何恺明（KaimingHe），1984年出生于广东广州，人工智能科学家，麻省理工学院电气工程与计算机科学系副教授。 何恺明2003年高中毕业于广州市执信中学，为当年广东省高考满分状元。2003-2007年就读于清华大学物理系基础科学班，连续3年获得清华奖学金，本科毕业后进入香港中

论文题目：ExploringSimpleSiameseRepresentationLearning，CVPR2021。pdf：https://arxiv.org/abs/2011.10566相关博客：知乎|无门槛级讲解对比学习中的自监督模型Simsiam（通俗易懂）知乎|对比学习（ContrastiveLearning）：研究进展精要（解释了为什么Simsiam会演变成这样）知

MAE这篇论文在2022年发表，当年比较火。起因是nlp一直有非常棒的预训练模型，比如bert。那么cv能不能仿照一下也得到很棒的模型呢？为此，研究开始了。参考资料：https://zhuanlan.zhihu.com/p/439554945  模型的结构简单易懂，就是mask一些像素块，将没有mask的像素块作为encoder的输入

FAIR又一位大佬级研究科学家「出走了」，这次是R-CNN作者RossGirshick。近日，Meta首席科学家YannLeCun发推宣布，RossGirshick将离开FAIR，加入艾伦人工智能研究所（AI2）。此前离职的还有 ResNeXt一作谢赛宁（加入纽约大学任助理教授）、GeorgiaGkioxari（加入Caltech任助理教授）等

前言 大佬何恺明和MIT师生一起开发了一个自条件图像生成框架，名叫RCG。这个框架结构非常简单但效果拔群，直接在ImageNet-1K数据集上实现了无条件图像生成的新SOTA。本文转载自新智元仅用于学术分享，若侵权请联系删除欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技

原创/文BFT机器人研究论文地址：https://arxiv.org/abs/2212.00794计算机视觉和深度学习领域大神何恺明携团队再发新作！论文围绕近来火热的CLIP（ContrastiveLanguage-Image

计算机视觉研究院专栏作者：Edison_G一个简单、渐进、但必须知道的基线：用于VisionTransformer的自监督学习。尽管标准卷积网络的训练方法已经非常成熟且鲁棒，然而ViT的训练方

扫码关注我们公众号 :计算机视觉战队扫码回复：regnet，获取下载链接♚声明这次分享的文章，比较偏理论一些，周末请阅读的同学静下心好好阅读，真的可以学习到很多，我们就开始一起来

算机视觉研究院专栏作者：Edison_G今天我们接着上一期RegNet继续分享，这期的分析主要理论较多，但是可以学习到很多网络设计的技巧和平时被我们忽略的技能，有兴趣的同学持续关注！上

公众号 :计算机视觉战队简述在这项工作中，何老师团队提出了一个新的网络设计范例。我们的目标是帮助提高对网络设计的理解，并发现跨设置泛化的设计原则。我们不是专注于设计

扫码关注我们公众号 :计算机视觉战队扫码回复：无监督，获取下载链接经常闲逛何老师主页，应该有所察觉，FacebookAI的何恺明老师有来一个新作，这次更加猛烈，远远比Hinton老师的Sim