
[Translate to Deutsch:] Yue Fan with mortarboard.
Am 4. Juli 2025 verteidigte Yue Fan erfolgreich seine Dissertation mit dem Titel "Improving Representation Learning from Data and Model Perspectives: Semi-Supervised Learning and Foundation Models". Yue Fan kam im September 2018 als Doktorand an die Universität des Saarlandes und das Max-Planck-Institut für Informatik unter der Betreuung von Professor Bernt Schiele. Er war Mitglied der Saarbrücker Graduate School of Computer Science und der International Max Planck Research School. Sein Doktortitel wurde von der Universität des Saarlandes verliehen.
Der Abstract der Dissertationsschrift:
Künstliche Intelligenz (KI) hat in den letzten Jahren beeindruckende Fortschritte gemacht. Dennoch bleiben große Herausforderungen bestehen, darunter die Abhängigkeit von großen beschrifteten Datensätzen, die Schwierigkeit, aus unvollkommenen unbeschrifteten Daten zu lernen, und die Notwendigkeit von Modellen, die sich über verschiedene Aufgaben und Aufgabenbereiche hinweg verallgemeinern lassen. Diese Dissertation befasst sich mit diesen Herausforderungen sowohl aus Daten- als auch aus Modellsicht. Der erste Teil verbessert die Standardmethoden des halbüberwachten Lernens durch die Einführung neuer Techniken, die unmarkierte Daten besser ausnutzen, einschließlich adaptiver Pseudo-Markierung und repräsentationsbasierter Regularisierung. Der zweite Teil befasst sich mit realistischeren Lernszenarien, in denen unmarkierte Daten unausgewogen, verrauscht oder domänenverschoben sein können, und schlägt neue Algorithmen und einen neuen Benchmark vor, um eine robuste Bewertung über mehrere Domänen hinweg zu unterstützen. Der letzte Teil macht einen Schritt in Richtung einer universellen KI, indem er ein diffusionsbasiertes Modell entwickelt, das in der Lage ist, mehrere Sehaufgaben innerhalb eines einheitlichen Rahmens zu bewältigen. Zusammengenommen zielen diese Beiträge darauf ab, KI-Systeme praktischer, zuverlässiger und vielseitiger zu machen und uns dem verallgemeinerbaren und dateneffizienten Lernen näher zu bringen.