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. 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. Jest (współ)-autorem wielu publikacji, które ukazały się w czasopismach (TPAMI, TIP, TMM, PRL) i były prezentowane na międzynarodowych konferencjach (CVPR, ECCV, NIPS, MICCAI). Jest recenzentem prac publikowanych w czasopismach (TPAMI, VISI, CVIU, TCSVT) oraz materiałów konferencyjnych (CVPR, ICCV, ECCV, BMVC). 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. Od 2015 r. objął funkcję Chief Scientist w Tooploox, gdzie kieruje zespołem zajmującym się uczeniem maszynowym.

Zainteresowania naukowe: analiza wideo, wizja maszynowa, wyszukiwanie wizualne, rozszerzona rzeczywistość, uczenie maszynowe, głębokie sieci neuronowe, predykcja popularności treści internetowych, sieci społecznościowe, analiza obrazów medycznych.

Kontakt

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

Publikacje

Czasopisma:

  • 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

Konferencje:

  • M. Zieba, P. Semberecki, T. El-Gaaly, T. Trzcinski. BinGAN: Learning Compact Binary Descriptors with a Regularized GAN. Neural Information Processing Systems (NIPS), 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
  • 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
  • W. Oleszkiewicz, T. Wlodarczyk, K. Piczak, T. Trzcinski, P. Kairouz, R. Rajagopal. Siamese Generative Adversarial Privatizer for Biometric Data. Computer Vision and Pattern Recognition (CVPR), Workshop on the Bright and Dark Sides of Computer Vision, 2018. arXiv
  • J. Komorowski, T. Trzcinski. Aggregation of binary feature descriptors for compact scene model representation in large scale structure-from-motion applications. International Conference on Computer Vision and Graphics (ICCVG), 2018.
  • A. Slucki, T. Trzcinski, A. Bielski, P. Cyrta. Extracting textual overlays from social media videos using neural networks. International Conference on Computer Vision and Graphics (ICCVG), 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
  • P. Nowakowski, J. Myrcha, T. Trzcinski, Ł. Graczykowski, P. Rokita for the ALICE Collaboration. Comparison of 3D graphics engines for particle track visualization in the ALICE Experiment. Conference on Information Technology, Systems Research and Computational Physics (ITSRCP), 2018. pdf
  • I. Tautkute, T. Trzcinski, A. Bielski. Recognizing Emotions with EmotionalDAN. International Symposium on Computational Modeling of Objects Presented in Images (CompIMAGE), 2018.
  • 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
  • T. Trzcinski, P. Andruszkiewicz, T. Bocheński, P. Rokita. Recurrent Neural Networks for Online Video Popularity Prediction. International Symposium on Methodologies for Intelligent Systems (ISMIS), 2017. arXiv
  • W. Stokowiec, T. Trzcinski, K. Wolk, K. Marasek, P. Rokita. Shallow reading with Deep Learning: Predicting popularity of online content using only its title. International Symposium on Methodologies for Intelligent Systems (ISMIS), 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
  • J. Myrcha, T. Trzcinski, P. Rokita. Virtual Reality Visualization Algorithms for the ALICE High Energy Physics Experiment on the LHC at CERN. IEEE-SPIE Joint Symposium on Photonics, Web Engineering, Electronics for Astronomy and High Energy Physics Experiments (WILGA), 2017. pdf
  • I. Tautkute, A. Możejko, W. Stokowiec, T. Trzcinski, Ł. Brocki, K. Marasek. What Looks Good with my Sofa: Multimodal Search Engine for Interior Design. FEDCSIS Conference on Multimedia, Interaction, Design and Innovation (MIDI), 2017. arXiv
  • M. Suchecki, T. Trzcinski. Understanding aesthetics in photography using deep convolutional neural networks. International Conference on Signal Processing: Algorithms, Architectures, Arrangements, and Applications (SPA), 2017. arXiv
  • P. Cyrta, T. Trzcinski, W. Stokowiec. Speaker Diarization using Deep Recurrent Convolutional Neural Networks for Speaker Embeddings. International Conference on Information Systems Architecture and Technology (ISAT), 2017. arXiv
  • J. Komorowski, T. Trzcinski. Evaluation of Hashing Methods Performance on Binary Feature Descriptors. International Conference on Processing and Communications (IPC), 2017. arXiv
  • M. Komorowski, T. Trzcinski. Random Binary Trees for Approximate Nearest Neighbour Search in Binary Space. International Conference on Pattern Recognition and Machine Intelligence (PReMI), 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: 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