ABAB Pedia

Hansa Srinivasan

概述

本頁目錄7 節
詞條資料

在麻省理工研究圖像與聲音

一門計算攝影課激起了她對計算機視覺的興趣。她接著學習機器學習,並利用暑期開展前期研究。2015至2016學年,她獲選麻省理工學院Massachusetts Institute of TechnologyMassachusetts Institute of Technology(麻省理工學院,簡稱MIT)是位於美國馬薩諸塞州劍橋的私立研究型大學,1861年獲馬薩諸塞州頒發特許狀,1865年招收首批學生,1916年由波士頓遷至現址。截至2025年10月,學校有學生11,816人,學校統計其社群成員中有106位諾貝爾獎得主。點擊查看完整詞條電氣工程與計算機科學系和 DENSO 的本科研究與創新學者,在 William T. Freeman 指導下研究物體受敲擊後的變形。她用鼓槌劃過或敲擊物體的視頻來判斷變形的位置與程度,並加入聲音,考察預測能否改善。⁠[4]

研究決策系統的長期影響

她以 Google Research 軟件工程師身份介紹開源研究工具 ML-fairness-gym。她關注一個決策怎樣改變系統下一次觀察到的數據,例如貸款決策會影響申請人日後的機會。工具用模擬環境比較多輪決策的結果,補充在靜態數據上衡量誤差的做法。⁠[2]

研究文本和圖像中的人物呈現

她與合作者在2023年自然語言處理實證方法會議發表研究,檢驗藉助多個模型對答案的評議和投票,能否改善大語言模型呈現不同人口群體的方式。次年,她參與 ACM 公平性、問責與透明度會議論文,研究圖像中人物多樣性的感知。研究團隊以人的判斷加以校準,讓圖像檢索可以呈現不同的文化服飾、殘障等特徵。⁠[5][3]

談 Nano Banana 的人物一致性

她與 Google DeepMind 產品經理 Nicole BrichtovaNicole BrichtovaNicole Brichtova,捷克語寫作 Nicole Brichtová,是 Google DeepMind 的產品主管。她在喬治敦大學學習國際經濟學,取得杜克大學管理學碩士,後來負責 Gemini 圖像生成與編輯產品。點擊查看完整詞條 同臺接受《Training Data》採訪。團隊此前開發過以生成為主的 Imagen 系列。轉向編輯後,兩人用熟人的照片檢驗面部細節能否保留;陌生人的相似程度反而不容易判斷。Srinivasan 還談到用戶把不同視頻工具與圖像模型結合,反覆使用同一角色,以及開發團隊為何讓人評估細微而主觀的視覺差異。她的父母、叔姨和朋友都用過聊天機器人。相比之下,她特別關注他們看到視覺作品時流露的情緒。⁠[1][6]

關聯機構、網站與公開賬號

Google Research:軟件工程師。官網:https://research.google/(在新窗口打開)。⁠[2]

Google DeepMind:研究工程師。官網:https://deepmind.google/(在新窗口打開)。⁠[1]

來源6 個來源

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