04.07.2023

Doktorand Karsten Roth erhält Qualcomm Innovation Fellowship Europe

Qualcomm Technologies, Inc., hat die vier Gewinner der 14. Ausschreibung des Qualcomm Innovation Fellowship (QIF) Europe bekannt gegeben: Atri Bhattacharyya (EPFL), Karsten Roth (Universität Tübingen), Siwei Zhang (ETH Zürich) und Tycho van der Ouderaa (Imperial College London).

QIF ist ein Exzellenzprogramm, mit dem Qualcomm Technologies einige der innovativsten Doktoranden der Ingenieurwissenschaften in Europa, Indien und den Vereinigten Staaten auszeichnet und fördert. Das europäische Programm würdigt Forscher in den Bereichen künstliche Intelligenz und Cybersicherheit mit individuellen Preisen in Höhe von 40.000 US-Dollar und engagierten Mentoren aus dem Team von Qualcomm Technologies.

Einer der Gewinner ist Karsten Roth, Doktorand in der Explainable Machine Learning Group unseres Clusters unter der Leitung von Zeynep Akata. Er erhielt die Auszeichnung für das Projekt mit dem Titel "Effective Lifelong Adaptation of Vision-Language Foundation Models across Domains for Practical Deployment".

Über das Projekt: Vision-Language-Foundation Models, sogenannte Grundlagenmodelle, liegen an der Schnittstelle zwischen Bild und Sprache, und sind entscheidend für Fortschritte in multimodalen Anwendungen. Deren Nützlichkeit aber nimmt ab, wenn ihr Trainingskontext über die die Zeit veraltet und obsolet ist. Es ist daher wichtig, Mechanismen zu entwickeln und zu verstehen, die es ermöglichen, diese Modelle kontinuierlich zu aktualisieren, ohne sie mit hohem Aufwand von Grund auf neu zu trainieren. Karsten möchte in seinem Projekt nun aktuelle Techniken aus dem Bereich des Continual Learnings bewerten und Erkenntnisse über den Einfluss verschiedener Designentscheidungen gewinnen, die in solchen Techniken berücksichtigt werden. Diese Erkenntnisse sollen dann genutzt werden, um Erweiterungen zur Verbesserung von entsprechenden kontinuierlichen Lernstrategien einzuführen. Das Projekt soll wertvolle Einblicke in die Übertragbarkeit von Forschung im Bereich des Continual Learnings von kleinen Daten- und Modellregimen auf die kontinuierliche Anpassung dieser Grundlagenmodellen bieten.
 

Mehr Informationen auf der Qualcomm Technologies Webseite.