甘哲：微软高级研究员，主要研究方向为多模态预训练，2010年和2013年获得北京大学本科和硕士学位，2018年获得杜克大学博士学位。曾担任，或正在担任NeurIPS 2021/2020/2019, ICML 2021, ICLR 2021, AAAI 2021/2020，以及ACL 2021的领域主席。
报告题目：多模态预训练的最新进展
报告摘要：随着OpenAI CLIP和DALL-E等模型的相继出现，多模态预训练成为一个日益热门的研究方向。在本次的talk中，我将分享我们组在这个领域上最近发表在ECCV 2020和NeurIPS 2020的几个工作。我将具体讨论如下主题。第一，如何实现多模态预训练？第二，如何理解预训练模型学到了什么？第三，如何提高预训练模型的效果？对抗训练能否达到这样的目的？第四，如何评测和提高预训练模型的鲁棒性？
Spotlight：
UNITER：如何实现多模态预训练？ECCV 2020；
VALUE：如何理解预训练模型学到了什么？ECCV 2020 Spotlight；
VILLA：如何提高预训练模型的效果？NeurIPS 2020 Spotlight；
MANGO：如果评测预训练模型的鲁棒性？Ongoing work (arXiv preprint) 。
1. ViLBERT Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks
2. LXMERT Learning Cross-Modality Encoder Representations from Transformers
推荐理由：这两篇论文都是第一批关于多模态预训练模型的工作。
3. UNITER UNiversal Image-TExt Representation Learning
推荐理由：比较经典的关于多模态预训练的工作，截至论文发表，在13个多模态数据集和任务上取得state-of-the-art的结果。
4. Behind the Scene Revealing the Secrets of Pre-trained Vision-and-Language Models
推荐理由：ECCV 2020 Spotlight论文，详细分析了多模态预训练模型学到了什么。
5. Large-Scale Adversarial Training for Vision-and-Language Representation Learning
推荐理由：NeurIPS 2020 Spotlight论文，使用对抗训练的方法提高预训练模型的效果。
6. A Closer Look at the Robustness of Vision-and-Language Pre-trained Models
推荐理由：如何评测和提高多模态预训练模型的鲁棒性，在7个关于VQA鲁棒性的任务中取得state-of-the-art的结果。
