Thomas Brox (né en 1976) est un informaticien allemand spécialisé en vision par ordinateur et en apprentissage automatique. Il est professeur de reconnaissance de formes et de traitement d'images à l'Université de Fribourg, où il dirige le groupe de vision par ordinateur. Brox est connu pour avoir co-écrit l'architecture U-Net pour la segmentation d'images biomédicales et FlowNet, une approche précoce de réseau neuronal convolutif pour l'estimation du flux optique. Selon Scopus, ses publications ont reçu plus de 130 000 citations d'ici 2026.
Carrière académique
Brox a obtenu son doctorat en informatique à l'Université de la Sarre en 2005. Il a ensuite travaillé comme chercheur postdoctoral à l'Université de Bonn, puis à l'Université de Californie à Berkeley, dans le groupe de vision par ordinateur de Jitendra Malik. Il a également dirigé le groupe des systèmes intelligents à l'Université technique de Dresde en tant que professeur temporaire. En 2010, il a rejoint l'Université de Fribourg, devenant professeur de reconnaissance de formes et de traitement d'images. Il a été président de programme pour l'ECCV 2020 et est devenu doyen de la faculté d'ingénierie le 1er juillet 2026.
Recherche sur le flux optique
Un axe précoce de la recherche de Brox a porté sur le flux optique, l'estimation du mouvement apparent entre les images. En 2004, Brox, Andrés Bruhn, Nils Papenberg et Joachim Weickert ont proposé une méthode variationnelle combinant la constance de la luminosité et du gradient avec une contrainte de lissage préservant les discontinuités et un schéma d'optimisation non linéaire multi-résolution. Ce travail a reçu le prix du meilleur article Longuet-Higgins à l'ECCV 2004 et le prix Koenderink en 2014.
En 2015, Brox a co-écrit FlowNet, qui a formulé l'estimation du flux optique comme un problème d'apprentissage supervisé pour les réseaux neuronaux convolutifs, en utilisant des données d'entraînement entièrement générées de manière synthétique. Cette approche a démontré le potentiel de l'apprentissage profond pour les tâches classiques de vision.
U-Net et apprentissage profond
Toujours en 2015, Brox a co-écrit U-Net avec Olaf Ronneberger et Philipp Fischer. U-Net est une architecture convolutive pour la segmentation d'images biomédicales qui combine un chemin de contraction avec un chemin d'expansion, utilisant des connexions de saut pour préserver les informations à haute résolution de l'encodeur. L'architecture a été largement adoptée en imagerie médicale et dans d'autres tâches de segmentation, influençant les conceptions ultérieures de réseaux neuronaux.
Les travaux de Brox se situent à l'intersection de la vision par ordinateur et de l'apprentissage automatique, contribuant au mouvement plus large de l'apprentissage profond. Sa recherche sur l'apprentissage de représentations visuelles a exploré comment les réseaux neuronaux peuvent apprendre des caractéristiques utiles à partir d'images, souvent sans étiquettes explicites.
Prix et affiliations
Brox a reçu le prix du meilleur article Longuet-Higgins à l'ECCV 2004 et le prix Koenderink en 2014, tous deux pour l'article sur le flux optique de 2004 avec Bruhn, Papenberg et Weickert. Il est membre titulaire de l'Académie des sciences et des lettres de Heidelberg depuis 2020.
Références
- Faits sources fournis par Wikipédia (CC BY-SA).