Computer Vision I: Variational Methods

Worum geht's

Du 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.

Was du danach kannst

• Grundlagen variationaler Methoden verstehen
• Euler–Lagrange-Formulierungen und zugehörige PDEs anwenden
• Computervisionsaufgaben als Variationsprobleme formulieren
• Effiziente numerische Lösungsverfahren einsetzen
• Konvexe Formulierungen und Relaxationen beurteilen
• Konzepte in Matlab implementieren

Aus was das Modul besteht

• VorlesungPräsentation der Hauptkonzepte
• Tutorium / ÜbungVertiefung durch Übungen, Diskussionen und Programmieraufgaben

Lehrmethode

• VorlesungEinführung der theoretischen Grundlagen
• TutoriumsübungenVertiefung, interaktive Problemlösung und Programmierpraxis