Jitendra Malik（1960年10月11日生まれ）は、インド系アメリカ人の学者であり、カリフォルニア大学バークレー校のArthur J. Chick電気工学・コンピュータ科学教授である。彼はコンピュータビジョンの研究で知られ、視覚認識、セグメンテーション、ロボティクスにわたり、技術的貢献とリーダーシップの両方を通じてこの分野に影響を与えてきた。
Malikの研究は、計算モデリングと生物学的視覚を橋渡しし、心理学と神経科学から着想を得ている。彼は80人以上の博士課程学生と博士研究員を指導し、その多くが現在、学術および産業の研究グループを率いている。彼の貢献は数多くの賞で認められており、2019年のIEEEコンピュータソサエティComputer Pioneer Awardを含む。
学歴と経歴
Malikは1960年10月11日にインドのマトゥラーで生まれた。彼はジャバルプルのSt. Aloysius Senior Secondary Schoolで学校教育を修了した。1980年にインド工科大学カンプール校で電気工学のBTechを取得し、1985年にスタンフォード大学でコンピュータ科学のPhDを取得した。1986年1月にカリフォルニア大学バークレー校に加わり、電気工学・コンピュータ科学部（EECS）のコンピュータ科学部門でArthur J. Chick教授となった。彼はまた、バイオエンジニアリングおよび認知科学・視覚科学グループの教員任命も保持している。2002年から2004年までコンピュータ科学部門の委員長を務め、2004年から2006年および2016年から2017年までEECS部門長を務めた。
Malikは2015年から2016年にかけてGoogleの客員研究科学者を務めた。その後、MetaのFundamental AI Research（FAIR）に加わり、メンロパークでリサーチディレクターおよびサイトリードを務めた後、2025年にロボティクス研究担当副社長となった。2026年には、AmazonのFrontier AI and Robotics（FAR）研究所で副社長兼Distinguished Scientistとして加わり、カリフォルニア大学バークレー校との関連を維持している。
研究概要
Malikは数十年にわたりコンピュータビジョンのリーダーであり、多くの基礎的な成果に貢献してきた。彼のアプローチはしばしば心理学と神経科学から着想を得ており、生物学的視覚の計算モデルに貢献している。彼はコンピュータビジョンの中心的な問題を「3つのR」、すなわち認識（recognition）、再構築（reconstruction）、再組織化（re-organization）として枠組み化し、それらの密接な連携を強調した。最近では、彼のグループはロボティクスに転向し、ナビゲーションと脚式移動に重要な貢献をしている。
視覚認識
1990年代後半は、視覚認識における幾何学的技術から学習技術への移行を示した。Malikのグループは、テクスチャン（ベクトル量子化されたフィルタ出力）やシェイプコンテキスト（点の相対配置）などの手設計特徴、および高速交差カーネルやSVM-KNNなどの新しい機械学習技術を先駆的に開発した。これらにより、手書き数字認識（2001年）、CAPTCHA破り（2002年）、Caltech101カテゴリ（2005年から2007年）、人物検出（2009年）などのタスクで世界記録の性能を達成した。シェイプコンテキスト法はHelmholtz test-of-time賞を受賞し、9,000以上の引用がある。
2012年、Geoff Hintonのグループによる「AlexNet」の研究がDeep learning革命を開始した。Malikは、Hintonに標準的な視覚認識ベンチマーク、特にImageNetで競争することで深層学習がより良く機能することを証明するよう奨励し、触媒的な役割を果たした。AlexNetの後、ImageNetがオブジェクトの位置特定を必要としなかったため、コミュニティは一般性について懐疑的であり続けた。GirshickらはR-CNN法を発明し、ImageNet分類での事前学習とその後のオブジェクト検出のための微調整でこれが可能であることを証明した。この論文は、CVPR 2014版で44,000以上の引用があり、Longuet-Higgins test-of-time賞を受賞した。R-CNNの変種は、視覚言語モデルに取って代わられるまで、ほぼ10年間オブジェクト認識を支配した。
セグメンテーション
視覚的グループ化と図地判別は、1世紀以上前にゲシュタルト学派によって最初に研究された。Malikのグループは、20年間（1995年から2015年）にわたり、この分野を雑多な技術の集合から経験に基づく科学へと変革した。彼らは、複数の人間の観察者を使用して知覚された境界をマークするバークレーセグメンテーションデータセット（BSDS）を作成し、セグメンテーションの階層モデルとの一貫性を示した。BSDS論文は10,000以上の引用があり、Helmholtz test-of-time賞を受賞した。
このデータセットを武器に、Malikらは、人間の視覚が自然世界の統計に適応するように進化した場合、さまざまなゲシュタルト手がかりを「最適」として合理化した。これにより、セグメンテーションアルゴリズムの定量的比較が可能になり、選択的な例ではなくなった。標準データセットでのベンチマークのアイデアは標準となり、特にPerona（Caltech 101）とEveringhamら（PASCAL VOC）が主導するオブジェクト認識で顕著であった。
影響と遺産
Malikの影響は彼自身の研究を超えて広がっている。彼は80人以上の博士課程学生と博士研究員を指導し、その多くがMIT、カリフォルニア大学バークレー校、カーネギーメロン大学、コーネル大学、イリノイ大学アーバナ・シャンペーン校、ペンシルベニア大学、ミシガン大学などの機関で主要な学者となり、Google、Meta、その他の主要組織で産業研究者となっている。彼の研究は、初期の特徴工学から深層学習時代まで、コンピュータビジョンの軌道を形成し、ロボティクスと人工知能に影響を与え続けている。