Talk | 香港科技大学博士生叶汉荣：面向2D/3D场景理解的多任务学习

本期为TechBeat人工智能社区第540期线上Talk！

北京时间10月25日(周三)20:00，香港科技大学博士生—叶汉荣的Talk已准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “面向2D/3D场景理解的多任务学习”，分享了他的团队在多任务学习机制以提升性能和效率的相关研究上所做的一系列研究成果。

Talk·信息

▼

主题：面向2D/3D场景理解的多任务学习

嘉宾：香港科技大学博士生 叶汉荣

时间：北京时间 10月25日(周三)20:00

地点：TechBeat人工智能社区

点击下方链接，即可观看视频！ 

TechBeatTechBeat是荟聚全球华人AI精英的成长社区，每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。https://www.techbeat.net/talk-info?id=818

Talk·介绍

▼

人的视觉是多任务的。尽管我们人为地在计算机视觉领域细分出了许多任务，如分割、检测、深度估计等，这些任务仍然彼此高度相关。另一方面，随着神经网络的蓬勃发展，单任务模型的性能不断提高，但针对多任务学习机制以提升性能和效率的相关研究仍处于初级阶段。

在本次讲座中，我将系统地介绍我们团队在这一问题上所做的一系列研究成果，这些成果已发表在ECCV、ICLR、ICCV等主流学术会议上。我们发现，在计算机视觉中多任务学习不仅可以提高效率，甚至可以获得比单任务模型更优的性能。我们相信在不久的将来，计算机视觉相关的研究将进入多任务时代。

Talk大纲

1. 为什么要研究多任务学习

2. 多任务学习中的关键问题

3. 2D Multi-Task Transformer: InvPT (ECCV 2022) & TaskExpert (ICCV 2023)

4. 2D/3D Multi-Task Transformer: TaskPrompter (ICLR 2023)

Talk·预习资料

▼

论文链接：https://openreview.net/pdf?id=-CwPopPJda

论文链接：https://arxiv.org/pdf/2203.07997.pdf

论文链接：https://arxiv.org/pdf/2307.15324.pdf

Talk·提问交流

▼

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

▼

叶汉荣

香港科技大学博士生

叶汉荣，香港科技大学计算机科学与工程系博三学生，近期工作主要关注CV领域的多任务多模态学习和图像生成。相关研究成果以第一作者身份发表在ECCV/ICLR/ICCV等顶级会议上。

个人主页:   https://www.techbeat.net/grzytrkj?id=13405 

---

关于TechBeat人工智能社区

▼

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区