Jitendra Malik(1960년 10월 11일 출생)은 캘리포니아 대학교 버클리의 Arthur J. Chick 전기공학 및 컴퓨터과학 교수인 인도계 미국인 학자이다. 그는 컴퓨터 비전 연구로 잘 알려져 있으며, 시각 인식, 분할, 로봇공학을 아우르고, 기술적 기여와 리더십을 통해 해당 분야에 영향을 미쳤다.
Malik의 연구는 계산 모델링과 생물학적 시각을 연결하며, 심리학과 신경과학에서 영감을 얻었다. 그는 80명 이상의 박사 과정 학생과 박사후 연구원을 지도했으며, 이들 중 다수는 현재 학계 및 산업 연구 그룹을 이끌고 있다. 그의 기여는 2019년 IEEE 컴퓨터 학회 컴퓨터 개척자 상을 포함한 수많은 상으로 인정받았다.
학문적 이력
Malik은 1960년 10월 11일 인도 마투라에서 태어났다. 그는 자발푸르의 세인트 알로이시우스 고등학교에서 학업을 마쳤다. 1980년 인도 공과대학 칸푸르에서 전기공학 학사 학위를, 1985년 스탠포드 대학교에서 컴퓨터과학 박사 학위를 받았다. 1986년 1월 UC 버클리에 합류하여 전기공학 및 컴퓨터과학 학과(EECS)의 컴퓨터과학 부문에서 Arthur J. Chick 교수가 되었다. 그는 또한 생명공학 및 인지과학, 시각과학 그룹에서 교수직을 맡고 있다. 2002년부터 2004년까지 컴퓨터과학 부문 학과장을, 2004년부터 2006년과 2016년부터 2017년까지 EECS 학과장을 역임했다.
Malik은 2015-2016년 동안 구글에서 방문 연구 과학자로 활동했다. 이후 메타의 기초 AI 연구(FAIR)에 합류하여 멘로 파크에서 연구 책임자 및 현장 책임자를 지낸 후, 2025년 로봇공학 연구 부사장이 되었다. 2026년에는 아마존의 프론티어 AI 및 로봇공학(FAR) 연구소에서 부사장 겸 저명 과학자로 합류하면서 UC 버클리와의 연계를 유지하고 있다.
연구 개요
Malik은 수십 년 동안 컴퓨터 비전 분야의 선도자로 활동하며 많은 근본적인 결과에 기여했다. 그의 접근 방식은 흔히 심리학과 신경과학에서 영감을 얻어 생물학적 시각의 계산 모델에 기여했다. 그는 컴퓨터 비전의 핵심 문제를 "3R" - 인식(recognition), 재구성(reconstruction), 재조직(re-organization) - 로 정의하고 이들의 긴밀한 연관성을 강조했다. 최근 그의 그룹은 로봇공학으로 방향을 전환하여 내비게이션과 보행 이동에 중요한 기여를 하고 있다.
시각 인식
1990년대 후반은 시각 인식에서 기하학적 방법에서 학습 기법으로의 전환을 의미했다. Malik의 그룹은 텍스턴(벡터 양자화된 필터 출력)과 형태 컨텍스트(점들의 상대적 배열)와 같은 수작업 설계 특징과 빠른 교차 커널 및 SVM-KNN과 같은 새로운 머신러닝 기법을 개척했다. 이는 손글씨 숫자 인식(2001), CAPTCHA 해독(2002), Caltech101 범주(2005-07), 사람 감지(2009)에서 세계 기록 성능을 가능하게 했다. 형태 컨텍스트 방법은 Helmholtz 테스트-오브-타임 상을 받았으며 9,000회 이상 인용되었다.
2012년, Geoff Hinton 그룹의 "AlexNet" 작업은 Deep learning 혁명을 시작했다. Malik은 Hinton이 표준 시각 인식 벤치마크, 특히 ImageNet에서 경쟁하여 딥러닝이 더 잘 작동한다는 것을 증명하도록 장려하는 촉매 역할을 했다. AlexNet 이후, ImageNet이 객체 위치 파악을 요구하지 않았기 때문에 커뮤니티는 일반성에 대해 회의적이었다. Girshick 등은 R-CNN 방법을 발명하여 ImageNet 분류 사전 훈련 후 객체 감지를 위한 미세 조정으로 이를 수행할 수 있음을 증명했다. 이 논문은 CVPR 2014 버전에서 44,000회 이상 인용되었으며 Longuet-Higgins 테스트-오브-타임 상을 받았다. R-CNN 변형은 비전-언어 모델에 의해 대체될 때까지 거의 10년 동안 객체 인식을 지배했다.
분할
시각적 그룹화와 전경-배경 구분은 한 세기 전 게슈탈트 학파에 의해 처음 연구되었다. Malik의 그룹은 20년(1995-2015)에 걸쳐 이 분야를 다양한 기법의 모음에서 경험적 과학으로 변형시켰다. 그들은 여러 인간 관찰자가 인지된 경계를 표시하도록 하여 버클리 분할 데이터 세트(BSDS)를 만들었고, 이는 분할의 계층적 모델과 일관성을 보여주었다. BSDS 논문은 10,000회 이상 인용되었으며 Helmholtz 테스트-오브-타임 상을 받았다.
이 데이터 세트를 바탕으로 Malik 등은 인간 시각이 자연 세계 통계에 적응하도록 진화했다면 다양한 게슈탈트 단서를 "최적"으로 합리화했다. 이는 분할 알고리즘의 정량적 비교를 가능하게 했으며, 임의로 선택된 예시가 아닌 체계적 평가를 가능하게 했다. 표준 데이터 세트에서 벤치마킹하는 아이디어는 특히 Perona(Caltech 101)와 Everingham 등(PASCAL VOC)이 주도한 객체 인식에서 표준이 되었다.
영향과 유산
Malik의 영향력은 자신의 연구를 넘어선다. 그는 80명 이상의 박사 과정 학생과 박사후 연구원을 지도했으며, 이들 중 다수는 MIT, UC 버클리, 카네기 멜론 대학교, 코넬 대학교, 일리노이 대학교 어바나-샴페인, 펜실베니아 대학교, 미시간 대학교를 포함한 기관에서 선도적인 학자가 되었고, 구글, 메타 및 기타 주요 조직에서 산업 연구자로 활동하고 있다. 그의 작업은 초기 특징 엔지니어링부터 딥러닝 시대까지 컴퓨터 비전의 궤적을 형성했으며, 로봇공학과 인공지능에도 계속 영향을 미치고 있다.