Devi Parikh는 컴퓨터 비전과 자연어 처리 연구로 알려진 미국의 컴퓨터 과학자이다. 그녀는 버지니아 공과대학교와 조지아 공과대학교에서 학계 직책을 역임했으며, 2022년 기준으로 Meta에서 연구 디렉터로 재직하며 멀티모달 AI 시스템 분야의 연구를 이끌고 있다.
Parikh는 카네기 멜론 대학교에서 전기 및 컴퓨터 공학 박사 학위를 취득했다. 그녀의 초기 연구는 시각 인식과 장면 이해에 초점을 맞추었지만, 이후 시각 정보와 텍스트 정보를 결합하는 분야로 확장했으며, 이는 컴퓨터 비전과 자연어 처리를 연결하는 분야이다. 그녀의 기여는 2017년 IJCAI 컴퓨터와 사고 상(Computers and Thought Award) 및 2011년 ICCV 최우수 논문상(Marr Prize)을 포함한 여러 권위 있는 상으로 인정받았다.
시각 질의 응답
2015년, 버지니아 공과대학교에 재직 중이던 Parikh와 그녀의 학생들은 시각 질의 응답(VQA)을 위한 데이터셋과 프레임워크를 개발했다. VQA는 AI 시스템이 "이것은 채식 피자인가요?"와 같은 질문에 대해 이미지에 대한 답변을 하는 작업이다. VQA 데이터셋은 인간이 생성한 질문과 답변을 이미지와 짝지은 것으로, 멀티모달 AI 모델을 평가하는 벤치마크가 되었다. 2022년 기준으로, 이 데이터셋은 30개 이상의 AI 모델을 평가하는 데 사용되었으며, 딥러닝과 멀티모달 학습 분야의 후속 연구에 영향을 미쳤다. 이 연구는 모델이 시각적 내용과 언어적 맥락 모두에 대해 추론해야 할 필요성을 강조했으며, 이는 인공지능 연구의 핵심 과제로 남아 있다.
대화형 AI 및 ParlAI
2017년, Parikh는 대화형 AI 에이전트를 훈련하고 평가하기 위한 오픈소스 플랫폼인 ParlAI를 발표했다. ParlAI는 대화, 질의 응답, 비전 분야의 작업을 통합하여 연구자들이 여러 도메인에 걸쳐 모델을 테스트할 수 있게 한다. 이 플랫폼은 다양한 머신러닝 프레임워크를 지원하며, 시각적 입력을 참조하면서 일관된 대화를 유지할 수 있는 에이전트를 개발하는 데 사용되었다. 이 기여는 대규모 언어 모델과 그 응용을 대화형 시스템으로 발전시키려는 더 넓은 노력의 일환이었다.
생성형 AI 및 댄스 생성
2020년, Parikh는 음악과 동기화된 춤 동작을 생성하는 AI 시스템을 개발했다. 이 프로젝트는 시퀀스-투-시퀀스 모델을 오디오 및 모션 데이터와 결합하여 생성형 AI의 창의적 영역에서의 잠재력을 입증했다. 이 시스템은 음악적 특징을 안무에 매핑하는 방법을 학습하여 입력 노래의 리듬과 스타일에 맞는 동작을 생성했다. 이 연구는 텍스트-투-이미지 및 텍스트-투-비디오 모델을 포함하는 생성형 AI의 성장하는 분야에 기여했다.
Make-a-Video 및 텍스트-투-비디오 모델
2022년, Parikh와 Meta의 팀은 확산 알고리즘을 기반으로 한 텍스트-투-비디오 AI 모델인 Make-a-Video를 개발했다. 이 모델은 텍스트 설명에서 짧은 비디오 클립을 생성하며, 확산 모델과 트랜스포머의 발전을 활용한다. Make-a-Video는 텍스트-투-이미지 생성의 이전 연구를 기반으로, 프레임 시퀀스를 예측하는 방법을 학습하여 시간적 차원으로 확장한다. 이 혁신은 콘텐츠 제작, 가상 환경, 인간-컴퓨터 상호작용에 영향을 미치며, 딥러닝 연구에서 중요한 진전을 나타낸다.
수상 및 표창
Parikh의 연구는 그녀에게 여러 영예를 안겨주었다. 2011년, 그녀는 시각 속성에 관한 논문으로 컴퓨터 비전 분야 최고 권위의 상 중 하나인 국제 컴퓨터 비전 학회(ICCV)에서 Marr Prize를 수상했다. 2017년, 그녀는 인공지능 분야의 젊은 연구자를 인정하는 IJCAI 컴퓨터와 사고 상을 수상했다. 이 상들은 기초 비전 알고리즘부터 언어와 비전을 통합하는 실용 시스템에 이르기까지 AI의 이론적 및 응용적 측면 모두에 대한 그녀의 영향을 반영한다.