マイケル・J・ブラック

マイケル・J・ブラック
マイケル・J・ブラック ドイツ、テュービンゲンのマックス・プランク知能システム研究所所長
生まれる	1962年6月（61～62歳） ノースカロライナ州、アメリカ合衆国
母校	ブリティッシュコロンビア大学(1985 年、理学士、優等コンピュータサイエンス) スタンフォード大学(1989年、コンピュータサイエンス修士) イェール大学(1992年、コンピュータサイエンス博士号)
知られている	コンピュータビジョン コンピュータグラフィックス 機械学習
受賞歴	ドイツ科学アカデミー会員 レオポルディーナ PAMI優秀研究者賞（2023年） ロンゲ・ヒギンズ賞（2020年） ヘルムホルツ賞（2013年） コーエンダーリンク賞（2010年） マール賞、ICCV優秀賞（2005年） マール賞、ICCV優秀賞（1999年） IEEE優秀論文賞（1991年）スウェーデン王立科学アカデミー 外国人会員
科学者としてのキャリア
フィールド	コンピュータサイエンス
機関	マックスプランク知能システム研究所 テュービンゲン大学
論文	ロバスト増分オプティカルフロー (1992)
博士課程の指導教員	P. アナンダーン
博士課程の学生	ステファン・ロス(2007)
Webサイト	ps.is.mpg.de/人物/黒人

マイケル・J・ブラックは、ドイツのテュービンゲンで働くアメリカ生まれのコンピュータ科学者です。彼はマックス・プランク知能システム研究所の創設所長であり、そこでコンピュータビジョン、機械学習、コンピュータグラフィックスを専門とする研究を行う知覚システム部門を率いています。また、彼はテュービンゲン大学の名誉教授でもあります。

ブラック氏は、コンピュータービジョンにおける3つの主要な賞をすべて受賞しています。2010年と2022年のヨーロッパコンピュータービジョン会議（ECCV）でのKoenderink賞、2013年の国際コンピュータービジョン会議（ICCV）でのHelmholtz賞、2022年のIEEEコンピュータービジョンおよびパターン認識会議（CVPR）でのLonguet-Higgins賞です。2023年には、PAMI優秀研究者賞を受賞しました。

ブラックの論文^[1]は、光学フロー推定をロバストなM推定問題として再定式化した。主な観察結果は、画像の動きにおける空間的な不連続性と標準的な明るさの一定性の仮定の違反は外れ値として扱うことができるというものである。古典的な最適化問題をロバストな推定問題として再定式化することで、より正確な結果が得られた。

この「ブラック・アンド・アナンダ」オプティカルフローアルゴリズムは、特殊効果などで広く使用されています。^{[2]この方法は、} 『What Dreams May Come』の絵画的効果のオプティカルフローの計算や、 『マトリックス リローデッド』の3D顔スキャンの登録に使用されました。

この研究のバージョンは、1991年のCVPRでIEEE優秀論文賞^{[3]を受賞し、2013年の}ICCVでは「時の試練に耐えた」研究としてヘルムホルツ賞を受賞しました。 ^[4]

運動の統計的モデリング、特に運動の不連続性に焦点を当てた初期の研究は、他の2つの賞論文につながりました。David Fleetとの「運動境界の確率的検出と追跡」に関する研究は、ICCV '99のMarr Prizeの佳作に選ばれました。^[5] Stefan Rothとの「光学フローの空間統計について」に関する研究は、ICCV 2005のMarr Prizeの佳作に選ばれました。 ^[6]

Deqing Sun および Stefan Roth と共同で行った「オプティカル フローの秘密」に関する研究は、2020 年の Longuet-Higgins 賞を受賞しました。この賞は、IEEE パターン分析および機械知能 (PAMI) 技術委員会が「時の試練に耐えたコンピューター ビジョンへの貢献」に対して毎年授与するものです。「秘密」の論文は、この分野の最先端技術を確立するのに役立ち、広く使用されている Classic+NL フロー アルゴリズムにつながりました。

「ブラックとアナンダンの」方法は、コンピュータビジョンにおけるロバスト統計の普及に貢献しました。これは、当時マルコフランダムフィールド(MRF) で使用されていた古典的な「ラインプロセス」にロバストペナルティ関数を関連付けたいくつかの論文によって促進されました。ブラックとランガラジャン^{[7] は、}同等のラインプロセス形式を持つロバスト関数の形式的な特性を特徴付け、これらの定式化を変換するプロセスを提供しました (現在「ブラック-ランガラジャン双対性」^[8]として知られています)。ブラックと同僚は、これらのアイデアを画像ノイズ除去^[9] 、異方性拡散^[10]、および主成分分析(PCA) に適用しました。^{[11] [12]}

この堅牢な定式化は手作業で作成され、小さな空間近傍が使用されました。Stefan RothとのFields of Expertsの研究では、これらの制限が取り除かれました。^{[13]彼らは、フィールドポテンシャルを}エキスパートの積としてモデル化することにより、大きな空間クリークを持つMRFのポテンシャル関数を学習しました。彼らの定式化は、浅い畳み込みニューラルネットワークとして見ることができます。

1993年、ブラックとジェプソンは混合モデルを使用して、複数の動きを伴うオプティカルフローフィールドを表現しました^{[14] （「レイヤード」オプティカルフローとも呼ばれます）。これにより、}期待値最大化（EM）の使用がコンピュータービジョンの分野に導入されました。

2000年代、ブラックはブラウン大学のジョン・ドナヒューらと協力し、ブレインゲート神経補綴技術の基盤となる技術を開発した。ブラックと同僚は、運動皮質からの神経信号を解読するベイズ法を開発した。チームは、運動皮質集団活動を解読するために、カルマンフィルタリング^{[15] [16] [17]}と粒子フィルタリング^[18]を初めて使用した。これらのベイズ復号法を用いて、チームは麻痺のある人間によるコンピュータカーソルのポイントアンドクリック制御の成功^{[19] [20]}と、非ヒト霊長類の腕と手の全運動の解読を実証した。^[21]

ブラックは人間の動きと形状推定に関する研究で最もよく知られています。ヘドヴィグ・サイドンブラッドとデイヴィッド・フリートとともに、彼は3Dの人間の関節運動を追跡するための粒子フィルタリングの使用を導入しました。^{[22]この研究は、} ECCV 2000でコンピュータビジョンの基礎的貢献に対してKoenderink Koenderink賞を受賞しました。

彼の現在の研究は、画像やビデオから人間の形状と姿勢をモデル化して推定することに焦点を当てています。彼のチームは、 CVPR 2007でマルチカメラ画像データに学習した3D人体モデルを適合させた最初のチームです^。[23] ECCV 2008では衣服の下に、^[24] ICCV 2009では単一の画像から、^[25] ICCV 2011ではRGB-Dデータから適合させました^。[26]

彼のグループは、人気の高いSMPL 3Dボディモデル^[27]（および3D人間の顔用のFLAME ^{[28] 、3D手のMANO [29]}、手と顔を備えた表現力豊かな3DボディモデルであるSMPL-X ^[30]などのさまざまな拡張機能）を作成し、画像から3Dボディ形状を推定する手法を普及させました。^{[31] [32] SMPLは学界と産業界の両方で広く使用されており、} Body Labs Incによってライセンス供与されたコアテクノロジーの1つでした。

LoperとBlackは「微分可能レンダリング」^[33]を普及させました。これは顔分析などの問題に対するニューラルネットワークの自己教師付きトレーニングの重要な要素となっています。合成による分析の古典的な方法は、目的関数を定式化し、それを微分します。OpenDR ^{[34]法は、}自動微分を使用してグラフィックスレンダリングエンジンを（近似的に）微分するという点でより一般的でした。これにより、順方向合成問題を提起し、逆問題を解決するための最適化方法を自動的に取得するためのフレームワークが提供されました。

ブラックはいくつかの重要なデータセットに貢献してきました。ミドルベリーフローデータセットは、この分野における最初の包括的なベンチマークを提供しました。^[35] MPI-Sintelフローデータセットは、合成データが十分に豊富で実際のデータに類似しているため、厳密なベンチマークを提供し、オプティカルフローの学習に有用であることを実証しました。^[36]

HumanEvaデータセット^[37]は、動いている人のRGBビデオと対応するグラウンドトゥルースの3D人間のポーズを含む最初のデータセットでした。このアプローチでは、光学モーションキャプチャとマルチカメラビデオキャプチャを組み合わせて使用​​しました。このデータセットにより、この分野で初めて精度を評価し、パフォーマンスを比較できるようになりました。

人間の姿勢、形状、活動に関連して、ブラックは人間の動きのSURREALデータセット^[38]、人間の行動のJHMDBデータセット^[39]、3Dボディ形状のFAUSTデータセット^[40]に貢献してきました。FAUSTは、2016年にユーログラフィックス・シンポジウム・オン・ジオメトリ・プロセッシング（SGP）からデータセット賞を受賞しました。 ^[41]

1985-1989 : 学士号取得後、ブラックはベイエリアに移り、GTE Government Systems および Advanced Decision Systems (ADS) でソフトウェア エンジニアとして働き、Xerox および Symbolics Lisp マシン上でエキスパート システムを開発しました。この間、ブラックはスタンフォード大学の Honors Co-Op プログラムを通じて、シンボリックおよびヒューリスティック計算のコンピューター サイエンスの修士号を取得しました。指導教官はジョン マッカーシーでした。

1989～1992年：この期間、ブラックはイェール大学で博士号取得を目指し、NASA大学院フェローシップの支援を受けました。ブラックは、アンドリュー（ボー）ワトソンが率いるNASAエイムズ研究センターのヒューマンファクター研究部門で博士号を取得しました。イェール大学では、P.アナンダとドリュー・マクダーモットの指導を受けました。

1992～1993年：ブラックはトロント大学でコンピューターサイエンスの助教授（契約による期間限定の任期）として博士研究員として勤務しました。指導教官はアラン・ジェプソンでした。在学中、ブラックはコンピューターサイエンス学生組合教育賞を受賞しました。

1993-2000 : 1993 年、ブラックはゼロックス パロアルト研究所 (PARC)に研究員として加わり、ダニエル ハッテンロッチャーが率いる画像理解領域で働きました。1996 年、ハッテンロッチャーから管理を引き継ぎました。1998 年にデジタル ビデオ分析領域を開始しました。  

2000～2011年：2000年、ブラックはブラウン大学のコンピューターサイエンスの准教授（終身在職権付き）として教職員に加わりました。2004年に教授に昇進しました。

2017～2021年：2017年、AmazonによるBody Labsの買収に伴い、ブラックはAmazonにパートタイムのDistinguished Amazon Scholar（VP）として入社しました。

2011年～現在：2011年、ブラックはマックス・プランク協会の科学会員となり、新しいMPI for Intelligent Systemsの創設ディレクターの一人となった。

ブラック氏は、インテリジェント システムのための MPI の共同設立者であることに加え、インテリジェント システムのための国際マックス プランク研究スクール (IMPRS) の設立を主導しました。

2015 年に彼は、ドイツのシュトゥットガルト-テュービンゲン地域を AI 研究と応用の世界的リーダーにすることを目指した、サイバーバレーの前身となる取り組みを提案しました。彼はこの研究コンソーシアムの理事会に所属し、スポークスマンを務めています。

2013年、ブラックのグループのチームは、衣料品やゲーム業界向けに3Dボディモデル技術を商品化したボディラボを設立した。ブラックは共同設立者兼投資家だった。ボディラボは2017年にAmazon.comに買収された。^[42]

2018年、Meshcapade GmbHが彼のグループからスピンアウトしました。このスタートアップは、MPI-ISで開発された技術のライセンス供与とサービスの提供に重点を置いています。^[43]

• Google Scholar の Michael J. Black