Biografia

Dr hab. inż. Tomasz Trzciński jest adiunktem w Zakładzie Grafiki Komputerowej Instytutu Informatyki Politechniki Warszawskiej od 2015 r., gdzie kieruje pracami zespołu zajmującego się widzeniem maszynowym CVLab. Stopień doktora habilitowanego w dyscyplinie Informatyka Techniczna i Telekomunikacja uzyskał na Politechnice Warszawskiej w 2020 r. Stopień doktora w zakresie wizji maszynowej zdobył na École Polytechnique Fédérale de Lausanne w 2014 r. W 2010 r. otrzymał dwa dyplomy magisterskie: pierwszy nadany przez Universitat Politècnica de Catalunya w zakresie badań nad technologiami informacyjnymi, drugi nadany przez Politecnico di Torino w zakresie elektroniki. Pełni funkcję Associate Editor w IEEE Access, jest także recenzentem prac publikowanych w czasopismach TPAMI, IJCV, CVIU, TIP i TMM, oraz członkiem komitetów organizacyjnych konferencji, m.in. CVPR, ICCV i ICML. Pracował w Google w 2013 r., Qualcomm w 2012 r. oraz w Telefónice w 2010 r. Odbył staże naukowe na Uniwersytecie Stanforda w 2017 r. oraz na Nanyang Technological University w 2019 r. Jest współorganizatorem warsaw.ai, członkiem IEEE oraz Computer Vision Foundation, ekspertem Narodowego Centrum Nauki i Fundacji na rzecz Nauki Polskiej, zasiada również w Radzie Naukowej konferencji PLinML oraz Data Science Summit. Jest współwłaścicielem firmy Tooploox, gdzie jako Chief Scientist kieruje zespołem zajmującym się uczeniem maszynowym, a także współzałożycielem startupu technologicznego Comixify, wykorzystującego metody sztucznej inteligencji do edycji wideo.
Zainteresowania naukowe: widzenie maszynowe (symultaniczna lokalizacja i mapowanie, wyszukiwanie wizualne), uczenie maszynowe (głębokie sieci neuronowe, modele generatywne, analiza obrazów medycznych), uczenie reprezentacji (deskryptory binarne).
Kontakt
adres: ul. Nowowiejska 15/19, 00-665 Warszawa, Poland
email: tomasz.trzcinski@pw.edu.pl
tel: +48 22 234 7650
konsultacje: po wcześniejszym uzgodnieniu drogą elektroniczną
Publikacje
Wybrane czasopisma:
- K. Deja, J. Dubinski, P. Nowak, S. Wenzel, P. Spurek, T. Trzcinski. End-to-end Sinkhorn Autoencoder with Noise Generator. IEEE Access, 2021. pdf
- M. Zamorski, M. Zieba, P. Klukowski, R. Nowak, K. Kurach, W. Stokowiec, T. Trzcinski. Adversarial autoencoders for compact representations of 3D point clouds, Computer Vision and Image Understanding, 2020. arXiv
- I. Tautkute, T. Trzcinski, A. Skorupa, L. Brocki, K. Marasek. DeepStyle: Multimodal Search Engine for Fashion and Interior Design. IEEE Access, Vol. 6, Nr. 1, p. 84613-84628, 2019. pdf
- M. Pesko, A. Svystun, P. Andruszkiewicz, P. Rokita, T. Trzcinski. Comixify: Transform video into comics, Fundamenta Informaticae, Vol. 168, nr 2-4, p. 311-333, 2019. arXiv demo code
- I. Tautkute, T. Trzcinski. Classifying and Visualizing Emotions with EmotionalDAN, Fundamenta Informaticae, Vol. 168, Nr. 2-4, p. 269-285, 2019. arXiv
- M. Komorowski, T. Trzcinski. Random Binary Search Trees for approximate nearest neighbour search in binary spaces, Applied Soft Computing, Vol. 79, p. 87-93, 2019. official version
- A. Bielski, T. Trzcinski. Understanding Multimodal Popularity Prediction of Social Media Videos with Self-Attention. IEEE Access, Vol. 6, Nr. 1, p. 74277-74287, 2018. pdf
- T. Trzcinski, P. Rokita. Predicting popularity of online videos using Support Vector Regression. IEEE Trans. Multimedia (TMM). Vol. 19, Nr. 11, p. 2561-2570, 2017. arXiv
- T. Trzcinski, M. Christoudias, V. Lepetit. Learning Image Descriptors with Boosting. IEEE Trans. Pattern Analysis and Machine Intelligence (PAMI). Vol. 37, Nr. 3, pp. 597-610, 2015. pdf
- B. Fan, Q. Kong, T. Trzcinski, Z. Wang, C. Pan, P. Fua. Receptive Fields Selection for Binary Feature Description. IEEE Trans. Image Processing (TIP). Vol. 23, Nr. 6, pp. 2583-2595, 2014. official version
- T. Trzcinski, V. Lepetit, P. Fua. Thick Boundaries in Binary Space and their Influence on Nearest-Neighbor Search. Pattern Recognition Letters (PRL). Vol. 33, pp. 2173-2180, 2012. pdf, code
- M. Calonder, V. Lepetit, M. Ozuysal, T. Trzcinski, C. Strecha, P. Fua. BRIEF: Computing a local binary descriptor very fast. IEEE Trans. Pattern Analysis and Machine Intelligence (PAMI). Vol. 34, Nr. 7, pp. 1281 - 1298, 2012. pdf
Wybrane konferencje:
- P. Spurek, S. Winczowski, J. Tabor, M. Zamorski, M. Zięba, T. Trzcinski. Hypernetwork approach to generating point clouds, International Conference on Machine Learning (ICML), 2020. arXiv
- M. Koperski, T. Konopczyński, P. Semberecki, R. Nowak, T. Trzcinski. Plugin Networks for Inference under Partial Evidence, IEEE Workshop on Applications of Computer Vision (WACV), 2020. arXiv
- W. Oleszkiewicz, S. Jastrzębski, T. Makino, T. Trzciński, L. Moy, K. Cho, L. Heacock, K. J. Geras. Understanding the robustness of deep neural network classifiers for breast cancer screening, International Conference on Learning Representations (ICLR), AI for Affordable Healthcare Workshop, 2020. arXiv
- G. Kurzejamski, J. Komorowski, L. Dabala, K. Czarnota, S. Lynen, T. Trzcinski. SuperNCN: Neighbourhood consensus network for robust outdoor scenes matching, Advanced Concepts for Intelligent Vision Systems (ACIVS), 2020. arXiv
- M. Zieba, P. Semberecki, T. El-Gaaly, T. Trzcinski. BinGAN: Learning Compact Binary Descriptors with a Regularized GAN. Neural Information Processing Systems (NeurIPS), 2018. arXiv
- N. Kapinski, J. Zielinski, B. Borucki, T. Trzcinski, B. Ciszkowska-Lyson, K. Nowinski. Estimating Achilles tendon healing progress with convolutional neural networks. International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2018. arXiv
- W. Oleszkiewicz, P. Kairouz, K. Piczak, R. Rajagopal, T. Trzcinski. Siamese Generative Adversarial Privatizer for Biometric Data. Asian Conference on Computer Vision (ACCV), 2018. arXiv
- T. Trzcinski, J. Komorowski, L. Dabala, K. Czarnota, G. Kurzejamski, S. Lynen. SConE: Siamese Constellation Embedding Descriptor for Image Matching. European Conference on Computer Vision (ECCV), Workshop on 3D Reconstruction in the Wild, 2018. arXiv
- J. Komorowski, K. Czarnota, T.Trzcinski, L. Dabala, S. Lynen. Interest point detectors stability evaluation on ApolloScape dataset. European Conference on Computer Vision (ECCV), Workshop on ApolloScape: Vision-based Navigation for Autonomous Driving, 2018. arXiv
- A. Bielski, T. Trzcinski. Pay Attention to Virality: understanding popularity of social media videos with the attention mechanism. Computer Vision and Pattern Recognition (CVPR), Understanding Subjective Attributes of Data Workshop, 2018 (oral presentation). arXiv
- I. Tautkute, T. Trzcinski, A. Bielski. I Know How You Feel: Emotion Recognition with Facial Landmarks. Computer Vision and Pattern Recognition (CVPR), Women in Computer Vision Workshop, 2018. arXiv
- T. Trzcinski, M. Glinka, Ł. Graczykowski for the ALICE Collaboration. Using Random Forest Classifier for particle identification in the ALICE Experiment. Conference on Information Technology, Systems Research and Computational Physics (ITSRCP), 2018. pdf
- K. Deja, T. Trzcinski, Ł. Graczykowski for the ALICE Collaboration. Generative Models for Fast Cluster Simulations in the TPC for the ALICE Experiment. Conference on Information Technology, Systems Research and Computational Physics (ITSRCP), 2018. pdf
- T. Trzcinski, A. Bielski, P. Cyrta, M. Zak. SocialML: machine learning for social media video creators. Neural Information Processing Systems (NIPS) Workshop on Machine Learning for Creativity and Design, 2017. arXiv
- M. Kowalski, J. Naruniec, T. Trzcinski. Deep Alignment Network: A convolutional neural network for robust face alignment. Computer Vision and Pattern Recognition (CVPR), Face Detection in the Wild Workshop, 2017. arXiv
- T. Trzcinski, M. Christoudias, P. Fua, V. Lepetit. Boosting Binary Keypoint Descriptors. Computer Vision and Pattern Recognition (CVPR), 2013. pdf, code
- T. Trzcinski, M. Christoudias, V. Lepetit, P. Fua. Learning Image Descriptors with the Boosting-Trick. Neural Information Processing Systems (NIPS), 2012. pdf
- T. Trzcinski, V. Lepetit. Efficient Discriminative Projections for Compact Binary Descriptors. European Conference on Computer Vision (ECCV), 2012. pdf, code
- D. Marimon, T. Adamek, A. Bonnin, T. Trzcinski. Enhancing global positioning by image recognition. International Symposium on Mixed and Augmented Reality (ISMAR), Workshop on Enabling Large-Scale Outdoor Mixed Reality and Augmented Reality, 2011. pdf
Inne:
- T. Trzcinski. Learning and Matching Binary Local Feature Descriptors. Ph.D. Thesis, EPFL, n° 6226 (2014). pdf
- T. Trzcinski. Towards Precise Outdoor Localisation Based on Image Recognition. M.Sc. Thesis, Universitat Politècnica de Catalunya, Politecnico di Torino (2010). pdf
Artykuły prasowe



















Granty
- Microsoft Research PhD Scholarship Award: Realistyczne renderowanie postaci ludzi na podstawie niepełnej informacji, 2020-2023.
- Grant Priorytetowe Obszary Badawcze PW - Sztuczna Inteligencja i Robotyka: Binarne reprezentacje danych i ich wykorzystanie w uczeniu ciągłym, 2020-2021.
- Grant Priorytetowe Obszary Badawcze PW - Fizyka Wysokich Energii i Techniki Eksperymentu: WUT@ALICE: Badanie fundamentalnych właściwości silnie oddziałującej materii za pomocą korelacji cząstek oraz uczenia maszynowego w eksperymencie ALICE na LHC, 2020-2021.
- Grant Rady Dyscypliny Naukowej Informatyka Techniczna i Telekomunikacja PW: Opracowanie metody predykcji spontanicznych przedwczesnych porodów na podstawie filmów ultrasonograficznych z wykorzystaniem metod uczenia maszynowego, 2020-2021.
- FNP TEAM-NET (UJ): Bioinspirowalne sieci neuronowe, 2019-2023. strona projektu
- Google Project ARCore: Hierarchiczna reprezentacja wizualna dla lokalizacji na podstawie obrazu, 2019-2020.
- Grant dziekański: Predykcja przedwczesnego porodu w oparciu o zdjęcia ultrasonograficzne przy wykorzystaniu sztucznych sieci neuronowych, 2019.
- Google Project ARCore: Poprawa stabilności detekcji punktów charakterystycznych obrazu przy wykorzystaniu głębokich sieci neuronowych, 2018-2019.
- Grant dziekański: Zastosowanie głębokich sieci neuronowych do klasyfikacji filmów wideo w sieciach społecznościowych, 2017.
- SONATA 11/ST6: Opracowanie metod uczenia maszynowego do monitorowania jakości danych o dużej objętości oraz interaktywnych metod ich wizualizacji na przykładzie eksperymentu ALICE na Wielkim Zderzaczu Hadronów w CERN, 2016-2019.
- Google Project Tango: Wydajne i precyzyjne algorytmy wyszukiwania najbliższych sąsiadów dla binarnych deskryptorów lokalnych, 2016-2017.
- Grant dziekański: Zastosowanie algorytmów sztucznej inteligencji do analizy zjawiska wirusowych filmów wideo, 2015.
Dydaktyka
- Podstawy Sztucznej Inteligencji: PW, od 2017.
- Przetwarzanie Cyfrowe Obrazów: PW, od 2015. informacje projektowe
- Analiza Algorytmów: PW, od 2015.
- Foundations of Imaging Science: EPFL, 2011-2013.