Yunhui Guo
更新-260416 | 发布-260416
基本信息
- 高校：德克萨斯大学达拉斯分校（The University of Texas at Dallas）（美国）
- 院系：Erik Jonsson School of Engineering and Computer Science Computer Science
- 职称：助理教授
- 性别：男
- 研究领域：计算机视觉/机器学习/边缘计算Edge Computing
- 博士毕业院校：加利福尼亚大学圣迭戈分校
- 本科毕业院校：成都电子科技大学
个人研究情况
Yunhui Guo 现任美国德克萨斯大学达拉斯分校（UT Dallas）计算机科学系助理教授，主要从事机器学习与计算机视觉交叉研究。在加入 UT Dallas 之前，他曾在 UC Berkeley / ICSI 从事博士后研究，与 Stella Yu 教授合作；更早前，他在 University of California, San Diego 完成博士学位，导师是 Tajana Rosing。博士期间，他还曾在 Qualcomm AI Research 和 IBM Thomas J. Watson Research Center 进行研究工作。从研究定位来看，他的实验室关注的是能够在真实环境中可靠部署的智能视觉系统。他的主页明确提到，核心目标是构建可以持续学习、动态适应环境变化、并能将已有知识迁移到新场景的智能体，因此研究重点集中在continual learning、test-time adaptation、out-of-distribution detection、multimodal robustness、open-set/object detection 等方向。与此同时，他也强调这些方法最终服务于 IoT、mobile computing、autonomous driving 等现实应用场景。从近几年的成果看，Yunhui Guo 的研究产出相当活跃，论文发表于 CVPR、ICCV、NeurIPS、AAAI、ECCV、MICCAI、IROS 等计算机视觉与机器学习顶级会议。例如，他近年的代表工作涉及持续分布外检测、测试时自适应、视觉模型鲁棒性、开放集分割、3D目标检测、多模态持续学习等主题，整体风格偏向“鲁棒视觉智能 + 持续适应学习”。 Yunhui Guo 是一位偏“可靠视觉智能系统”方向的青年 PI，学术路径是 UCSD 博士—Berkeley/ICSI 博后—UT Dallas 助理教授，研究核心在于让视觉与学习模型在开放、变化、真实的环境中保持鲁棒、可适应、可持续学习。
学术影响力
- 谷歌学术引用：3003
- H指数：31
整体评价
B