08.079.22061 Statistical Geometry Processing

Lehrende/r: Univ.-Prof. Dr. Michael Wand

Veranstaltungsart: Vorlesung/Übung

Anzeige im Stundenplan: 08.079.22061

Semesterwochenstunden: 4

Credits: 6,0

Unterrichtssprache: Deutsch

Min. | Max. Teilnehmerzahl: - | -

Voraussetzungen / Organisatorisches:
Die Vorlesung wendet sich an an Masterstudenten oder fortgeschrittene Bachelorstudenten.

Folgende Vorkenntnisse werden vorausgesetzt:

• Programmieren (EiP, EiS), C++ Kenntnisse sind hilfreich
  
• Mathematik Grundvorlesungen (Analysis, Lineare Algebra bzw. Äquivalente)
  
• Grundkenntnisse in Computer Graphik & statischen Verfahren, z.B. aus (Modellierung 1 oder Computer Vision, oder Grundvorlesungen zu Computer Graphik und maschinellem Lernen).
  

Inhalt:
Die Vorlesung beschäftigt sich mit dem Problem, geometrische Messdaten mit statistischen Ansätzen zu verarbeiten. Es geht zum Beispiel darum, die Daten zu interpretieren, die eine 3D Tiefenkamera oder eine Rekonstruktion mit Computer-Vision-Verfahren liefert. Wir schauen uns hier an, wie wir ungenaue (verrauschte und unvollständig erfaßte) Geometriedaten robust verarbeiten können, und Muster darin (wieder-) erkennen können.

Geplant sind die folgenden Themen:

• Kurzwiederholung: Statistisches Lernen, Computer Graphik (ca. 1 Termin, falls gewünscht)
  
• Ergänzungen zum statistischen Lernen:
  


• "Graphical Models" (Graphbeschreibungen statistische Abhängigkeiten)
  
• Markov Random Fields
  
• Conditional Random Fields
  


• Fortgeschrittene geometrische Techniken (Anwenderperspektive)
  


• Differentialgeometrie
  
• Parametrisierung
  
• Fourier-Analyse auf gekrümmten Manigfaltigkeiten
  


• Repräsentation und Verarbeitung von 3D Geometrie
  


• Gemessene Geometrie
  
• 3D Scanner (z.B. Kinect)
  
• Rekonstruktion aus Bildern
  


• Rekonstruktion & Korrespondenzen
  


• Shape Spaces (variational, probabilistic, intrinsic)
  
• Shape Matching
  
• Symmetrieerkennung
  
• Generative statistische Modelle
  


• Mustererkennung in 3D
  

Digitale Lehre:
Die Vorlesung findet voraussichtlich in Präsenz statt. Falls notwendig, kann auf Videokonferenz (BBB) umgestellt werden.

Wichtig: Aktuelle und detailliertere Informationen finden sich auf der folgenden Webseite

https://luna.informatik.uni-mainz.de/stat-geo-22-23/

dort bitte unbedingt anmelden!