Éléments de blog

Résumé: Au cours de la dernière décennie, la norme de facto pour la formation de modèles d’apprentissage de représentations hautement performants s’est fortement appuyée sur des ensembles de données statiques à grande échelle analysés à partir d’Internet. Cependant, les progrès récents dans la création de contenu visuel remettent en question ce statu quo en poussant les chercheurs à exploiter des modèles génératifs d’images très performants en tant que modèles mondiaux fonctionnant en tandem avec des modèles d’apprentissage des représentations en leur fournissant des données. Dans cet exposé, j'aborderai deux questions de recherche : (1) Les modèles génératifs d'images de pointe sont-ils optimisés pour fonctionner comme des modèles mondiaux ? ; et (2) Quelle est la manière la plus efficace de guider le modèle génératif pour produire des échantillons utiles pour la tâche en aval ?

Bio:Adriana Romero-Soriano est actuellement chercheuse scientifique à Meta AI (FAIR), professeure adjointe à l'Université McGill, membre industriel principal de Mila et titulaire d'une chaire Canada-CIFAR. Le terrain de jeu de ses recherches a été défini par des problèmes qui nécessitent de déduire des observations complètes à partir de données sensorielles limitées, en construisant des modèles du monde dans le but d'améliorer de manière responsable les applications en aval ayant un impact significatif. Ses recherches les plus récentes portent sur l'amélioration de la qualité, de la cohérence et de la diversité des représentations des systèmes de création de contenu visuel. Adriana a obtenu son doctorat. Elle a obtenu son doctorat à l'Université de Barcelone, où elle a travaillé avec le Dr Carlo Gatta, et a passé deux ans en tant que chercheuse postdoctorale à Mila, en collaboration avec le professeur Yoshua Bengio.