新智元报道
编辑：桃子
【新智元导读】近日，ResNeXt一作谢赛宁宣布将从Meta离职加入纽约大学。
CV大佬谢赛宁将要从Meta离职加入纽约大学。
他表示，自己将要结束4年在FAIR的研究生活，2023年1月将在纽约大学担任助理教授。
他即将于图灵奖得主Yann LeCun成为新同事。LeCun发文表示，「欢迎赛宁」。
据个人主页介绍，谢赛宁本科毕业于上海交通大学，18年获加州大学圣迭戈分校CS博士学位。
毕业后，便在Facebook AI Research (FAIR)担任研究科学家。
他曾有过丰富的实习经历，包括在NEC Labs、Adobe、Facebook、Google、DeepMind。
他的主要研究方向包括深度学习和计算机视觉，并致力于改进表示学习技术，以帮助机器理解和利用大量的结构化信息，并通过学习更好的表示来推动视觉识别的边界。
为什么说谢赛宁是CV级大佬，还得从他的学术研究成果说起。
一作谢赛宁与何恺明大神共同提出了用于图像分类的简单、高度模块化的网络结构ResNeXt，这篇论文发表在了2017CVPR上。
ResNeXt提出了一种介于普通卷积核深度可分离卷积的这种策略：分组卷积，它通过控制分组的数量（基数）来达到两种策略的平衡。
分组卷积的思想是源自Inception，不同于Inception的需要人工设计每个分支，ResNeXt的每个分支的拓扑结构是相同的。最后再结合残差网络，得到的便是最终的ResNeXt。
论文地址：https://arxiv.org/abs/1611.05431
还有今年1月，由谢赛宁带领的团队发表了一篇「A ConvNet for the 2020s」论文，掀起CV圈模型架构之争。
要知道，过去一年，Transformer频频跨界视觉领域，同时投身这一方向的研究学者越来越多。
而这篇论文的提出，带来了全新的纯卷积模型ConvNeXt。
此外，在2021年，他还与何恺明合作一篇「Masked Autoencoders Are Scalable Vision Learners」。
论文中，提出了一种用于计算机视觉的Masked AutoEncoders 掩蔽自编码器，简称MAE，一种类似于NLP技术的自我监督方法。
操作很简单：对输入图像的随机区块进行掩蔽，然后重建缺失的像素。
主要有两个核心设计：一个是非对称的编码-解码架构，一个高比例遮蔽输入图像。
目前，谷歌学者主页中，谢赛宁所有著作的引用量已超过2万。其中被引数最多的一篇论文便是他以一作身份提出的ResNeXt。
接下来，他将要离开FAIR，加入纽约大学，并阐述了未来自己的研究方向。
许多学界学者为其送上了祝福。
参考资料：
https://twitter.com/sainingxie/status/1565002386879328257
