Sanja Fidler
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 – 2017
Titulaire de chaire en IA Canada-CIFAR – Mandat renouvelé – 2023
Sanja Fidler est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur, professeure agrégée au département de mathématiques et d’informatique de l’Université de Toronto ainsi que directrice de l’IA chez NVIDIA.
Ses recherches portent sur la vision par ordinateur, plus précisément sur la détection d’objets en 2D et 3D, en particulier la détection évolutive multi-classes, la segmentation d’objets et l’étiquetage d’images, ainsi que la compréhension de scènes (3D). Sanja Fidler se penche également sur l’interaction entre le langage et la vision : la génération de descriptions propositionnelles de scènes complexes, ainsi que l’utilisation de descriptions textuelles pour une meilleure analyse syntaxique de scènes (par exemple, dans le scénario de l’interaction humain-robot).
Prix
- Mention honorable pour la meilleure communication, SIGGRAPH Asia, 2023
- Mention honorable pour la meilleure communication, SIGGRAPH, 2023
- Membre du palmarès IA 100 « Les principales sommités en intelligence artificielle » de Business Insider, 2023
- Prix de l’innovation, Université de Toronto, 2021
- Prix de l’innovation Connaught, 2020
- Bourse de nouvelle chercheuse, 2021
- Prix de l’innovation Connaught, 2018
- Mention honorable pour la meilleure communication, Conférence sur la vision artificielle et la reconnaissance de motifs (CVPR), 2017
- Amazon Academic Research Award, 2017
- Prix de pionnière en IA de NVIDIA, 2016
- Facebook Faculty Award, 2016
Publications Pertinentes
- Wang, Z., Shen, T., Nimier-David, M., Sharp, N., Gao, J., Keller, A., Fidler, S., Müller, T., & Gojcic, Z. (2023). « Adaptive Shells for Efficient Neural Radiance Field Rendering. » SIGGRAPH Asia.
- Lin, C-H., Gao, J., Tang, L., Takikawa, T., Zeng, X., Huang, X., … et Lin, T-Y. (2023). « Magic3D: High-Resolution Text-to-3D Content Creation ». Publié dans Actes de la Conférence de l'IEEE/CVF sur la vision par ordinateur et la reconnaissance des formes (pp. 300-309).
- Andreas Blattmann, Robin Rombach, Huan Ling, Tim Dockhorn, Seung Wook Kim, Sanja Fidler et Karsten Kreis. « Align your Latents: High-Resolution Video Synthesis with Latent Diffusion Models ». Publié dans Computer Vision and Pattern Recognition, 2023.
- Blattmann, A., Rombach, R., Ling, H., Dockhorn, T., Kim, S.W., Fidler, S., & Kreis K. « Align your Latents: High-Resolution Video Synthesis with Latent Diffusion Models. » In Computer Vision and Pattern Recognition (CVPR), 2023
- Gao, J., Shen, T., Wang, Z., Chen, W., Yin, K., Li D., … et Fidler S. (2022). « Get3d: A generative model of high quality 3d textured shapes learned from images ». Publié dans Advances In Neural Information Processing Systems 35, pp. 31841-31854.
- Shen, T., Gao, J., Yin, K., Liu, M-Y. et Fidler S. (2021). « Deep marching tetrahedra: a hybrid representation for high-resolution 3d shape synthesis ». Publié dans Advances in Neural Information Processing Systems 34, pp. 6087-6101.
- Zhou, B., Zhao, H., Puig, X., Xiao, T., Fidler, S., Barriuso, A., Torralba, A. (2019). « Semantic understanding of scenes through the ade20k dataset », International Journal of Computer Vision, 127(1):302-321.