토마스 브록스(1976년 출생)는 컴퓨터 비전과 머신 러닝을 전문으로 하는 독일의 컴퓨터 과학자이다. 그는 프라이부르크 대학교에서 패턴 인식 및 이미지 처리 교수로 재직 중이며, 컴퓨터 비전 그룹을 이끌고 있다. 브록스는 생의학 이미지 분할을 위한 U-Net 아키텍처와 광학 흐름 추정을 위한 초기 합성곱 신경망 접근법인 FlowNet을 공동 저술한 것으로 알려져 있다. 스코퍼스에 따르면 그의 논문은 2026년까지 13만 회 이상 인용되었다.
학술 경력
브록스는 2005년 자를란트 대학교에서 컴퓨터 과학 박사 학위를 받았다. 이후 본 대학교에서 박사후 연구원으로 일했고, 나중에는 캘리포니아 대학교 버클리에서 지텐드라 말릭의 컴퓨터 비전 그룹에서 근무했다. 그는 또한 드레스덴 공과대학교에서 임시 교수로 지능형 시스템 그룹을 이끌었다. 2010년에 그는 프라이부르크 대학교에 합류하여 패턴 인식 및 이미지 처리 교수가 되었다. 그는 ECCV 2020의 프로그램 위원장을 역임했으며, 2026년 7월 1일에 공과대학 학장이 되었다.
광학 흐름 연구
브록스 연구의 초기 초점은 이미지 간의 겉보기 움직임을 추정하는 광학 흐름이었다. 2004년에 브록스, 안드레스 브룬, 닐스 파펜베르크, 요아힘 바이커트는 밝기 및 기울기 불변성과 불연속성 보존 평활성 제약, 비선형 다중 해상도 최적화 방식을 결합한 변분 방법을 제안했다. 이 연구는 ECCV 2004에서 롱게-히긴스 최우수 논문상과 2014년 코엔데링크 상을 수상했다.
2015년에 브록스는 FlowNet을 공동 저술했는데, 이는 완전히 합성적으로 생성된 훈련 데이터를 사용하여 광학 흐름 추정을 합성곱 신경망의 지도 학습 문제로 공식화했다. 이 접근 방식은 고전적인 비전 작업에 대한 딥 러닝의 잠재력을 입증했다.
U-Net과 딥 러닝
또한 2015년에 브록스는 올라프 론네베르거 및 필리프 피셔와 함께 U-Net을 공동 저술했다. U-Net은 수축 경로와 확장 경로를 결합하고 건너뛰기 연결을 사용하여 인코더의 고해상도 정보를 보존하는 생의학 이미지 분할용 합성곱 아키텍처이다. 이 아키텍처는 의료 영상 및 기타 분할 작업에서 널리 채택되었으며, 이후의 신경망 설계에 영향을 미쳤다.
브록스의 연구는 컴퓨터 비전과 머신 러닝의 교차점에 있으며, 더 넓은 딥 러닝 운동에 기여하고 있다. 그의 시각적 표현 학습 연구는 신경망이 명시적인 레이블 없이도 이미지에서 유용한 특징을 학습할 수 있는 방법을 탐구했다.
수상 및 회원 자격
브록스는 2004년 ECCV에서 롱게-히긴스 최우수 논문상과 2014년 코엔데링크 상을 받았으며, 둘 다 브룬, 파펜베르크, 바이커트와 함께한 2004년 광학 흐름 논문에 대한 것이었다. 그는 2020년부터 하이델베르크 과학 및 인문학 아카데미의 정회원이다.
참고 문헌
- 위키백과에서 제공된 사실 정보 (CC BY-SA).