Das Paper „Haystack: A Panoptic Scene Graph Dataset to Evaluate Rare Predicate Classes” von Julian Lorenz, Florian Barthel, Daniel Kienzle und Rainer Lienhart wurde beim First ICCV Workshop on Scene Graphs and Graph Representation Learning (SG2RL) akzeptiert. Die Autoren präsentieren Haystack, einen neuartigen Datensatz für Scene Graph Generation, der entwickelt wurde, um die Schwachstellen der Evaluation mit aktuellen Scene Graph Datensätzen zu verhindern. Insbesondere zeichnet sich Haystack dadurch aus, dass er seltene Prädikatklassen enthält und auch negative Annotationen beinhaltet. Erst durch diese Eigenschaften können seltene Beziehungen zuverlässig evaluiert werden. Mithilfe der besonderen Struktur des Datensatzes sind die Autoren in der Lage, drei neue Metriken zu definieren, die verwendet werden können, um aussagekräftigere Aussagen über die Modellausgaben zu seltenen Prädikaten zu machen.

 

Weitere Informationen sind unter https://lorjul.github.io/haystack/ zu finden.

[Lehrstuhl für Maschinelles Lernen und Maschinelles Sehen]

Vom 28.08.-29.08. begrüßten wir Mitarbeitende der Ford-Werke GmbH sowie des Roboterherstellers KUKA in den Räumen des KI-Produktionsnetwerkes der Universität Augsburg. Ziel des 2-tägigen Workshop war es, Praxiserfahrungen beim Einsatz von Cobots in der Produktion auszutauschen. Highlight war dabei der Test unseres Cobot-Avatar Teams. Der Demonstrator entstand im Rahmen des EU-Forschungsprojektes MindBot. MindBot untersucht Methoden zur Förderung der psychischen Gesundheit bei der Zusammenarbeit mit Cobots.

 

Details und Links sind unter "Weiterlesen" zu finden.

[Lehrstuhl für Menschzentrierte Künstliche Intelligenz]

Am 16.8.2023 verteidigte unser ehemaliger Kollege Shuo Liu erfolgreich seine Doktorarbeit „Deep learning approaches for adaptive audio processing and binary classification in digital health“. Das Prüfungskomitee bestand aus Shuos Doktorvater Prof. Dr.-Ing. habil. Björn Schuller, Prof. Dr. Matthias Schlesner und Prof. Dr. Frank Kramer (alle Universität Augsburg). Herzlichen Glückwunsch! [Lehrstuhl für Embedded Intelligence for Health Care and Wellbeing]