Computer Graphics
TU Braunschweig

Seminar Computer Vision WS'20/21
Seminar

Prof. Dr.-Ing. Martin Eisemann

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

Modul: INF-STD-66, INF-STD-68
Vst.Nr.: INF-CG-031, INF-CG-032

Thema: Aktuelle Forschungsergebnisse aus der Computer Vision und Bild-/Videoverarbeitung

Inhalt

In diesem Semester bieten wir zum ersten Mal das Seminar Computer Vision an, in welchem aktuelle Forschungsergebnisse aus der Computer Vision und Bild-/Videoverarbeitung diskutiert werden. Die Aufgabe der TeilnehmerInnen ist es Forschungsberichte schriftlich aufzuarbeiten, die Aufarbeitung eines anderen Studierenden schriftlich zu begutachten und dem Gutachten anderer Studierenden entsprechend die eigene Ausarbeitung zu verbessern. In einem Blockseminar am Ende des Semesters wird der jeweilige Forschungsbericht in einem mündlichen Vortrag präsentiert. Dieser muss vorab ebenfalls Probe gehalten werden vor einem anderen Studierenden und dessen Verbesserungsvorschläge integriert werden.

Teilnehmer

Das Angebot richtet sich an Bachelor- bzw. Masterstudierende aus den Fachrichtungen Informatik, IST und Wirtschaftsinformatik.

Die Anmeldung erfolgt dieses Jahr per Email an eisemann@cg.tu-bs.de. Die Teilnehmeranzahl ist auf 8 Studierende beschränkt.
Bitte fügen Sie der Email folgende Informationen hinzu:

  1. Ihren Namen,
  2. Ihre Matrikelnummer und Studiengang,
  3. Ihr gewünschtes Thema (siehe unten)
  4. 1 bis 2 Alternativthemen (siehe unten), falls das gewünschte Thema bereits vergeben sein sollte.

Veranstaltungstermine

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

  • 02.09.20 - 18.10.20: Anmeldung per Email an eisemann@cg.tu-bs.de
  • 20.10.2020, 10:30 Uhr: Kickoff Meeting (G30, ICG, sollte das Kickoff Meeting aufgrund von Corona online abgehalten werden, so werden Sie rechtzeitig per Email darüber informiert)
  • 02.11.2020: Ende der Abmeldefrist
  • 17.11.2020: Abgabe der schriftlichen Ausarbeitung per Mail an eisemann@cg.tu-bs.de
  • 01.12.2020: Abgabe des Gutachtens an eisemann@cg.tu-bs.de und den Tandempartner
  • 15.12.2020: Abgabe der überarbeiteten schriftlichen Ausarbeitung an eisemann@cg.tu-bs.de
  • Bis 18.01.2021: Probevortrag vor Tandempartner
  • Bis 25.01.2021: Erstellung des überarbeiteten Vortrags
  • 26.01.2021, 09:00 - 12:00: Vorträge - Blockveranstaltung Teil 1 (G30, ICG)
  • 02.02.2021, 09:00 - 12:00: Vorträge - Blockveranstaltung Teil 2 (G30, ICG)

Angemeldete Studierende haben die Möglichkeit, sich bis spätestens 2 Wochen nach Beginn der Vorlesungen abzumelden. Für eine erfolgreiche Abmeldung ist es erforderlich sich schriftlich per Email an eisemann@cg.tu-bs.de abzumelden.

Die jeweiligen Abgaben erfolgen per Email an eisemann@cg.tu-bs.de. Falls nicht anders kommuniziert, müssen die Abgaben bis um 23:59 Uhr des Abgabetages erfolgen.

Bei Fragen zur Veranstaltung wenden Sie sich bitte an eisemann@cg.tu-bs.de.

Format

  • Zu jedem Thema wird eine Zusammenfassung in Latex mithilfe 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 mindestens 8 Seiten. Die Ausarbeitung soll deutlich machen, dass das Thema verstanden wurde.
  • Jeder Teilnehmende verfasst ein 1-2 seitiges Gutachten über eine vorgegebene schriftliche Ausarbeitung. Dabei soll insbesondere auf die Verständlichkeit und den sprachlichen Stil der Zusammenfassung eingegangen werden.
  • Die Themen werden in ca. 20 minütigen Vorträgen mit anschließender Diskussion präsentiert.
    Für die Vorträge vor Ort kann ein Laptop des Instituts oder ein eigener Laptop verwendet werden. Falls der Institutslaptop genutzt werden soll, ist es notwendig sich rechtzeitig unter eisemann@cg.tu-bs.de zu melden.
  • 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.

Dateien und Templates

Themen 

  1. DeepFaceDrawing: Deep Generation of Face Images from Sketches
    S. Chen, W. Su, L. Gao, S. Dia, H. Fu

    Das Paper präsentiert ein Verfahren, um aus schnellen Skizzen realistische Porträts zu erstellen.

  2. Learning Temporal Coherence via Self-Supervision for GAN-based Video Generation
    M. Chu, Y. Xie, J. Mayer, L. Leal-Taixé, N. Thuery

    In dieser Arbeit wird ein Video-Superresolution Ansatz mittels Generative Adversarial Networks vorgestellt, der insbesondere das Problem der temporären Kohärenz angeht.

  3. Manipulating Attributes of Natural Scenes via Hallucination
    L. Karacan, Z. Akata, A. Erdem, and E. Erdem

    Diese Arbeit stellt ein Verfahren vor, wie man das Wetter in einem einzelnen Foto verändern kann, bspw. von Tag zu Nacht, von Sommer auf Winter, etc.

  4. Quanta Burst Photography
    S. Ma, S. Gupta, A. C. Ulku, C. Bruschini, E. Charbon, M. Gupta

    Quanta Burst Photography beschreibt ein Verfahren mit welchem einzelne Photonen aufgenommen werden können. Dadurch können Fotografien unter besonders herausfordernden Konditionen, wie extrem dunkle Szenarien oder sehr schnelle Bewegungen aufgenommen werden, wie es bisher nicht möglich war.

  5. Real-time Image Smoothing via Iterative Least Squares
    W. Liu, P. Zhang, X. Huang, J. Yang, C. Shen, I. Reid

    Kantenerhaltende Glättung von Bildern ist eine der fundamentalen Aufgaben in vielen Computer Vision und Bildverarbeitungsanwendungen. In diesem Artikel wird eine neue Variante vorgestellt, die auf einer globalen Optimierung mittels Iterative Least Squares basiert.

  6. Sequential Gallery for Interactive Visual Design Optimization
    Y. Koyama, I. Sato, M. Goto

    Viele Designaufgaben in der Fotoverarbeitung basieren auf Parameteroptimierungen (Helligkeit, Sättigung, Tonwerte, etc.). In dieser Arbeit wird ein Verfahren vorgestellt, dass den Nutzer anleitet diese Einstellungen interaktiv möglichst effizient zu optimieren, basierend auf einer Bayesischen Optimierung genannt sequential plane search.

  7. Example-driven Virtual Cinematography by Learning Camera Behaviors
    H. Jiang, B. Wang, X. Wang, M. Christie, B. Chen

    Diese Arbeit stellt ein Verfahren vor, wie die Kameraführung in einem 3D Film automatisch bestmöglich erstellt werden kann, basierend auf den Ereignissen in der Szene, ohne dass ein*e Kameramann/-frau benötigt würde.

  8. Hierarchical and View-invariant Light Field Segmentation by Maximizing Entropy Rate on 4D Ray Graphs
    R. Li, W. Heidrich

    Bildsegmentierung ist eine der wichtigsten Aufgaben in der Computer Vision und Bildverarbeitung. Während es viele Ansätze für Einzelbilder oder Videos gibt, ist das Feld der Lichtfeldsegmentierung noch relativ neu. Lichtfelder stellen eine Aufnahmemodalität dar, in welcher eine Szene so aufgenommen wird, dass sie später aus beliebigen Richtungen mit flexiblen Kameraparametern wiedergegeben werden kann.

Betreuer

Martin Eisemann