Arbeitsaufwand:
90 h
|
Nummer ML-4530 |
Titel Deep Learning for Vision and Graphics |
Lehrform(en) Seminar |
|---|---|---|
| ECTS | 3 | |
|
Arbeitsaufwand - Kontaktzeit - Selbststudium |
Arbeitsaufwand:
90 h Kontaktzeit:
30 h / 2 SWS Selbststudium:
60 h |
|
| Veranstaltungsdauer | 1 Semester | |
| Häufigkeit des Angebots | Unregelmäßig | |
| Unterrichtssprache | Englisch | |
| Prüfungsform | Mündliche Prüfung |
|
| Inhalt | Die Bereiche 3D-Computervision und -Grafik sind durch Deep Learning revolutioniert worden. Zum Beispiel ist es jetzt möglich, detaillierte 3D-Rekonstruktionen von Menschen und Objekten aus Einzelbildern zu erhalten, fotorealistische Renderings von 3D-Szenen mit neuronalen Netzen zu erzeugen oder Videos und Bilder zu manipulieren und zu bearbeiten. In diesem Seminar werden wir die neuesten Veröffentlichungen und Fortschritte in den Bereichen neuronales Rendering, 3D-Computersehen, 3D-Formrekonstruktion und Repräsentationslernen für 3D-Formen behandeln. |
|
| Qualifikationsziele | Die Studierenden sind in der Lage, aktuelle Forschungsarbeiten in diesem Forschungsbereich zu lesen und zu reflektieren. Sie können die Beiträge einer solchen Arbeit kritisch beurteilen. Sie können aktuelle Forschungsergebnisse vor anderen Studierenden und Forschern präsentieren und Forschungsdiskussionen leiten. |
|
| Vergabe von Leistungspunkten/Benotung |
Lehrform
Status
SWS
LP
Prüfungsform
Prüfungsdauer
Benotung
Berechnung
Modulnote (%)
Seminar
S
o
2
3.0
R
30
b
100
|
|
| Teilnahmevoraussetzungen | Es gibt keine besonderen Voraussetzungen. | |
| Dozent/in | Pons-Moll | |
| Literatur / Sonstiges | Will be announced in the first meeting / Programming skills, knowledge of linear algebra and calculus, numerical optimization, probability theory. |
|
| Zuletzt angeboten | Sommersemester 2022 | |
| Geplant für | Sommersemester 2024 | |
| Zugeordnete Studienbereiche | INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV | |