Angel Chang
La nomination
- Titulaire de chaire en IA Canada-CIFAR
- Stratégie pancanadienne en matière d’IA
À Propos
Angel Chang est titulaire d’une chaire en IA Canada-CIFAR à l’Amii, professeure adjointe à l’Université Simon Fraser et détentrice de la bourse Hans Fischer de l’Institut d’études avancées de l’Université technique de Munich. Elle est également membre du corps enseignant du laboratoire GrUVi et du laboratoire Nat Lang de l’Université Simon Fraser.
Au carrefour du langage et de la vision, ses recherches portent sur la création de modèles informatiques ayant une connaissance et une compréhension du monde. Elles visent à associer le langage à des représentations 3D de formes et de scènes, et à concrétiser le langage pour les agents animés dans les environnements intérieurs. Dans le cadre de ses recherches collaboratives, Angel Chang a mis au point des méthodes permettant de générer des formes colorées en 3D à partir du langage naturel et de convertir un texte en scènes générées par ordinateur qui peuvent ensuite être raffinées grâce aux échanges textuels avec l’utilisateur.
Prix
- Prix dans la catégorie « Jeu de données » au Symposium sur le traitement de la géométrie (SGP) pour ses travaux sur les jeux de données ShapeNet et ScanNet, SGP, 2018 et 2020
Publications Pertinentes
- Szot, A., Clegg, A., Undersander, E., Wijmans, E., Zhao, Y., Turner, J., ... et Batra, D. (2021). « Habitat 2.0: Training home assistants to rearrange their habitat »
- Chen, Z., Gholami, A., Nießner, M., Chang, A. X. (2021). « Scan2Cap: Context-aware dense captioning in RGB-D scans », Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, p. 3193-3203.
- Chang, A., Dai, A., Funkhouser, T., Halber, M., Niessner, M., Savva, M., ... et Zhang, Y. (2017). « Matterport3d: Learning from rgb-d data in indoor environments », International Conference on 3D Imaging, Modeling, Processing, Visualization and Transmission (3DIMPVT), p. 667-676.
- Dai, A., Chang, A. X., Savva, M., Halber, M., Funkhouser, T., Nießner, M. (2017). « Scannet: Richly-annotated 3d reconstructions of indoor scenes », Proceedings of the IEEE conference on computer vision and pattern recognition, p. 5828-5839.
- Chang, A. X., Funkhouser, T., Guibas, L., Hanrahan, P., Huang, Q., Li, Z., ... et Yu, F. (2015). Shapenet: An information-rich 3d model repository.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.
Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada