杨彬的计算机视觉研究 | AI生成和翻译
杨彬（Bin Yang）
杨彬是计算机视觉、深度学习和自动驾驶领域的杰出研究者。他是多伦多大学博士候选人（师从Raquel Urtasun），曾任职于Uber ATG、Waabi和MiniMax。他的研究专注于推动机器智能与物理世界的交互，特别是在自动驾驶系统中的3D目标检测、运动预测和传感器融合方面。他曾获得微软研究院博士奖学金（2021）和英伟达先锋奖（2018）等荣誉。根据其公开出版物列表，谷歌学术档案显示其引用次数超过14,000次，h指数约为30。
以下是他部分重要学术成果（完整列表超过30篇；按影响力与研究专长相关性排序）：
| 标题 | 合作者 | 年份 | 会议/期刊 | 引用次数（约） |
|---|---|---|---|---|
| Learning to Reweight Examples for Robust Deep Learning | 任梦野、曾文渊、Raquel Urtasun | 2018 | ICML（口头报告） | 1,921 |
| PIXOR：基于点云的实时3D目标检测 | 罗文杰、Raquel Urtasun | 2018 | CVPR | 1,564 |
| 多传感器3D目标检测的深度连续融合 | 梁明、王燊龙、Raquel Urtasun | 2018 | ECCV | 1,217 |
| 3D目标检测的多任务多传感器融合 | 梁明、陈赟、胡瑞、Raquel Urtasun | 2019 | CVPR | 909 |
| 飞驰疾速：基于单一卷积网络的实时端到端3D检测、跟踪与运动预测 | 罗文杰、Raquel Urtasun | 2018 | CVPR（口头报告） | 872 |
| 面向运动预测的车道图表示学习 | 梁明、胡瑞、陈赟、廖仁杰、冯松、Raquel Urtasun | 2020 | ECCV（口头报告） | 852 |
| T-CNN：用于视频目标检测的卷积神经网络管状检测单元 | 康恺、李洪生、严俊杰、曾星宇、肖桐、张聪、王哲、王若晖、王孝刚、欧阳万里 | 2018 | IEEE TCSVT | 705 |
| V2VNet：面向联合感知与预测的车车通信技术 | 王尊玄、Siva Manivasagam、梁明、曾文渊、Raquel Urtasun | 2020 | ECCV（口头报告） | 607 |
| 端到端可解释神经运动规划器 | 曾文渊、罗文杰、索西蒙、Abbas Sadat、Sergio Casas、Raquel Urtasun | 2019 | CVPR（口头报告） | 563 |
| 多视角人脸检测的聚合通道特征 | 严俊杰、雷震、Stan Z. Li | 2014 | IJCB（口头报告，最佳学生论文） | 442 |
周宇聪（Yucong Zhou）
周宇聪是专注于深度学习优化、激活函数与计算机视觉的研究者。他曾担任商汤科技高级研究员（2018-2019），现任职于华为技术有限公司。在商汤期间主要致力于视频目标检测与神经网络效率优化。其约5篇知名论文的总引用量约32次。
以下是其已知学术成果列表：
| 标题 | 合作者 | 年份 | 会议/期刊 | 引用次数（约） |
|---|---|---|---|---|
| PWLU：基于分段线性单元学习专用激活函数 | （来源未注明） | 2023 | IEEE TPAMI | 12 |
| LR²VQ：低秩表示向量量化 | （来源未注明） | 2022 | （未注明具体会议/期刊） | 不适用 |
| PWLU：基于分段线性单元学习专用激活函数（早期版本） | （来源未注明） | 2021 | arXiv/预印本 | 不适用 |
| FixNorm：无需学习率的权重衰减 | （来源未注明） | 2021 | arXiv/预印本 | 不适用 |
| 全运动感知视频目标检测网络 | 王世瑶、严俊杰、邓志东 | 2018 | ECCV | ~200（论文总引用，未单独统计周贡献） |
更多细节请参见其ResearchGate档案或Semantic Scholar档案。注：相较于杨彬，周宇聪的公开学术成果较少，更侧重于工业界研究。