Adriana Romero-Soriano
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2023
Adriana Romero-Soriano est chercheuse scientifique à FAIR (Meta AI), professeure adjointe à l’Université McGill, membre industrielle principale de Mila et titulaire de chaire en IA Canada-CIFAR. Ses recherches portent sur le développement de modèles d’apprentissage automatique capables d’apprendre à partir de données multimodales, de raisonner sur des relations conceptuelles et de tirer parti de stratégies d’acquisition de données actives et adaptatives. L’objectif de ses recherches est de permettre des expériences interactives et immersives de création et de reconstruction de contenu qui fonctionnent pour tout le monde. Ses travaux les plus récents recoupent la modélisation générative, la détection active et l’IA responsable.
Prix
- Prix du meilleur article, Atelier sur la vision par ordinateur dans les technologies pour véhicules de la Computer Vision and Pattern Recognition Conference (2017).
- Prix du meilleur article, Atelier sur la vision profonde de la Computer Vision and Pattern Recognition Conference (2016).
Publications Pertinentes
- Casanova, A., Careil, M., Verbeek, J., Drozdzal, M. et Romero-Soriano, A. (2021). « Instance- Conditioned GAN ». Advances in Neural Information Processing Systems, vol. 34, pp. 27517-27529.
- Smith, E., Meger, D., Pineda, L., Calandra, R., Malik, J., Romero-Soriano, A. et Drozdzal, M. (2021). « Active 3D Shape Reconstruction from Vision and Touch ». Advances in Neural Information Processing Systems, vol. 34, pp. 16064-16078.
- Zhang, Z., Romero, A., Muckley, M. J., Vincent, P., Yang, L. et Drozdzal, M. (2019). « Reducing Uncertainty in Undersampled MRI Reconstruction With Active Acquisition ». IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 2049-2053.
- Velickovic, P., Cucurull, G., Casanova, A., Romero, A., Lio, P. et Bengio, Y. (2017). « Graph attention networks ». 6th International Conference on Learning Representations.
- Romero, A., Ballas, N., Ebrahimi Kahou, S., Chassang, A., Gatta, C. et Bengio, Y. (2015). « Fitnets: Hints for thin deep nets ». 3rd International Conference on Learning Representations.