Computer Graphics
TU Braunschweig

Seminar Computergraphik SS'18
Seminar

Prof. Dr.-Ing. Marcus Magnor

Hörerkreis: Bachelor & Master
Kontakt: seminar@cg.cs.tu-bs.de

Modul: INF-STD-66, INF-STD-68
Vst.Nr.: 4216012, 4216021

Thema: Aktuelle Forschungsergebnisse aus der Computergraphik

Inhalt

Auch in diesem Semester werden im Seminar Computergraphik wieder aktuelle Forschungsergebnisse aus der Computergraphik diskutiert. Die Aufgabe der Teilnehmer ist es Forschungsberichte schriftlich aufzuarbeiten, die Aufarbeitung eines anderen Studenten schriftlich zu begutachten und dem Gutachten anderer Studenten entsprechend die eigene Aufarbeitung zu verbessern. In einem Blockseminar am Ende des Semesters präsentiert jeder Teilnehmer seinen Forschungsbericht in einem mündlichen Vortrag.

Teilnehmer

Das Angebot richtet sich an Bachelor- bzw. Masterstudierende aus den Fachrichtungen Informatik, IST und Wirtschaftsinformatik.
Die Teilnehmeranzahl ist auf 7 Studierende beschränkt.

Veranstaltungstermine

Sämtliche hier aufgeführten Termine sind einzuhalten. Alle Veranstaltungstermine müssen besucht werden.

  • 18.01.2018 - 08.02.2018: Anmeldung über Stud.IP
  • 04.04.2018: Abgabe der Themenwünsche
  • 06.04.2018, 13:00 Uhr: Kickoff Meeting (G30, ICG)
  • 16.04.2018: Ende der Abmeldefrist
  • 02.05.2018: Abgabe der schriftlichen Ausarbeitung
  • 16.05.2018, 12 Uhr: Abgabe des Gutachtens
  • 30.05.2018: Abgabe der überarbeiteten schriftlichen Ausarbeitung
  • 15.06.2018: Vortragsfolien fertig / Probevortrag
  • 22.06.2018, 09:00 - 12:00: Vorträge - Blockveranstaltung
  • 25.06.2018, 09:00 - 12:00: Vorträge - Blockveranstaltung Teil 2

Angemeldete Studierende haben die Möglichkeit, sich bis spätestens 2 Wochen nach Beginn der Vorlesungen abzumelden (Montag, 16.04.2018). Für eine erfolgreiche Abmeldung ist es erforderlich sich bei der Seminarbetreuung abzumelden.

Angemeldete Studierende haben die Möglichkeit bis zum 04.04.18 ihre Top 3 Themenwünsche per Mail an seminar@cg.cs.tu-bs.de zu schicken, damit diese bei der Themenvergabe berücksichtigt werden.

Die jeweiligen Abgaben erfolgen per Mail an den jeweiligen BetreuerIn und zusätzlich an seminar@cg.cs.tu-bs.de.

Format

  • Die Themen werden in ca. 20 minütigen Vorträgen mit anschließender Diskussion präsentiert.
    Für die Vorträge kann ein Laptop des Instituts mit OpenOffice, PowerPoint 2013 und Acrobat Reader oder ein eigener Laptop verwendet werden.
  • Zu jedem Thema wird eine Zusammenfassung in Latex mit Hilfe des Institut-Templates erstellt.
    Inhalt der Ausarbeitung ist eine kurze Zusammenfassung der Arbeit mit eigenen Worten und die Herausarbeitung der Hauptpunkte mit einem Umfang von 8-10 Seiten. Die Ausarbeitung soll deutlich machen, dass das Thema verstanden wurde.
  • Jeder Teilnehmer verfasst ein 1-2 seitiges Gutachten über die schriftliche Ausarbeitung eines vorgegebener Teilnehmers. Dabei soll insbesondere auf die Verständlichkeit und den sprachlichen Stil der Zusammenfassung eingegangen werden.
  • Die Sprache ist wahlweise Deutsch oder Englisch.
  • Der Vortrag, die schriftliche Zusammenfassung und die Erstellung des Gutachtens sind zwingende Voraussetzungen für den Erhalt eines Scheines.

Templates

Themen

  1. An Analysis of Machine- and Human-Analytics in Classification
    Gary K. L. Tam, Vivek Kothari, Min Chen
    IEEE Transactions on Visualization and Computer Graphics 2017
    Betreuer: Georgia Albuquerque

    Dieses Paper vergleicht Machinelearning und Visual Analytics Verfahren für Klassifizierungsaufgaben in zwei verschiedenen Nutzerstudien und zeigt wie die Ergebnisse zur Unterstützung von Visual Analytics benutzt werden können.
     
  2. Flicker Observer Effect: Guiding Attention Through High Frequency
    N. Waldiny, M. Waldner, I. Viola
    Eurographics 2017
    Betreuer: Steve Grogorick

    Das Paper präsentiert ein Verfahren zur Beeinflussung des Blickverhaltens mithilfe eines künstlich in eine Szene eingefügten Stimulus. Durch den Einsatz von Hochfrequenz-Displays wird im Gegensatz zu früheren Ansätzen kein aktives Eyetracking benötigt.
     
  3. Data-Driven Synthesis of Smoke Flows with CNN-based Feature Descriptors, Material-Webseite
    Mengyu Chu and  Nils Thuerey
    SIGGRAPH, 2017
    Betreuer: Marc Kassubeck

    Das Paper stellt eine Methode vor, um niedrige aufgelöste Fluidsimulationen durch ein Repository von hoch aufgelösten Patches künstlich höher aufzulösen. Die Ähnlichkeitsmetrik basiert auf von einem CNN gelernten Deskriptor.
     
  4. FlowNet 2.0: Evolution of Optical Flow Estimation with Deep Networks, Material-Webseite, GitHub
    Eddy Ilg, Nikolaus Mayer, Tonmoy Saikia, Margret Keuper, Alexey Dosovitskiy, Thomas Brox
    CVPR 2017
    Betreuer: Moritz Mühlhausen

    Das Paper untersucht inwiefern das Stapeln von Convolutional Neural Networks (CNNs) den optischen Fluss aus FlowNet verfeinern kann. Hierbei testen sie verschiedene Stapel von FlowNet Netzwerken und unterschiedliche
     

     
  5. Relationships between EEGs and Eye Movements in response to Facial Expressions
    Minoru Nakayama, Masahiro Yasuda
    ETRA 2016
    Betreuer: JP Tauscher

    Es wurde ein elektrophysiologischer Nachweis über den Zusammenhang von enzephalographischer Aktivität und ballistischen Blickeinstellbewegungen während des Betrachtens affektiv konnotierter statischer Mimikrepräsentanten erbracht.
     
  6.  Rich360: Optimized Spherical Representation from Structured Panoramic Camera Arrays, Material-Webseite
    Jungjin Lee, Bumki Kim, Kyehyun Kim, Younghui Kim, Junyong Noh
    SIGGRAPH, 2016
    Betreuer: Matthias Überheide

    Dieses Paper beschreibt ein neues Model zum Stitchen von Panoramas aus struktuierten Kamerarigs. Auftretende Parallaxeffekte werden explizit modelliert und kompensiert, sodass ein besonders qualititativ hochwertiges Panorama erzeugt werden kann.

     
  7. Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks, Material-Webseite
    Jun-Yan Zhu, Taesung Park, Phillip Isola, Alexei A. Efros
    ICCV 2017
    Betreuer: Leslie Wöhler

    Dieses Paper beschreibt eine Architektur für unsupervised CNNs, die zum Verändern von Bildeigenschaften genutzt werden kann. Je nachdem auf welchen Daten das CNN trainiert wird, können so zum Beispiel Pferde in Zebras umgewandelt oder Sommer- zu Winterfotos modifiziert werden.
     

Betreuer

Georgia Albuquerque

Steve Grogorick

Marc Kassubeck

Moritz Mühlhausen

JP Tauscher

Matthias Überheide

Leslie Wöhler