GS.TS. Trần Duy Trác
Viện Kỹ Thuật Và Khoa Học Máy Tính
Giảng viên liên kết
Giáo sư thỉnh giảng - Chương trình Kỹ thuật Điện tử
Giới thiệu
Giáo sư Trần Duy Trác, IEEE Fellow (S’94–M’98–SM’08–F’14) nhận bằng Cử nhân Khoa học (B.S.) và Thạc sĩ (M.S.) tại Viện Công nghệ Massachusetts (MIT), Cambridge, lần lượt vào các năm 1993 và 1994, và bằng Tiến sĩ (Ph.D.) tại Đại học Wisconsin–Madison vào năm 1998, tất cả đều trong lĩnh vực Kỹ thuật Điện.
Tháng 7 năm 1998, Giáo sư Trác gia nhập Khoa Kỹ thuật Điện và Máy tính tại Đại học Johns Hopkins, Baltimore, Maryland, nơi ông hiện giữ chức danh Giáo sư. Các hướng nghiên cứu của ông tập trung vào xử lý tín hiệu số, đặc biệt là biểu diễn thưa (sparse representation), phục hồi tín hiệu thưa (sparse recovery), lấy mẫu (sampling), hệ đa tốc độ (multi-rate systems), ngân hàng lọc (filter banks), biến đổi tín hiệu (transforms), sóng nhỏ (wavelets) và các ứng dụng trong phân tích, nén, xử lý ảnh/video và truyền thông. Nghiên cứu tiên phong của ông về các phép biến đổi hệ số nguyên và các toán tử tiền/xử lý hậu (pre-/post-filtering) đã được ứng dụng như các thành phần cốt lõi trong Microsoft Windows Media Video 9 và JPEG XR – chuẩn nén ảnh tĩnh quốc tế mới nhất ISO/IEC 29199-2. Nghiên cứu của ông cũng đã được sử dụng trong Daala, một định dạng mã hóa video đang được phát triển bởi Tổ chức Xiph.Org, chủ yếu được tài trợ bởi Mozilla Corporation.
Ông từng đồng chủ trì Hội nghị thường niên lần thứ 33 và 49 về Khoa học và Hệ thống Thông tin (CISS’99 và CISS’15) tại Baltimore, Maryland. Ông cũng là Đồng Chủ tịch Chương trình Kỹ thuật của Hội nghị Toàn cầu lần thứ 4 về Xử lý Tín hiệu và Thông tin của IEEE (GlobalSIP), tổ chức tại Washington DC vào tháng 12 năm 2016. Mùa hè năm 2002, ông là Nghiên cứu viên Giảng viên Mùa hè ASEE/ONR tại Trung tâm Chiến tranh Hàng không Hải quân – Bộ phận Vũ khí (NAWCWD) ở China Lake, California. Hiện nay, ông là chuyên gia tư vấn thường xuyên cho Phòng Thí nghiệm Nghiên cứu Quân đội Hoa Kỳ (U.S. Army Research Laboratory) tại Adelphi, Maryland.
Ông đã đảm nhiệm nhiều nhiệm kỳ với tư cách là Phó Tổng biên tập (Associate Editor) của các tạp chí IEEE Transactions on Signal Processing, IEEE Transactions on Image Processing, và IEEE Transactions on Circuits and Systems for Video Technology. Ông từng là thành viên của Ủy ban Kỹ thuật về Lý thuyết và Phương pháp Xử lý Tín hiệu (SPTM TC) và Ủy ban Kỹ thuật về Xử lý Tín hiệu Ảnh, Video và Đa chiều (IVMSP) của IEEE. Hiện tại, ông là Senior Associate Editor của IEEE Transactions on Image Processing và Associate Editor của IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI).
Ông đã nhận Giải thưởng NSF CAREER năm 2001, Giải thưởng Xuất sắc trong Giảng dạy William H. Huggins của Đại học Johns Hopkins năm 2007, và Giải thưởng Capers & Marion McDonald về Xuất sắc trong Hướng dẫn và Cố vấn năm 2009. Ông cũng là đồng tác giả nhận Giải thưởng Bài báo Xuất sắc Mikio Takagi của IEEE năm 2012, Giải Nhì của tạp chí Information and Inference: A Journal of the IMA năm 2017, và Giải thưởng Bài báo có Tác động Cao nhất của IEEE GRSS năm 2018. Ông là IEEE Fellow vì những đóng góp nổi bật trong xử lý tín hiệu đa tốc độ và xử lý tín hiệu thưa.
· Xử lý tín hiệu số
· Biểu diễn thưa và phục hồi tín hiệu thưa
· Lấy mẫu, hệ đa tốc độ, ngân hàng lọc, phép biến đổi và sóng nhỏ (wavelets)
· Ứng dụng trong phân tích, nén và xử lý ảnh/video và truyền thông
· Xử lý tín hiệu và ảnh thống kê
• Phân tích tín hiệu ngẫu nhiên
• Sóng nhỏ (wavelets) và ngân hàng lọc
• Lấy mẫu nén (compressed sensing) và phục hồi tín hiệu thưa
• Xử lý tín hiệu thống kê
• Lý thuyết thông tin
• Xử lý tín hiệu đa phương tiện
• Nén ảnh và video
• Nhập môn Kỹ thuật Điện và Máy tính
· D. Jayasundara, S. Rajagopalan, Y. Ranasinghe, T. D. Tran, and V. M. Patel, “SINR: Sparsity Driven Compressed Implicit Neural Representations,” Proc. of the IEEE/CVF Computer Vision and Pattern Recognition Conference (CVPR), pp. 3061-3070, 2025.
· S. Huang, D. Qiu, and T. D Tran, “Approximate message passing with parameter estimation for heavily quantized measurements,” IEEE Trans. on Signal Processing, vol. 70, no. 4, pp. 2062-2077, 2022.
· Y. Jiao, T. D. Tran, and G. Shi. “Effiscene: Efficient per-pixel rigidity inference for unsupervised joint learning of optical flow, depth, camera pose and motion segmentation.” Proc. of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 5538-5547, 2021.
· A. Nair, K. N. Washington, T. D. Tran, A. Reiter, and M. A. L. Bell, “Deep learning to obtain simultaneous image and segmentation outputs from a single input of raw ultrasound channel data,” IEEE Trans. on Ultrasonics, Ferroelectrics, and Frequency Control, vol. 67, no. 12, pp. 2493-2509, 2020.
· J. Shin, D. N. Tran, J. R. Stroud, S. P. Chin, T. D. Tran, and M. A. Foster, “A minimally invasive lens-free computational micro-endoscope,” Science Advances, vol. 5, no. 12, pp. 1-6, 2019.
· X. Sun, N. M. Nasrabadi, and T. D. Tran, “Supervised deep sparse coding networks for image classification,” IEEE Trans. on Image Processing, vol. 29, no. 7, pp. 405-418, 2019.
· S. Huang and T. D. Tran, “Sparse signal recovery via generalized entropy functions minimization,” IEEE Trans. on Signal Processing, vol. 67, pp. 1322-1337, May 2018.
· N. H. Nguyen, P. Drineas, and T. D. Tran, “Tensor sparsification via a bound on the spectral norm of random tensors,” Information and Inference: A Journal of the IMA, vol. 4, no. 3, pp. 195-229, Apr. 2015.
· N. H. Nguyen and T. D. Tran, “Robust Lasso with missing and grossly corrupted observations,” IEEE Trans. on Information Theory, vol. 59, pp. 2036-2058, Apr. 2013.
· N. H. Nguyen and T. D. Tran, “Exact recoverability from dense corrupted observations vial L1 minimization,” IEEE Trans. on Information Theory, vol. 59, pp. 2017-2035, Apr. 2013.
· Y. Chen, N. M. Nasrabadi, and T. D. Tran, ”Hyperspectral image classification via kernel sparse representation.” IEEE Transactions on Geoscience and Remote Sensing, vol. 51, no. 1, pp. 217-231, 2012.
· T. T. Do, L. Gan, N. H. Nguyen, and T. D. Tran, “Fast and efficient compressive sampling using structurally random matrices,” IEEE Trans. on Signal Processing, vol. 60, pp. 139-154, Jan. 2012.
· Y. Chen, N. M. Nasrabadi, and T. D. Tran, “Hyperspectral image classification using dictionary based sparse representation,” IEEE Trans. on Geoscience and Remote Sensing, vol. 49, pp. 3973-3985, Oct. 2011.
· N. H. Nguyen, T. T. Do, and T. D. Tran, “A fast and efficient algorithm for low-rank approximation of a matrix,” Proc. 41st ACM Symposium on Theory of Computing (STOC 2009), pp. 215-224, Bethesda, Jun. 2009.
· T. D. Tran, J. Liang, and C. Tu, “Lapped transform via time-domain pre- and post-filtering,” IEEE Trans. on Signal Processing, vol. 51, pp. 1557-1571, Jun. 2003.
· Tu and T. D. Tran, “Context based entropy coding of block transform coefficients for image compression,” IEEE Trans. on Image Processing, vol. 11, pp. 1271-1283, Nov. 2002.
· J. Liang and T. D. Tran, “Fast multiplierless approximations of the DCT with the lifting scheme,” IEEE Trans. on Signal Processing, vol. 49, pp. 3032-3044, Dec. 2001.
