Neuigkeiten

22. Februar 2024

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.

Weiterlesen
Gruppenfoto des Lehrstuhls
11. Januar 2024

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 https://kiedani.github.io/3DV2024/ zu finden.

Weiterlesen
Ergebnisse 3DV 2024
5. September 2023

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.

Weiterlesen

Kontakt

Anschrift

Prof. Dr. Rainer Lienhart

Lehrstuhl für Maschinelles Lernen und Maschinelles Sehen

Institut für Informatik

Universität Augsburg

Universitätsstr. 6a

D -       89159 Augsburg

Germany

 

Telefon

+49 (821) 598-5703

 

E-Mail

rainer.lienhart @informatik.uni- augsburg.de

 

 

© Universität Augsburg

Suche