕(生物医学工程系教授)

  • 项目名称:基于骨架的动作学习自监督方法
  • 技术方案:基于对比学习框架开发无标签骨架序列编码器,与某中心研究员合作验证方法有效性与鲁棒性

安贾莉·菲尔德(计算机科学助理教授)

  • 项目名称:面向高风险数据的公平与隐私自然语言处理
  • 技术方案:开发文本生成工具创建合成数据,提升模型公平性并减少隐私侵犯

菲利普·科恩(计算机科学教授)

  • 项目名称:语言模型与翻译模型的融合
  • 技术方案:结合大语言模型的宽上下文建模能力与神经机器翻译的监督式任务专注特性

莱布尼·保拉·加西亚·佩雷拉(助理研究员)

  • 项目名称:面向说话人日志的端侧压缩模型
  • 技术方案:基于自监督模型构建可部署于终端设备的高效日志系统

维沙尔·帕特尔(视觉与图像理解实验室副教授)

  • 项目名称:语言引导的通用域自适应
  • 技术方案:开发视觉语言模型引导的域自适应方法,解决域偏移和标签偏移问题

凯里·普里贝(数据科学数学研究所主任)

  • 项目名称:基于数据核的大语言模型比较框架
  • 技术方案:建立同时满足计算效率、统计原理和数学可解性的LLM表示空间对比框架

扬·特马尔与玛莎·亚尔莫哈马迪(语言与语音处理中心研究员)

  • 项目名称:情境化自动语音识别评估协议开发
  • 技术方案:建立包含多种说话人情境信息整合场景的评估协议
comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计