Thomas Brox (* 1976) ist ein deutscher Informatiker, der sich auf Computer Vision und maschinelles Lernen spezialisiert hat. Er ist Professor für Mustererkennung und Bildverarbeitung an der Universität Freiburg, wo er die Arbeitsgruppe Computer Vision leitet. Brox ist bekannt als Mitautor der U-Net-Architektur für die biomedizinische Bildsegmentierung und von FlowNet, einem frühen Ansatz mit konvolutionalen neuronalen Netzen zur optischen Flussberechnung. Seine Publikationen wurden bis 2026 laut Scopus mehr als 130.000-mal zitiert.
Akademische Laufbahn
Brox promovierte 2005 in Informatik an der Universität des Saarlandes. Anschließend arbeitete er als Postdoktorand an der Universität Bonn und später an der University of California, Berkeley, in der Computer-Vision-Gruppe von Jitendra Malik. Zudem leitete er als Vertretungsprofessor die Gruppe Intelligente Systeme an der TU Dresden. 2010 wechselte er an die Universität Freiburg und wurde Professor für Mustererkennung und Bildverarbeitung. Er war Programmleiter der ECCV 2020 und wurde am 1. Juli 2026 Dekan der Technischen Fakultät.
Forschung zum optischen Fluss
Ein früher Schwerpunkt von Brox' Forschung war der optische Fluss, also die Schätzung der scheinbaren Bewegung zwischen Bildern. 2004 schlugen Brox, Andrés Bruhn, Nils Papenberg und Joachim Weickert eine variationelle Methode vor, die die Konstanz von Helligkeit und Gradient mit einer diskontinuitätserhaltenden Glattheitsbeschränkung und einem nichtlinearen Mehrfachauflösungs-Optimierungsschema kombinierte. Diese Arbeit wurde auf der ECCV 2004 mit dem Longuet-Higgins-Preis für den besten Beitrag und 2014 mit dem Koenderink-Preis ausgezeichnet.
2015 war Brox Mitautor von FlowNet, das die Schätzung des optischen Flusses als überwachtes Lernproblem für konvolutionale neuronale Netze formulierte und dabei vollständig synthetisch erzeugte Trainingsdaten verwendete. Dieser Ansatz zeigte das Potenzial von Deep Learning für klassische Aufgaben des maschinellen Sehens.
U-Net und Deep Learning
Ebenfalls 2015 war Brox zusammen mit Olaf Ronneberger und Philipp Fischer Mitautor von U-Net. U-Net ist eine konvolutionale Architektur für die biomedizinische Bildsegmentierung, die einen kontrahierenden Pfad mit einem expandierenden Pfad kombiniert und Skip-Verbindungen nutzt, um hochauflösende Informationen aus dem Encoder zu erhalten. Die Architektur wurde in der medizinischen Bildgebung und bei anderen Segmentierungsaufgaben weit verbreitet und beeinflusste spätere neuronale Netzwerk-Designs.
Brox' Arbeit liegt an der Schnittstelle von Computer Vision und maschinellem Lernen und trägt zur breiteren Deep-Learning-Bewegung bei. Seine Forschung zum Lernen visueller Repräsentationen untersucht, wie neuronale Netze nützliche Merkmale aus Bildern lernen können, oft ohne explizite Labels.
Auszeichnungen und Mitgliedschaften
Brox erhielt den Longuet-Higgins-Preis für den besten Beitrag auf der ECCV 2004 und 2014 den Koenderink-Preis, beide für die Arbeit zum optischen Fluss von 2004 mit Bruhn, Papenberg und Weickert. Seit 2020 ist er ordentliches Mitglied der Heidelberger Akademie der Wissenschaften.
Referenzen
- Quellenangaben von Wikipedia (CC BY-SA).