Lehrende/r: Ph. D. Chuan Li; Univ.-Prof. Dr. Michael Wand
Veranstaltungsart: Seminar
Anzeige im Stundenplan: 08.079.630
Semesterwochenstunden: 2
Credits: 4,0
Unterrichtssprache: Deutsch
Min. | Max. Teilnehmerzahl: - | 15
Voraussetzungen / Organisatorisches: Vorausgesetzt werden Vorkenntnisse mindestens einem der folgenden Themen / Veranstaltungen: - Computer Graphik - Computer Vision - maschinelles Lernen/Data Mining. - "Modellierung I" (Teil II der Vorlesung empfohlen) - "Statistical Geometry Processing" (wäre optimal, wird aber nicht vorausgesetzt) Themen können flexibel gestellt werden für Studierenden mit verschiedenem Hintergrund, und es wird bei bedarf eine kurze Einführungsvorlesung geben. Das Grundstudium sollte absolviert sein (Mathematikvorlesungen, EiP/EiS). Das Seminar ist für Bachelor- und Masterstudenten geeignet; die Themen werden im Niveau entsprechend angepaßt.
Inhalt: Das Seminar behandelt statistische Methoden für Objekterkennung und Modellierung in 3D. Das heißt, der Rechner arbeitet nicht nur mit 2D Photos sondern einer echten 3D Repräsentation (z.B. von einem 3D Scanner oder als 3D Rekonstruktion aus Bilddaten). In dem Zusammenhang ist alles interessant: Objekterkennung, Klassifikation, Geometrische Suche (Suchmaschinen), Featureerkennung, Deep Learning, generative Modelle (Synthese von Geometrie aus Beispielen). Das Thema wird zur Zeit in der Forschung viel Diskutiert; wir schauen uns aktuelle und klassische Papers zu dem Thema an.
Empfohlene Literatur: Literatur wird in der Vorbesprechung ausgegeben (erste Semesterwoche).
Zusätzliche Informationen: Wichtig: In der ersten Semesterwoche findet die Vorbesprechung statt. Danach gibt es, je nach Vorwissen der Teilnehmer, ggf. eine kurze Einführungsvorlesung mit bis zu 3-4 Terminen. Das eigentliche Seminar findet in den Semesterferien nach dem Wintersemester statt; den Termin hierfür sprechen wir in der Vorbesprechung ab.
