Latente Variablen Modelle zur perzeptiven Gruppierung und probabilistischen Strukturanalyse

• Antragsteller: Jan Puzicha
• Fachliche Zuordnung: Informatik
• Förderung: Förderung von 1999 bis 2002
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 5209118

Das vorgeschlagene Forschungsvorhaben hat die Entwicklung hierarchischer Gruppierungsalgorithmen auf der Basis von probabilistischen Modellen mit latenten Variablen zum Ziel. Der Schwerpunkt liegt dabei auf Anwendungen in der Bildverarbeitung, insbesondere der Integration von Bildsegmentierung und perzeptiver Gruppierung in einem gemeinsamen Modellierungsrahmen. Hierzu sollen die qualitativen Wahrnehmungsgesetze der Gestalt Theorie zur menschlichen Perzeption von Form und Struktur über geeignete a priori Wahrscheinlichkeitsverteilung quantifiziert werden. Segmente und Segmentgruppen werden über unbeobachtete (latente) Variablen kodiert, die gemeinsam mit den Modellparametern aus dem beobachteten Bild inferiert werden müssen. Zur Schätzung der dabei entstehenden großen, gemischtkombinatorischen Inferenz-Probleme sollen Optimierungsmethoden auf der Basis von Multiscale Annealing, einer Kopplung von deterministischen Annealing zur approximativen Inferenz mit Multiskalen Techniken zur Beschleunigung, entwickelt und eingesetzt werden. Besonderer Wert wird auf die Entwicklung generischer Gruppierungsalgorithmen gelegt, die neben der Bildverarbeitung zur Strukturanalyse in großen Datenbanken eingesetzt und validiert werden sollen.

• DFG-Verfahren: Emmy Noether-Auslandsstipendien
• Beteiligte Person: Professor Dr. Jitendra Malik