Thomas Brox (nacido en 1976) es un informático alemán especializado en visión por computador y aprendizaje automático. Es profesor de reconocimiento de patrones y procesamiento de imágenes en la Universidad de Friburgo, donde dirige el Grupo de Visión por Computador. Brox es conocido por coautoría de la arquitectura U-Net para la segmentación de imágenes biomédicas y de FlowNet, un enfoque temprano de redes neuronales convolucionales para la estimación de flujo óptico. Sus publicaciones han recibido más de 130 000 citas para 2026, según Scopus.
Carrera académica
Brox recibió su doctorado en informática en la Universidad de Sarre en 2005. Luego trabajó como investigador posdoctoral en la Universidad de Bonn y, más tarde, en la Universidad de California, Berkeley, en el grupo de visión por computador de Jitendra Malik. También dirigió el grupo de sistemas inteligentes en la TU Dresden como profesor temporal. En 2010, se unió a la Universidad de Friburgo, convirtiéndose en profesor de reconocimiento de patrones y procesamiento de imágenes. Actuó como presidente del comité de programa de ECCV 2020 y se convirtió en decano de la Facultad de Ingeniería el 1 de julio de 2026.
Investigación sobre el flujo óptico
Un enfoque temprano de la investigación de Brox fue el flujo óptico, la estimación del movimiento aparente entre imágenes. En 2004, Brox, Andrés Bruhn, Nils Papenberg y Joachim Weickert propusieron un método variacional que combinaba la constancia de brillo y gradiente con una restricción de suavidad que preserva discontinuidades y un esquema de optimización no lineal y de múltiples resoluciones. Este trabajo recibió el premio al mejor artículo Longuet-Higgins de ECCV 2004 y el premio Koenderink en 2014.
En 2015, Brox coautorizó FlowNet, que formuló la estimación del flujo óptico como un problema de aprendizaje supervisado para redes neuronales convolvesionales, utilizando datos de entrenamiento generados por completo de forma sintética. Este enfoque demostró el potencial del aprendizaje profundo para tareas de visión clásicas.
U-Net y aprendizaje profundo
También en 2015, Brox coautorizó U-Net con Olaf Ronneberger y Philipp Fischer. U-Net es una arquitectura convolvesional para la segmentación de imágenes biomédicas que combina un camino de contracción y uno de expansión, usando conexiones de salto para conservar información de alta resolución del codificador. La arquitectura se adoptó ampliamente en la imagen médica y otras tareas de segmentación, lo que influyó en los diseños de Neural network posteriores.
El trabajo de Brox está en la intersección de visión por computador y máquina, contribuyendo al movimiento más amplio de aprendizaje profundo. Su investigación sobre representación de aprendizaje visual ha explorado cómo las redes neuronales pueden aprender características útiles de las imágenes, a menudo sin etiquetas explícitas.
Premios y membresías
Brox recibió el premio Longuet-Higgins al mejor artículo en ECCV 2004 y el premio Koenderink en 2014, ambos por el artículo sobre el flujo óptico con Bruhen, Pappenberg y Weickert en 2004. Ha sido miembro plenario de la Academia de Ciencias y Humanidades de Heidelberg desde 2020.
Referencias
- Hechos de la fuente proporcionados por Wikipedia (CC BY-SA).