Maschinelles Lernen und Maschinelles Sehen
Neuigkeiten
Offene Stellen für Doktoranden
Wir sind immer auf der Suche nach exzellenten Forschern, die für Forschung und eine Promotion brennen. Forschungsschwerpunkt unseres Lehrstuhls ist das maschinelle Lernen und Wahrnehmen (Sehen/Hören/andere Sensormodalitäten). Ein aktuelles Forschungsthema ist z.B. „Lebenslanges und kontinuierliches Lernen in Einzel- und Multiagentensystemen mit sporadischem menschlichem Feedback“.
Bewerbe Dich (w/m/d) mit Lebenslauf und bisherigen Studiumsnoten.
Paper auf der International Conference on 3D Vision (3DV) 2024 akzeptiert
Das Paper mit dem Titel "Towards Learning Monocular 3D Object Localization Using the Physical Laws of Motion" von Daniel Kienzle, Julian Lorenz, Katja Ludwig und Rainer Lienhart wurde auf der Internation Conference on 3D Vision (3DV) 2024 akzeptiert. Das Paper beschreibt eine neue Methode, um Objekten in 3D zu lokalisieren, ohne dass 3D-Grundwahrheiten benötigt werden. Stattdessen wird das Wissen über physikalische Gesetze genutzt, um diese Aufgabe zu lernen.
Weitere Informationen zu diesem Paper sind unter
Paper für SG2RL @ ICCV 2023 akzeptiert
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.
Kontakt
Anschrift
Prof. Dr. Rainer Lienhart
Lehrstuhl für Maschinelles Lernen und Maschinelles Sehen
Institut für Informatik
Universität Augsburg
Universitätsstr. 6a
D -
89159 AugsburgGermany
Telefon
+49 (821) 598-5703
rainer.lienhart @informatik.uni- augsburg.de