dr inż. Tomasz Trzciński

Adiunkt, Politechnika Warszawska

English

Biografia

Dr inż. Tomasz Trzciński jest adiunktem w Zakładzie Grafiki Komputerowej Instytutu Informatyki Politechniki Warszawskiej od 2015 r. Uzyskał tytuł doktora w zakresie wizji maszynowej na École Polytechnique Fédérale de Lausanne w 2014 r. Dr inż. Tomasz Trzciński otrzymał w 2010 r. 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, TMM) oraz materiałów konferencyjnych (CVPR, ICCV, ECCV, ACCV, BMVC, ICML, MICCAI). Dr inż. Tomasz Trzciński pracował w Google w 2013 r., Qualcomm w 2012 r. oraz w Telefónice w 2010 r. W 2017 r. odbył staż naukowy na Uniwersytecie Stanforda. W 2016 r. znalazł się na liście New Europe 100 – innowatorów i liderów pozytywnych zmian z krajów Europy Środkowo-Wschodniej. Jest współorganizatorem warsaw.ai, członkiem IEEE oraz Computer Vision Foundation, zasiada również w Radzie Naukowej konferencji PLinML, aktywnie wspiera prace nad polską strategią AI. Jest współwłaścicielem firmy Tooploox, gdzie jako Chief Scientist kieruje zespołem zajmującym się uczeniem maszynowym.

Zainteresowania naukowe: widzenie maszynowe (symultaniczna lokalizacja i mapowanie, wyszukiwanie wizualne, rozszerzona rzeczywistość), uczenie maszynowe (głębokie sieci neuronowe, predykcja popularności treści internetowych, analiza obrazów medycznych), uczenie reprezentacji (deskryptory binarne).

Od 22.11.2019 do 30.12.2019 będę realizował pobyt naukowy na Nanyang Technological University w Singapurze, w związku z czym nie będę dostępny na uczelni.

Kontakt

adres: ul. Nowowiejska 15/19, 00-665 Warszawa, Poland
email: tomasz.trzcinski@pw.edu.pl
tel: +48 22 234 7650
konsultacje: wtorek, 14.00-16.00, pok. 415A, kontakt mailowy przed konsultacjami mile widziany

Publikacje

Nowe:

  • M. Zamorski, M. Zieba, R. Nowak, W. Stokowiec, T. Trzcinski. Adversarial Autoencoders for Generating 3D Point Clouds, 2018. arXiv

Wybrane czasopisma:

  • 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:

  • 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
  • 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
Profil Google Scholar

Artykuły prasowe

Granty

  • Google Project ARCore: Hierarchiczna reprezentacja wizualna dla lokalizacji na podstawie obrazu, 2019-2020.
  • Dean's grant': 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.
Copyright © black_white