Module

9 Treffer

Further Elective Courses - Wahlmodule9

Vision and Visualization9

Augmented RealityNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst die Grundlagen von Augmented Reality (AR): geometrische Transformationen, Projektionsgeometrie, Darstellung von 3D-Informationen, Anzeige- und Tracking-Geräte sowie mathematische Grundlagen von optischem Tracking, Sensorfusion und Kalibrierung. Am Ende kannst du die mathematischen und programmierenden Aspekte von AR-Systemen beschreiben, analysieren und für eigene Lösungsansätze erweitern sowie Eingabe-/Ausgabegeräte auf ihre Eignung für Anwendungsszenarien bewerten.6 ECTSkein Termin dieses SemesterIN2018Basic Mathematical Methods for Imaging and VisualizationNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst grundlegende mathematische Methoden, die in Imaging und Visualisierung angewandt werden, und kannst diese anschließend zur Formulierung, Analyse und Lösung konkreter Probleme einsetzen. Themen sind u. a. lineare Algebra, Analysis, Optimierung und Wahrscheinlichkeitstheorie sowie deren Anwendung in Image Processing und Computer Vision. Am Ende bist Du in der Lage, passende Methoden auszuwählen, zu optimieren und auf verwandte Ingenieurdisziplinen zu übertragen.5 ECTSkein Termin dieses SemesterIN2124Computer Vision I: Variational MethodsNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst, wie viele Aufgaben der Bildverarbeitung (z. B. Rauschunterdrückung, Entwischung, Segmentierung, Optischer Fluss, Stereo-Tiefenschätzung, 3D-Rekonstruktion) als Variationsprobleme formuliert und gelöst werden. Am Ende kennst du Euler–Lagrange-Ansatz und PDEs, effiziente Lösungsverfahren sowie konvexe Formulierungen und Relaxationen und kannst zentrale Konzepte in Matlab umsetzen.8 ECTSkein Termin dieses SemesterIN2246Computer Vision III: Detection, Segmentation, and TrackingNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst moderne Methoden zur Objekterkennung, Segmentierung und Verfolgung in Bildern und Videos kennen. Am Ende verstehst du die zugrundeliegenden Deep-Learning-Konzepte und kannst reale Computer-Vision-Probleme mit state-of-the-art Modellen in PyTorch bearbeiten.6 ECTSläuft dieses SemesterIN2375Geometry ProcessingNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst mathematische Grundlagen und praktische Darstellungen von Kurven und Flächen kennen sowie Verfahren zur Modellierung, Analyse und Darstellung geometrischer Formen. Am Ende kannst du verschiedene Repräsentationen (parametrisch, implizit, Splines, Subdivision, CSG, Voxel, neural), Rekonstruktion aus Punktmengen und Level-of-Detail-Strategien beurteilen und selbstständig passende Ansätze entwickeln und implementieren.6 ECTSkein Termin dieses SemesterIN2297
4 weitere in Vision and VisualizationImage SynthesisNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst moderne Techniken der Bildsynthese von der programmierbaren Grafik-Pipeline über Shader- und Multi-Pass-Verfahren bis hin zu lokalen und globalen Beleuchtungsmodellen. Am Ende kannst du verschiedene Renderverfahren einordnen, bestehende Bildsynthese-Tools bewerten und selbst Renderings für gegebene Modelle und Szenen erstellen.5 ECTSläuft dieses SemesterIN2015Informatikanwendungen in der Medizin IINoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst fortgeschrittene Methoden der medizinischen Bildverarbeitung, -segmentierung und -registrierung sowie Grundlagen des maschinellen Lernens und der 3D-Volumenvisualisierung. Am Ende kannst du die wichtigsten Algorithmentypen unterscheiden, einschätzen, wann sie angewendet werden, und zentrale Verfahren in Python umsetzen sowie auf klinische Fragestellungen anwenden.5 ECTSkein Termin dieses SemesterIN2022Konvexe Optimierung für Computer VisionNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst die Grundlagen der konvexen Analysis und deren Anwendung auf Optimierungsprobleme in der Bildverarbeitung und Computer Vision. Nach dem Modul kannst du gängige erste-Ordnung- und Proximalverfahren verstehen, anwenden und für typische CV-Aufgaben (z.B. Bildrekonstruktion, Segmentierung, Matrixfaktorisierung) implementieren.6 ECTSkein Termin dieses SemesterIN2330Probabilistische Graphische Modelle in der Computer VisionNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst, wie probabilistische grafische Modelle (gerichtet und ungerichtet) zur Modellierung und Lösung typischer Computer-Vision-Probleme eingesetzt werden. Am Ende kannst du MRF/CRF-Modelle verstehen, geeignete Inferenz- und Lernverfahren auswählen und diese auf Aufgaben wie Segmentierung, Pose-Schätzung, Stereo- oder Objekterkennung anwenden.5 ECTSkein Termin dieses SemesterIN2329