为了鼓励更多AI工作者加入社区、进行持续不断的优质内容创作，我“门”对过去一年中来到社区分享工作的嘉宾，按照其Talk观看量、互动量、新媒体传播度等综合维度进行了人气排位，评选出Top 30的讲者进入“2021年度TechBeat红人榜”，并根据他们的工作内容、学术背景，评选出“年度最受欢迎讲者”和“年度最具潜力新星”。“吃水不忘挖井人”，我们也想借此机会感谢在过去五年中对“将门技术社群”给予过巨大帮助的AI工作者，为此设立“社群特别贡献奖”！
恭喜以上30位讲者入选“2021年度TechBeat红人榜”！让我们来详细看看他们都分享过哪些工作吧~
年度最受欢迎讲者
目前在图森未来负责无人驾驶卡车算法研发。深度学习应用于目标追踪领域的全球第一人，参与知名深度学习框架MXNet的早期开发，获得2014 Google PhD Fellowship。多次在国际数据挖掘比赛和计算机视觉比赛中名列前茅，在计算机视觉与机器学习顶级会议与期刊上发表论文40余篇，被引用超过8000次。
往期分享：
● 自动驾驶中的视觉技术
● 基于LiDAR的3D目标检测新进展
李昀烛是MIT EECS四年级在读博士生，师从Antonio Torralba和Russ Tedrake教授。本科毕业于北京大学，曾在斯坦福大学人工智能实验室和英伟达机器人实验室实习。
他的研究方向是计算机视觉、机器学习和机器人领域的交叉，主要关注基于深度学习的机器人动力学建模和多模态感知。他希望自己的研究能够使机器人更好地感知环境，并在动态环境中做出更好的决策。
他曾获得Adobe Research Fellowship和NVIDIA Graduate Fellowship Finalist。他的工作发表于Nature、CVPR、NeurIPS、ICRA等顶级期刊和会议，并被多个主流媒体如CNN、Forbes、The Economist、MIT Technology Review等报道。
往期分享：
● 基于深度学习的动力学建模、机器人操作和多模态感知
● 基于深度学习的动力学建模、物理系统推断和机器人操作
赵行，现任清华大学交叉信息研究院助理教授，博士生导师。他的主要研究兴趣包括计算机视觉和听觉，多模态机器学习，自动驾驶等机器人应用。在此之前，赵行在麻省理工学院取得了博士学位，后于谷歌无人车项目Waymo担任研究科学家。赵行博士的多模态机器学习相关的工作曾被多家主流科技媒体报道，如BBC, NBC, 麻省理工科技评论等。他的工作获得了2015年ICCP最佳论文奖。他本人入选了2020年福布斯中国U30科学精英榜。
往期分享：
● 像素之声—图像和声音的跨模态自监督学习
● 自动驾驶中的运动预测
2020年12月加入香港中文大学计算机科学与工程系任助理教授，博士生导师。带领的研究组专注于自然语言理解与生成和计算机视觉，多模态深度学习，多模态对话系统，NLP和CV中的机器学习问题等方向。
2018年博士毕业于美国伊利诺伊大学香槟分校（UIUC）计算机系，博士期间的主要研究方向是自然语言和计算机视觉的联合理解，多模态深度学习等方向。博士毕业后加入腾讯AI Lab西雅图实验室自然语言组（NLP组）任高级研究员，主导完成多个多模态自然语言和视觉项目。其合作完成的多模态对话系统在2020年BAAI-JD智源-京东多模态对话挑战大赛中获得第一名。
在CVPR, ACL, NAACL, ICCV, ECCV, NeurIPS等自然语言处理和计算机视觉国际顶级会议上发表论文二十余篇，谷歌引用目前累计超过3600次。
往期分享：
● 多模态自然语言和视觉的联合理解与生成
孔涛目前为字节跳动AI Lab研究员，主要研究兴趣为计算机视觉及机器人技能学习。他于2019年7月博士毕业于清华大学计算机系，导师孙富春教授。
以第一/主要作者在CVPR、ECCV、NeurIPS、TIP等期刊会议发表论文20余篇，其博士学位论文被提名为中国人工智能学会优秀博士论文奖，获得2016年国际机器人抓取操作竞赛冠军等荣誉。
往期分享：
● 物体实例分割的新进展SOLO：按位置分割物体
杜少雷博士现任华盛顿大学计算机与工程学院助理教授。其研究方向为深度学习，强化学习和表示学习的基础理论。
他于2015年在加州大学伯克利分校获得本科学位，2019年在卡耐基梅隆大学机器学习系获得博士学位，并于2019年至2020年在普林斯顿高等研究院数学学院任博士后。
他的博士论文获得ACM最佳博士论文奖提名以及AAAISIGAI博士论文奖提名。他已在机器学习顶级会议COLT, ICML, ICLR, NeurIPS等发表三十余篇论文，并在这些会议中任领域主席。
杨奎元，现任深动科技首席科学家，负责自动驾驶系统中的感知、预测和规划。他于2012年获中科大博士学位后，加入微软亚洲研究工作至2017年。
他的研究兴趣包括自动驾驶、计算机视觉、深度学习，目标是以扎实的工程实现为基础，大量观测及有效执行为前提，通过快速迭代进化人工智能。
他带领团队开发的智能算法，已成功落地于轿车、卡车、飞机、火车等交通工具，部分基础研究成果已发表于CVPR/ICCV/ECCV/AAAI等。
2006年于上海交通大学计算机系博士毕业后进入法国国立计算机与自动化研究所进行博士后研究；在图形学与动画领域有数十年研究与工作经验。曾担任欧洲图形学工业主席，百科全书计算机图形学与游戏的工业主席以及美国计算机学会《娱乐计算》的高级副主编。
在国际顶级期刊和会议IEEE CG&A, SIGGRAPH Symposium on Animation, Eurographics等发表论文12篇，拥有德国发明专利四项。
曾在德国Crytek研发部担任项目总监和技术总监，创建了Cinebox团队，并参与CryEngine引擎的研发。深度参与了次世代游戏《孤岛危机2》、Xbox One首发大作《罗马之子》的研发；与好莱坞一起将游戏技术应用于影视特效制作，并应用到影视作品《移动迷宫2》与《猩球崛起：黎明之战》等影视项目的制作。
唐杉博士，先后在ST-Ericsson，中科院计算所，紫光展锐，新思科技供职，目前为壁仞科技研究院执行院长，具有多年芯片设计和相关技术研发经验。除了参与过多款芯片的一线开发工作，唐杉还在先进信号处理技术及其芯片实现，异构多核处理器SoC架构，专用领域计算，ESL设计方法学，AI芯片自动化协同设计等领域进行过深入的研究。
唐杉近几年主要关注以AI芯片为代表的新型计算架构和相关的软硬件技术，发表大量技术文章，并参与撰写清华大学《人工智能芯片技术白皮书（2018）》。
声扬科技联合创始人，首席科学家，拥有超过10年语音研发经验，曾任联芯科技多媒体技术团队负责人，带领团队开发嵌入式多媒体平台，拥有国内外多项专利。
原华南理工大学副教授，香港科技大学博士。
往期分享：
● 用声音证明“你是你”，深入浅出带你了解声纹识别
王言治，现为美国东北大学电子与计算机工程系助理教授。他于2009年获得清华大学学士学位，2014年获得南加州大学博士学位。
他的研究方向为深度学习应用的模型压缩与平台加速。自2018年09月以来，他的研究成果创造了在各大代表性深度神经网络上最高的模型压缩率。他在基于AQFP超导的深度神经网络加速方面的工作是迄今为止所有硬件设备中能效最高的。他最近的研究成果CoCoPIE可以利用现成的移动设备在几乎所有的深度学习应用上实现实时性能，其加速性能超过同类型其他各类加速框架的达180倍。
他的工作被广泛发表在顶级会议和期刊上，被引用超过8300次。他发表的论文曾获5次最佳论文奖和顶级论文奖，1篇Communications of ACM专题文章，另有10次最佳论文提名和4次热门论文奖。他曾获美国陆军青年研究员计划奖（YIP）、马萨诸塞州橡子创新奖（Acorn Innovation Award）、谢明学者奖（Ming Hsieh Scholar Award），以及谷歌、英特尔、MathWorks、Snap等公司的其他研究奖项。他的3名博士/博士后学生成为康涅狄格大学、克莱姆森大学和德克萨斯农工大学（Corpse Christi）的终身制教师。"
现任阿里巴巴集团副总裁/高级研究员，达摩院人工智能中心、城市大脑实验室负责人。
华博士是美国电气与电子工程师协会会士(IEEE Fellow)，美国计算机协会杰出科学家(ACM Distinguished Scientist)；2008年获MIT技术评论“全球35个35岁以下杰出青年创新者”称号(TR35)。
于1996年和2001年毕业于北京大学数学学院，分别获学士和博士学位；之后先后工作于微软亚洲研究院，微软美国必应搜索引擎，以及微软美国研究院，从事多媒体、计算机视觉和机器学习方面的研发工作。2015年4月加入阿里巴巴，任搜索事业部资深总监/研究员；2016年加入阿里巴巴iDST，负责云上视觉智能计算的技术研发。他的研发兴趣在大规模视觉人工智能领域，包括视觉分析、识别、搜索和挖掘等。
华博士在国际主流会议和期刊上发表论文200余篇，拥有专利90余项。曾担任多个学术期刊的副主编以及ACM Multimedia等顶级学术会议的程序委员会主席，并获得多个国际会议及期刊的最佳论文奖。华博士将担任多媒体智能领域顶级国际学术会议ACM Multimedia 2020年大会主席。
往期分享：
● 人工智能新基建—视觉AI中台探索与实践
主要研究方向是多接触的机器人操作(Contact-Rich Manipulation), 包括机器人再抓取(Regrasping), In-Hand Manipulation等。在对以上问题的运动规划、力控制和抗扰控制领域提出新的方法。
曾多次担任RSS，ICRA，IROS，RAL，TRO等机器人顶级会议及期刊审稿人。本科毕业于清华大学自动化系，曾担任清华火神队队长在2014国际机器人足球赛中取得人形组AdultSize第三名。
往期分享：
● Hybrid Servoing：抗扰动的机器人操作执行方法
韩松，麻省理工电子工程和计算机科学系助理教授，在斯坦福大学获得博士学位，研究重点是高效的深度学习计算。他提出的深度压缩技术可以在不损失神经网络精度的前提下大幅缩小网络的模型参数，并且在硬件实现的高效推理引擎中首次探索了模型剪枝和参数稀疏化在深度学习加速器中的应用。
韩松曾获ICLR' 16和FPGA' 17最佳论文奖，亚马逊机器学习研究奖，索尼学院奖和Facebook学院奖。因其在“深度压缩”技术上的贡献，被《MIT Technology Review》评为“35岁以下的35名杰出创新者”。此外，凭“加速机器学习的高效算法和硬件”获得NSF职业奖。
往期分享：
● NeurIPS‘20线上活动回顾 | MIT HAN Lab
胡瀚，现任微软亚洲研究院视觉计算组首席研究员，2008年获得清华大学本科学位，2014年获得清华大学博士学位 (师从周杰教授)，博士论文获2016年中国人工智能学会优秀博士论文奖。2012年10月至2013年4月，在美国宾夕法尼亚大学访问 (师从史建波教授)。2016年12月加入MSRA之前，在百度深度学习研究所 (IDL) 工作。
往期分享：
● NeurIPS'20 线上活动回顾 | 微软亚洲研究院·视觉计算组
胡庆拥，牛津大学计算机系博士三年级在读学生，师从Niki Trigoni和Andrew Markham教授。主要研究方向为大场景三维点云的处理，包括语义分割、实例分割以及点云配准。相关论文发表于IEEE TPAMI, CVPR, NeurIPS等。
周博宇是HKUST电子与计算机工程系（ECE）机器人方向三年级博士生，师从沈邵劼教授。本科毕业于上海交通大学。
他的研究方向是空中机器人、运动规划、自主导航、自主探索、稠密建图和集群。他在TRO、RAL、ICRA、IROS、ISRR等机器人领域顶级期刊/会议发表论文十余篇，其工作曾被IEEE Spectrum、机器之心等媒体报道。
往期分享：
● 空中机器人在未知环境中的快速自主探索
石冠亚，本科毕业于清华大学，目前在加州理工学院计算与数学科学(CMS)系的控制与动力系统(CDS)方向攻读博士学位。
他的主要研究方向是控制理论和机器学习的结合，以及在机器人中的应用。他在TRO、ICRA、L4DC、NeurIPS、RAL等多个机器人、控制和机器学习的顶级会议/期刊发表论文十余篇，研究成果多次被雅虎新闻、Import AI、Engadget、Caltech新闻等多家媒体报道。他曾先后在商汤科技深度学习算法组和英伟达AI算法组实习。
往期分享：
● 深度学习与控制理论的可靠结合以及在机器人中的应用
● 在线优化、控制和学习的结合：鲁棒性和复杂度分析
刘志健，麻省理工学院第三年在读博士生。他的导师是韩松教授。此前，他2018年从上海交通大学获得学士学位，于2020年从麻省理工学院获得硕士学位。
他的研究方向主要是高效和硬件友好的深度学习及其在三维计算机视觉中的应用。他的工作曾被MIT News和NVIDIA News报道。
唐昊天，麻省理工学院电子工程与计算机科学系一年级博士生，他的导师是韩松教授，研究方向为高效机器学习与计算机系统。在2020年7月，他从上海交通大学电子信息与电气工程学院计算机系获得工学学士学位。
此前，他曾在高效三维视觉领域参与提出PVCNN (NeurIPS 2019 spotlight)和SPVNAS (ECCV 2020)等已经在现实应用中被部署的算法。
杨宇喆，MIT EECS三年级在读博士生，师从Dina Katabi教授。本科毕业于北京大学。他的研究方向是机器学习、无线感知系统和医疗AI领域的交叉，主要关注基于深度学习的无接触式的人体健康感知与监测。
此外，他也致力于开发更加鲁棒的机器学习算法与模型，以及更高效的强化学习算法。他的工作发表于ICML、CVPR、NeurIPS、ICLR等顶级期刊和会议，并被多个主流媒体如MIT Technology Review，TechCrunch，Engadget等报道。
往期分享：
● 数据不平衡学习：从半监督、自监督、到不平衡回归
吕月明，悉尼科技大学在读博士生，师从 Ivor W. Tsang. 本科硕士均毕业于华南理工大学计算机学院。曾作为SPC/PC/Reviewer学术服务于IJCAI, AAAI, AISTATS, ICML, NeurIPS, ICLR等。
他的研究方向是统计机器学习和优化，主要集中在近似理论、核函数方法、learning theory、黑盒优化、鲁棒性学习等。曾在 ICML、 NeurIPS、 ICLR 上以第一作者发表相关论文。
葛艺潇，香港中文大学多媒体实验室三年级博士生，师从李鸿升教授与王晓刚教授。本科毕业于华中科技大学自动化学院。
目前主要研究方向为计算机视觉中的表征学习，包括无监督学习、解耦学习、领域自适应学习等，及其在图像检索、图像生成上的应用。以第一作者身份在NeurIPS、ICLR、CVPR、ECCV等会议中发表多篇论文。
康国梁，2019年 3 月从悉尼科技大学获得计算机博士学位，导师为杨易教授。现在是卡内基梅隆大学计算机学院博士后，导师是Alexander Hauptmann。
他的研究兴趣和方向包括深度学习，无监督域适应，语义分割和视频分析。他在国际顶级期刊（TPAMI等）和顶级会议（NeurIPS, CVPR, ICCV, ECCV, AAA, IJCAI等）发表文章 16 篇。
李珽光，博士毕业于香港中文大学，师从孟庆虎教授。曾于斯坦福大学人工智能实验室交流访问，受Jeannette Bohg教授和Wenzhen Yuan博士指导。本科毕业于南京大学自动化系。
主要研究方向是强化学习在机器人自主探索与机械手内操作（in-hand manipulation），曾在ICRA/IROS发表多篇论文，曾获ROBIO 2017最佳会议论文提名（best conference paper finalist）。
往期分享：
● ICRA 2020: 一种基于层次强化学习的机械手鲁棒操作
马宁宁，香港科技大学计算机系在读博士，师从权龙教授和孙剑博士。主要研究方向为计算机视觉和高性能卷积神经网络，代表性工作包括ShuffleNetV2，WeightNet，FReLU 等。
杨辉，目前担任ImageDT图匠数据高级算法工程师，主要研究计算机视觉和自然语言处理相关技术在新零售场景环境下的应用，在特征抽取、分割、分析等方面有独特的见解，相关论文发表在ICSE/ECCV等会议上。
往期分享：
● PlugNet: 一种基于可插拔的超分辨率学习单元的低质文本识别方法
李家琛，加州大学伯克利分校五年级博士生，主要研究方向包括机器学习，图神经网络，计算机视觉等方法，以及它们在自动驾驶，机器人，多智能体关系推理，行为预测和决策规划等问题中的应用。
他在NeurIPS/ICRA/IROS/TITS等多个机器学习/机器人/智能交通系统领域的顶级会议/期刊发表论文十余篇，并担任多个期刊和会议的编委及审稿人。
田值，澳大利亚阿德莱德大学计算机科学专业三年级博士生，导师为沈春华老师。他的主要研究方向为实例识别，包括目标检测，实例分割等。
他已在CVPR/ICCV/ECCV发表多篇文章。其中一些文章已经成为业内流行的算法，比如目标检测算法FCOS和文字检测算法CTPN。他还获得了2019年的Google PhD Fellowship。
往期分享：
● 从目标检测到实例分割 – 简单有效的实例识别
蔡涵，麻省理工学院博士二年级，指导教授韩松。研究兴趣在机器学习，特别是高效深度学习、自动机器学习以及它们在真实场景中的应用。
往期分享：
● 用于高效深度学习的硬件感知自动机器学习
“万事开头难”，社群的建立更是如此。从零到一、形成口碑、人才聚集、社群效应，每一步都离不开愿意倾心信任、无私帮助将门技术社群的人们。在社群成立五周年之际，我们由衷地感谢所有支持社区建设的群友们，在此无法将所有人一一列出，于是我们选出在各个方面具有代表性的群友，为他们颁发“社群特别贡献奖”！
他们之中，有的人在社群成立伊始就非常认同将门技术社群的价值，愿意首次公开分享自己的最优质的工作，安利给身边同行的AI小伙伴，让更多志同道合之人加入社群学习和成长，进一步帮助我们树立信念和口碑；
有的人基于自己的经验和观察，为社群的线上、线下活动策划提出诸多建设性建议，帮助我们不断创新活动形式，丰富社群文化；
还有的人因为认同、因为喜爱，百忙之中克服种种困难，为观众带来极具意义的技术内容输入……
如果你想亲自来到TechBeat分享，或者推荐身边闪闪发光但是尚未入驻社区的AI工作者，为社区壮大贡献自己的力量——欢迎填写下方表单自荐/推荐，说不定明年的TechBeat红人榜，就出现了你的名字！▼
单人Talk | 团队专场 | 录播or直播 | 闭门交流
一篇榜单、一个链接、一场Talk，肯定不足以让你全面了解这些人气讲者，后续我们会推出AI工作者人物专访栏目——【AI红人荟】，带领大家走进AI人的世界，感受来自青年科学家们的榜样力量。最后，借此机会感谢所有读到这里的朋友对将门创投、对TechBeat的关注和支持，更加感谢你在AI领域的坚持和执著！
