从数学爱好者到计算机视觉专家

Ankan Bansal如今是某中心的应用科学家，在获得全职offer之前曾在某中心完成两次实习。他表示这些实习帮助他明确了在计算机视觉领域的具体研究方向。

技术研究历程

早期研究兴趣

Bansal在制作机器人时最感兴趣的是机器人技术中的计算机视觉或图像处理方面。这一兴趣推动了他的硕士论文研究方向——“估计高密度人群图像中的人数”。

博士阶段研究

他在博士阶段的论文"本质上是试图识别图像中存在的人物、物体以及每个人与每个物体的交互方式"。这项计算机视觉研究为他如今在某中心的工作奠定了基础。

技术实践与突破

实习项目经验

• 第一次实习：专注于半监督学习，在导师指导下开展工作
• 第二次实习：与团队开发了图像集视觉问答的新方法

技术创新

Bansal与团队提出了图像集视觉问答的改进版本：“不是仅使用单张图像，而是使用一组图像，针对该图像集提出问题并寻求答案”。

这项技术突破促使他们撰写了论文《图像集视觉问答》，该论文被ECCV 2020接收。团队创建并发布了两个大规模数据集，代表了室内和室外图像集的真实场景，同时还探索了强基线模型来研究这一新任务的挑战。

实际应用

Bansal目前专注于AnalyzeExpense功能，该功能使用计算机视觉和机器学习技术分析收据和发票，帮助客户从这些文档中提取有用信息。

技术展望

Bansal表示对多模态学习感兴趣：“我希望提出可以应用于更多文档的新模型或新方向，而不仅仅是发票和收据”。

研究方法建议

他建议研究人员保持开放的思维，因为许多有趣的问题可能与其博士研究方向不完全匹配，但这些重要且具有挑战性的问题仍可能产生优秀的产品和论文。