ABAB Pedia

Hansa Srinivasan

概述

本页目录7 节
词条资料

在麻省理工研究图像与声音

一门计算摄影课激起了她对计算机视觉的兴趣。她接着学习机器学习,并利用暑期开展前期研究。2015至2016学年,她获选麻省理工学院Massachusetts Institute of TechnologyMassachusetts Institute of Technology(麻省理工学院,简称MIT)是位于美国马萨诸塞州剑桥的私立研究型大学,1861年获马萨诸塞州颁发特许状,1865年招收首批学生,1916年由波士顿迁至现址。截至2025年10月,学校有学生11,816人,学校统计其社群成员中有106位诺贝尔奖得主。点击查看完整词条电气工程与计算机科学系和 DENSO 的本科研究与创新学者,在 William T. Freeman 指导下研究物体受敲击后的变形。她用鼓槌划过或敲击物体的视频来判断变形的位置与程度,并加入声音,考察预测能否改善。⁠[4]

研究决策系统的长期影响

她以 Google Research 软件工程师身份介绍开源研究工具 ML-fairness-gym。她关注一个决策怎样改变系统下一次观察到的数据,例如贷款决策会影响申请人日后的机会。工具用模拟环境比较多轮决策的结果,补充在静态数据上衡量误差的做法。⁠[2]

研究文本和图像中的人物呈现

她与合作者在2023年自然语言处理实证方法会议发表研究,检验借助多个模型对答案的评议和投票,能否改善大语言模型呈现不同人口群体的方式。次年,她参与 ACM 公平性、问责与透明度会议论文,研究图像中人物多样性的感知。研究团队以人的判断加以校准,让图像检索可以呈现不同的文化服饰、残障等特征。⁠[5][3]

谈 Nano Banana 的人物一致性

她与 Google DeepMind 产品经理 Nicole BrichtovaNicole BrichtovaNicole Brichtova,捷克语写作 Nicole Brichtová,是 Google DeepMind 的产品主管。她在乔治敦大学学习国际经济学,取得杜克大学管理学硕士,后来负责 Gemini 图像生成与编辑产品。点击查看完整词条 同台接受《Training Data》采访。团队此前开发过以生成为主的 Imagen 系列。转向编辑后,两人用熟人的照片检验面部细节能否保留;陌生人的相似程度反而不容易判断。Srinivasan 还谈到用户把不同视频工具与图像模型结合,反复使用同一角色,以及开发团队为何让人评估细微而主观的视觉差异。她的父母、叔姨和朋友都用过聊天机器人。相比之下,她特别关注他们看到视觉作品时流露的情绪。⁠[1][6]

关联机构、网站与公开账号

Google Research:软件工程师。官网:https://research.google/(在新窗口打开)。⁠[2]

Google DeepMind:研究工程师。官网:https://deepmind.google/(在新窗口打开)。⁠[1]

来源6 个来源

  1. How Google’s Nano Banana Achieved Breakthrough Character Consistency(在新窗口打开)sequoiacap.com↑
  2. ML-fairness-gym: A Tool for Exploring Long-Term Impacts of Machine Learning Systems(在新窗口打开)research.google↑
  3. Generalized People Diversity: Learning a Human Perception-Aligned Diversity Representation for People Images(在新窗口打开)facctconference.org↑
  4. Hansa Srinivasan(在新窗口打开)superurop.mit.edu↑
  5. Improving Diversity of Demographic Representation in Large Language Models via Collective-Critiques and Self-Voting(在新窗口打开)aclanthology.org↑
  6. How Google’s Nano Banana Achieved Breakthrough Character Consistency(在新窗口打开)youtube.com↑