报告题目：Multi-modal Representation Learning and A New Benchmark Dataset
报告时间： 7月11日下午14：00-15：30
报告地点： 工科E1329
主讲人简介：
焦剑波，哲学博士，英国伯明翰大学Assistant Professor/博导，英国皇家学会Short Industry Fellow，英国高等教育学院Fellow，牛津大学访问研究员，IEEE会员。主要研究方向为机器学习、及其在计算机视觉、多模态学习、医疗影像、脑科学、化学等领域的应用，并在相关领域顶级期刊、会议发表科研论文40余篇。作为主要负责人主持英国皇家学会、阿兰图灵研究所、亚马逊等多项科研项目。博士期间获得香港政府奖学金（HKPFS），在国际会议获得最佳论文、最佳学生论文（提名）等奖项，同时获Amazon Research Award。担任IEEE-TCSVT、Springer TVCJ、Transactions on Machine Learning Research (TMLR) 等期刊编委，同时担任NeurIPS、ACM MM等国际会议领域主席、VALSE执行领域主席等职务，在国际顶级期刊、会议获十余次最佳审稿人奖项。
报告简介：
目前机器学习被广泛应用于各个领域，特别是深度学习技术，已成为人工智能（AI）领域的主要核心技术。AI发展的主要目标即利用深度学习技术实现人类级别的知识理解和学习能力。对于我们人来说，从幼儿时期开始，便接触各种身边的事物，在大多数情况下通过“自学”来掌握知识，同时，通过眼、耳、口、鼻、手等多个感觉器官获取外界数据来进行学习。因此，整个学习过程是利用多种模态数据，经过几乎自学（也即自监督）的方式进行学习的。我们希望AI也能够通过类似的方式进行学习。本次报告将以多模态自监督学习为主题，梳理该领域的发展，并介绍相关研究工作，探讨如何让机器具备类似人一样的多模态学习能力。同时，本次报告还将介绍一个全新的全景多视角多模态数据集，来帮助机器进行更好的知识学习，希望借此来吸引更多的研究者加入该领域，推动该方向的发展，进而更快的实现更加智能的机器学习系统。
