仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
来源：新智元、机器之心
CV大牛何恺明正式官宣入职谷歌！
已更新的个人主页上，明确写着：兼职谷歌DeepMind杰出科学家。
与此同时，他依然保留MITEECS终身教授的身份。
个人主页：https ://people. csail.mit. edu/kaiming/
这位CV领域的传奇人物，因提出ResNet而名震江湖，彻底改变了深度学习的发展轨迹，成为现代AI模型的基石。
如今，这位「学界+业界」双轨并行的跨界大神，再次用行动证明了他的无限可能！
对于谷歌DeepMind而言，何恺明的加入更是如虎添翼。
他的技术专长，涵盖了计算机视觉、深度学习等核心领域，学术影响力在全球范围内有目共睹。
DemisHassabis曾公开表示，AGI可能在未来5-10年内实现。
何恺明的到来，无疑将助力这一终极目标的加速实现。
从高考状元到被引量超71万的AI学者
2003年，何恺明以标准分900分获得广东省高考总分第一，被清华大学物理系基础科学班录取。在清华物理系基础科学班毕业后，他进入香港中文大学多媒体实验室攻读博士学位，师从汤晓鸥。何恺明曾于2007年进入微软亚洲研究院视觉计算组实习，实习导师为孙剑博士。
2011年博士毕业后，何恺明加入微软亚洲研究院工作任研究员。2016年，何恺明加入Facebook人工智能实验室，任研究科学家。2024年，何恺明加入MIT，成为该校一名副教授。
何恺明的研究曾数次得奖。2009年，当时博士研究生在读的何恺明参与的论文《基于暗原色的单一图像去雾技术》拿到了国际计算机视觉顶会CVPR的最佳论文奖。
2016年，何恺明凭借ResNet再获CVPR最佳论文奖，此外，他还有一篇论文进入了CVPR2021最佳论文的候选。何恺明还因为MaskR-CNN获得过ICCV2017的最佳论文（MarrPrize），同时也参与了当年最佳学生论文的研究。
根据GoogleScholar的统计，截至今天，何恺明的研究引用次数超过71万次。
那些年，恺明发表过的「神作」
说起恺明大神的作品，最有名的就是ResNet了。这篇论文发表于2016年，迄今引用已经超过28万多。根据《自然》杂志的一篇文章，这是二十一世纪被引用次数最多的论文。
《DeepResidualLearningforImageRecognition》在2016年拿下了计算机视觉顶级会议CVPR的最佳论文奖。
同样是大神级别的学者李沐曾经说过，假设你在使用卷积神经网络，有一半的可能性就是在使用ResNet或它的变种。
何恺明有关残差网络（ResNet）的论文解决了深度网络的梯度传递问题。这篇论文是2019年、2020年和2021年GoogleScholarMetrics中所有研究领域被引用次数最多的论文，并建立了现代深度学习模型的基本组成部分（例如在Transformers、AlphaGoZero、AlphaFold中））。
如今大模型都在使用的transformer的编码器和解码器，里面都有源自ResNet的残差链接。
2021年11月，何恺明以一作身份发表论文《MaskedAutoencodersAreScalableVisionLearners》，提出了一种泛化性能良好的计算机视觉识别模型，同样是刚刚发表就成为了计算机视觉圈的热门话题。
一个初入AI领域的新人，在探索的过程中看到很多重要研究主要作者都是何恺明，经常会不由得感到惊讶。何恺明虽然长期身处业界，但科研态度一直被视为标杆——他每年只产出少量一作文章，但一定会是重量级的，几乎没有例外。
我们也经常赞叹于何恺明工作的风格：即使是具有开创性的论文，其内容经常也是简明易读的，他会使用最直观的方式解释自己「简单」的想法，不使用trick，也没有不必要的证明。这或许也将成为他在教学领域独特的优势。
今年的成果
前段时间，何恺明还联手YannLeCun共同发现了一种没有归一化层的Transformer，仅用9行代码就实现了。
值得一提的是，这篇研究还被CVPR2025录用。
论文地址：https ://arxiv. org/abs/2503. 10622
项目地址：https ://github. com/jiachenzhu/DyT
今年2月，他带队将大自然中的「分形」概念注入AI，提出了「分形生成模型」（fractalgenerativemodels）。
并且，在像素级图像生成上，团队验证了新方法的强大——
首次将逐像素建模的精细分辨率的计算效率，提升了4000倍。
论文地址：https ://arxiv. org/abs/2502. 17437
上个月，何恺明又联手CMU团队，提出了系统且高效的一步生成建模框架MeanFlow，无需预训练就能让AI生图一步到位。
论文地址：https ://arxiv. org/abs/2505. 13447
他的研究经验的创新能力，将为谷歌DeepMind未来大模型研发注入更多的可能和动力。
参考资料：
https ://people. csail.mit. edu/kaiming/
推荐阅读
MIT新晋副教授何恺明《计算机视觉进展》课程，附Slides与资料下载
西电IEEEFellow团队出品！最新《Transformer视觉表征学习全面综述》
如何做好科研？这份《科研阅读、写作与报告》PPT，手把手教你做科研
奖金675万！3位科学家，斩获“中国诺贝尔奖”！
最新2022「深度学习视觉注意力」研究概述，包括50种注意力机制和方法！
【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！
2021李宏毅老师最新40节机器学习课程！附课件+视频资料
欢迎大家加入DLer-大模型技术交流群！
👆长按识别，邀请您进群！
