Angel travaille à l'intersection du langage et de la vision pour créer des modèles informatiques avec une connaissance et une compréhension du monde.

Du texte à la 3D

Angel Chang travaille à l'intersection du langage et de la vision pour créer des modèles informatiques capables de connaître et de comprendre le monde. Ses recherches relient le langage aux représentations 3D des formes et des scènes et fondent le langage pour les agents incarnés dans les environnements intérieurs. Elle a travaillé sur des méthodes de synthèse de scènes et de formes 3D à partir du langage naturel, ainsi que sur divers ensembles de données pour la compréhension de scènes 3D. En général, elle s'intéresse à la sémantique des formes et des scènes, à la représentation et à l'acquisition de connaissances de sens commun, et au raisonnement à l'aide de modèles probabilistes. Dans le cadre de ses recherches collaboratives, Angel a mis au point des méthodes pour générer des formes 3D colorées à partir du langage naturel et pour transformer un texte d'entrée en scènes générées par ordinateur qui peuvent ensuite être affinées par l'interaction textuelle de l'utilisateur.

Angel est titulaire d'une chaire d'IA du Canada CIFAR avec Amii, professeur adjoint à l'université Simon Fraser et récipiendaire de la bourse Hans Fischer de l'Institut d'études avancées de l'université technique de Munich. Elle est également membre du corps enseignant du laboratoire GrUVi et du laboratoire Nat Lang, tous deux à l'université Simon Fraser. Auparavant, elle a été chercheuse invitée chez Facebook AI Research et chercheuse chez Eloquent Labs, où elle a travaillé sur le dialogue. Elle a obtenu son doctorat en informatique à Stanford, où elle faisait partie du Natural Language Processing Group et était conseillée par Chris Manning. Au cours des dix dernières années, Angel a produit plus de 50 publications, y compris des publications à comité de lecture, des articles de pré-préparation/atelier et des exposés invités. Elle a également reçu les prix SGP 2018 et SGP 2020 Dataset Awards du Symposium on Geometry Processing pour son travail sur les jeux de données ShapeNet et ScanNet.