Tir à la tête de Shweta Mahajan

Shweta Mahajan

Faculté affiliée

Shweta Mahajan est professeure adjointe au département de génie électrique et d’informatique et affiliée à la faculté Vector. Avant cela, elle était chercheuse principale en apprentissage automatique chez Qualcomm AI Research. De 2022 à 2023, elle a été chercheuse postdoctorale au sein du groupe de vision par ordinateur de l’Université de la Colombie-Britannique, sous la supervision du professeur Leonid Sigal
et le Dr Kwang Moo Yi. Elle a également été affiliée postdoctorale à The Vector Institute of AI à Toronto. Elle a obtenu son doctorat à la Technische Universität Darmstadt sous la direction du professeur Stefan Roth en 2022; a obtenu sa maîtrise de l’Université des Sarres en 2017, où elle était membre du groupe Machine Learning et de l’Institut Max Planck d’informatique. Son travail a reçu le prix du meilleur article décerné par le Fraunhofer Institute for Computer Graphics Research (2020), et sa thèse de doctorat a été publiée dans Gesellschaft für Informatik (2023). Ses recherches portent sur la vision par ordinateur et l’apprentissage automatique, se spécialisant dans les méthodes statistiques et d’apprentissage automatique pour la modélisation générative, l’apprentissage multimodal, la compréhension des scènes, la synthèse de données et l’inférence visuelle.

Intérêts de recherche

  • Vision par ordinateur
  • Modélisation générative
  • Apprentissage automatique

Faits marquants

  • Meilleurs critiques, NeurIPS 2023, 2024 et 2025
  • Subvention de recherche sur les vecteurs, Canada, 2023
  • Meilleure thèse de doctorat Gesellschaft für Informatik (2022
  • Récompensé par l’une des meilleures thèses de doctorat en Allemagne, en Suisse et en Autriche, Gesellschaft f ̈ur Informatik Dissertationspreis, 2023
  • Meilleure thèse de doctorat (Nomination), Prix Bertha Benz, Allemagne, 2023
  • Titulaire d’un doctorat avec distinction (summa cum laude) à la Technishe Universität, Darmstadt, Allemagne, 2023
  • Prix du meilleur article, Impact sur la science, Fraunhofer-IGD, 2021