Lernen des Abtastvorgangs für Visual Computing

• Antragsteller: Professor Dr. Rüdiger Westermann
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 413611294

Die übergreifenden Ziele der beantragten Forschungsgruppe sind es, die generischen Merkmale von unterschiedlichen Ausprägungen einer Klasse von Objekten zu verstehen, die für das Trainieren eines neuronalen Netzwerks zur Erkennung solche Objekte benötigt werden, und dieses Verständnis zu nutzen, um synthetische Trainingsdaten zu generieren, auf denen neuronale Netze für Klassifikations- und Rekonstruktionsaufgaben trainiert werden können. Die Gruppe von PI Westermann wird sich im Speziellen auf Aspekte der Netzwerk-Analyse und des Rendering fokussieren, mit dem Ziel eines verbesserten Verständnis, wie die zur Generierung Aufgaben-spezifischer visueller Repräsentationen benötigten Merkmale gelernt werden können, und wie sich Merkmals-spezifische neuronale Model-Repräsentationen generieren lassen. Diese Ziele sollen durch die Entwicklung einer neuronalen Prozess-Pipeline erreicht werden, die zum Erlernen von neuronalen Merkmalen end-to-end trainiert wird. Die Pipeline soll direkt die visuellen Repräsentationen lernen, die für Netzwerk-basierte Inferenz-Aufgaben benötigt werden, anstatt auf expliziten Merkmals-Deskriptoren oder auf den Daten selbst zu lernen. Schlussendlich soll die zu entwickelnde Pipeline zur Synthese von Trainingsdaten verwendet werden, die sich Domänen-übergreifend verwendet lassen.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2987: Lernen und Simulieren im Visual Computing