來源 | 新智元
編輯｜桃子
AI圈炸了！CV大牛何愷明正式官宣入職谷歌。
已更新的個人主頁上，明確寫著：兼職谷歌DeepMind傑出科學家。
與此同時，他依然保留MIT EECS終身教授的身份。
這位CV領域的傳奇人物，因提出ResNet而名震江湖，徹底改變了深度學習的發展軌跡，成為現代AI模型的基石。
如今，這位「學界+業界」雙軌並行的跨界大神，再次用行動證明了他的無限可能！
對於谷歌DeepMind而言，何愷明的加入更是如虎添翼。
他的技術專長，涵蓋了計算機視覺、深度學習等核心領域，學術影響力在全球範圍內有目共睹。
Demis Hassabis曾公開表示，AGI可能在未來5-10年內實現。
何愷明的到來，無疑將助力這一終極目標的加速實現。
ResNet之父再跨界，DeepMind迎超級大腦
何愷明曾是微軟亞研院研究院、Meta「明星實驗室」FAIR的研究科學家，專注的研究領域包括深度學習和計算機視覺。
透過計算機視覺問題的視角，致力於開發適用於各種領域的通用方法。
在正式入職此之前，便早有訊息傳出何愷明要跨入學術界。
尤其是，他於23年3月在MIT進行的Job talks（求職演講），更加坐實了這一訊息。
他目前的研究重點聚焦在建立一個計算機模型，以便從複雜的世界中學習表徵並開發智慧。
長期目標是，用能力更強的人工智慧來增強人類智慧。
同時，他在計算機視覺和深度學習領域發表了一系列極具影響力的論文。截至目前，他的論文被引用次數超過71萬次。
何愷明關於深度殘差網路（ResNet）的論文是谷歌學術指標2019年、2020年和2021年，所有研究領域中被引用次數最多的論文。
論文地址：https://openaccess.thecvf.com/content_cvpr_2016/papers/He_Deep_Residual_Learning_CVPR_2016_paper.pdf
另外，他在視覺物體檢測和分割方面的研究成果，包括Faster R-CNN和Mask R-CNN，也都產生了重大影響，同樣是這些領域被引用次數最多的論文之一。
論文地址：https://proceedings.neurips.cc/paper_files/paper/2015/file/14bfa6bb14875e45bba028a21ed38046-Paper.pdf
論文地址：https://openaccess.thecvf.com/content_ICCV_2017/papers/He_Mask_R-CNN_ICCV_2017_paper.pdf
2009年，何愷明成為首獲計算機視覺領域三大國際會議之一CVPR「最佳論文獎」的中國學者。
作為第一作者，他還獲得了CVPR 2009，CVPR 2016和ICCV 2017（Marr Prize）的最佳論文獎，並獲得了ICCV 2017最佳學生論文獎。
2017年4月，何愷明曾獲選香港中文大學（中大）工程學院傑出校友。
同時，他也是領域內多個著名獎項的獲得者，包括2018年PAMI青年研究員獎，2018年ECCV、2021年CVPR最佳論文榮譽獎，以及2021年 ICCV Everingham獎。
從高考狀元到業界大神
何愷明是廣東人，在廣州執信中學讀書時曾獲得全國物理競賽和省化學競賽的一等獎。
2003年5月，何愷明獲得保送清華的資格，但是他依然參加了高考並且以滿分900分的成績，成為當年廣東省9位滿分狀元之一。
進入清華大學以後，何愷明放棄保送的機械工程及其自動化專業，進入了基礎科學班。
他在本科還沒有畢業的時候，就進入了微軟亞洲研究院實習。出於對於計算機視覺的興趣，他選擇加入了計算機視覺組。
在2007年獲得了清華大學學士學位之後，4年時間就拿到了香港中文大學的博士學位。
在2016年加入FAIR之前，何愷明於2011年至2016年在微軟亞洲研究院（MSRA）擔任研究員。
他的第一篇CVPR獲獎論文就發表於在微軟亞洲研究院工作期間。
今年的成果
何愷明在研究界，每隔一段時間就會帶來新的成果，更新頻率非常快。
前段時間，他還聯手Yann LeCun共同發現了一種沒有歸一化層的Transformer，僅用9行程式碼就實現了。
值得一提的是，這篇研究還被CVPR 2025錄用。
論文地址：https://arxiv.org/abs/2503.10622
專案地址：https://github.com/jiachenzhu/DyT
今年2月，他帶隊將大自然中的「分形」概念注入AI，提出了「分形生成模型」（fractal generative models）。
並且，在畫素級影像生成上，團隊驗證了新方法的強大——
首次將逐畫素建模的精細解析度的計算效率，提升了4000倍。
論文地址：https://arxiv.org/abs/2502.17437
上個月，何愷明又聯手CMU團隊，提出了系統且高效的一步生成建模框架MeanFlow，無需預訓練就能讓AI生圖一步到位。
論文地址：https://arxiv.org/abs/2505.13447
他的研究經驗的創新能力，將為谷歌DeepMind未來大模型研發注入更多的可能和動力。
參考資料：
https://people.csail.mit.edu/kaiming/
技術交流群邀請函
△長按新增小助手
掃描二維碼新增小助手微信
請備註：姓名-學校/公司-研究方向
（如：小張-哈工大-對話系統）
即可申請加入自然語言處理/Pytorch等技術交流群
關於我們
MLNLP 社群是由國內外機器學習與自然語言處理學者聯合構建的民間學術社群，目前已經發展為國內外知名的機器學習與自然語言處理社群，旨在促進機器學習，自然語言處理學術界、產業界和廣大愛好者之間的進步。
社群可以為相關從業者的深造、就業及研究等方面提供開放交流平臺。歡迎大家關注和加入我們。
掃描二維碼新增小助手微信
關於我們