トーマス・ブロックス（1976年生まれ）は、コンピュータビジョンと機械学習を専門とするドイツの計算機科学者である。彼はフライブルク大学のパターン認識・画像処理の教授であり、同大学のコンピュータビジョングループを率いている。ブロックスは、医用画像セグメンテーションのためのU-Netアーキテクチャと、オプティカルフロー推定への初期の畳み込みニューラルネットワークアプローチであるFlowNetの共著者として知られている。Scopusによると、彼の出版物は2026年までに13万件以上の引用を受けている。
学歴・職歴
ブロックスは2005年にザールラント大学で計算機科学の博士号を取得した。その後、ボン大学で博士研究員として働き、後にカリフォルニア大学バークレー校でジテンドラ・マリクのコンピュータビジョングループに所属した。また、ドレスデン工科大学で知能システムグループの臨時教授を務めた。2010年にフライブルク大学に着任し、パターン認識・画像処理の教授となった。彼はECCV 2020のプログラム委員長を務め、2026年7月1日に工学部長に就任した。
オプティカルフローに関する研究
ブロックスの研究の初期の焦点は、画像間の見かけの動きを推定するオプティカルフローであった。2004年、ブロックス、アンドレス・ブルーン、ニルス・パーペンベルク、ヨアヒム・ヴァイカートは、輝度と勾配の恒常性を、不連続性を保存する平滑化制約と非線形・マルチ解像度最適化スキームと組み合わせた変分法を提案した。この研究は、ECCV 2004でLonguet-Higgins最優秀論文賞、2014年にKoenderink賞を受賞した。
2015年、ブロックスはFlowNetを共著し、オプティカルフロー推定を畳み込みニューラルネットワークの教師あり学習問題として定式化し、完全に合成生成されたトレーニングデータを使用した。このアプローチは、古典的なビジョンタスクに対する深層学習の可能性を示した。
U-Netと深層学習
また2015年、ブロックスはオラフ・ロネベルガーとフィリップ・フィッシャーとともにU-Netを共著した。U-Netは、医用画像セグメンテーションのための畳み込みアーキテクチャであり、収縮経路と拡張経路を組み合わせ、スキップ接続を使用してエンコーダからの高解像度情報を保存する。このアーキテクチャは、医用画像やその他のセグメンテーションタスクで広く採用され、その後のニューラルネットワーク設計に影響を与えた。
ブロックスの研究はコンピュータビジョンと機械学習の交差点に位置し、より広範な深層学習運動に貢献している。彼の視覚表現学習に関する研究は、ニューラルネットワークが、多くの場合明示的なラベルなしで、画像から有用な特徴を学習できる方法を探求している。
受賞と会員資格
ブロックスは、ECCV 2004でLonguet-Higgins最優秀論文賞、2014年にKoenderink賞を受賞した。いずれもブルーン、パーペンベルク、ヴァイカートとの2004年のオプティカルフロー論文によるものである。彼は2020年からハイデルベルク科学人文アカデミーの正会員である。
参考文献
- 出典事実はウィキペディア（CC BY-SA）による。