Tiefe Neuronale Netze für Computer Vision SS22
Zu den wichtigen Aufgaben in Computer Vision zählen Objektdetektion und -klassifikation, Objektverfolgung und Szenenrekonstruktion. In den letzten Jahren wurden auf diesen Gebieten neben den klassischen Ansätzen auch verstärkt tiefe neuronale Netze (DNN) eingesetzt und beachtliche Erfolge damit erzielt, speziell wenn große Mengen an Trainingsdaten zur Verfügung stehen. Für viele Vision Aufgaben sind allerdings kaum gelabelte Trainingsdaten vorhanden oder Standardstrukturen der neuronalen Netze ungeeignet.
Im Rahmen des Seminars sollen daher neue Ansätze des Deep Learnings für Computer Vision Aufgaben untersucht und diskutiert werden. Dies umfasst neue Ansätze zum Objekt-Tracking sowie die Analyse und Modellierung von Personen. Neue Netzwerkarchitekturen wie Transformer werden genauso untersucht wie Ansätze zur Erklärbarkeit und Interpretierbarkeit von Netzwerkentscheidungen. Wir erarbeiten uns die Verbindung von klassischen Ansätzen mit DNNs genauso wie die Synthese von Bildern mit GANs oder impliziten Methoden wie NERFs. Das Seminar findet in deutscher Sprache statt.
Selbständiges Arbeiten sowie die Fähigkeit, Englisch-sprachige Literatur zu lesen, sind Voraussetzung für die Teilnahme an dem Seminar.
Die Teilnehmerzahl ist begrenzt, die Anmeldung erfolgt über Agnes.
Termine und Ablauf des Seminars
Mittwochs 15:00ct bis 17:00 Uhr im Raum 1.305 RUD 26
Am Mittwoch den 04. Mail 2022 findet von 15.00 c.t. bis 17.00 Uhr die Einführungsveranstaltung statt, die für alle Teilnehmer verpflichtend ist. Dort werden die Themen erläutert und an die interessierten Studierenden vergeben.
Jeder Studierende muss einen etwa 20-30 Minuten langen Vortrag über das zugewiesene Thema halten und am Ende der Veranstaltung eine Seminararbeit über das Thema abgeben sowie 2 andere Arbeiten reviewen. Nach jedem Vortrag findet eine Diskussion über Inhalte und Vortrag statt, bei der aktive Teilnahme der anderen Seminarteilnehmer erwartet wird. Die Seminararbeit soll einen Überblick über das gewählte Thema und die Publikationen geben. Außerdem sollen noch in 1-2 Seiten Anregungen, eigene Ideen und Verbesserungsvorschläge gegeben werden.
| Termin | Thema |
| 04.05.2022 | Einführungsveranstaltung |
| 12.05.2022 | Grundlagen Neuronale Netze (online über zoom) |
| 18.05.2022 | 4 min Kurzpräsentation zu jedem Thema |
| 25.05.2022 | Kurzpräsentationen II, Grundlagen II |
| 01.06.2022 | 4. Adversarial Attacks |
| 5. Differential Rendering | |
| 1. IM2CAD | |
| 08.06.2022 | 3. TagCN |
| 10. StylEx | |
| 9. Superresolution Diffusion | |
| 15.06.2022 | 23. Style Transfer |
| 6. Vision Transformer | |
| 7. MaxDeepLabSeg | |
| 22.06.2022 | 8. SegFormer |
| 25. BEIT | |
| 2. Event Hand Tracking | |
| 29.06.2022 | 12. Neural Avatar |
| 13. Head Conferencing | |
| 16. Speech Driven Gestures | |
| 06.07.2022 | 11. 3D Models Lighting |
| 22. Tree Reconstruction | |
| 19. Total Relighting | |
| 13.07.2022 | 20. Neural Radience Caching |
| 17. NERF | |
| 18. Instant NERF | |
| 20.07.2022 | 21. LEAF |
| backup | |
| backup | |
| 15.07.2022 | Abgabe Seminararbeit |
| 29.07.2022 | Abgabe Reviews |
Themen des Seminars
- Grundlagen der tiefen neuronalen Netze (DNN)
- Erklärung von DNN Enscheidungen
- Objektklassifikation mit DNNs
- Kombination von DNNs mit klassischer Computer Vision
- Generative Netzwerke (Synthese)
Voraussetzungen für den Schein
- Teilnahme an der Einführungsveranstaltung
- Aktive Teilnahme an den Diskussionen nach den Präsentationen
- Ca. 20-30 minütiger Vortrag über gewähltes Thema
- Selbständiges Erstellung einer Seminararbeit im Umfang von 10-20 Seiten (inkl. 1-2 Seiten eigene Ideen, Verbesserungsvorschläge); Abgabe per email mit unterschriebener Selbständigkeitserklärung
- Review zweier anderer Seminararbeiten
Vorlagen und Materialien
Die Veröffentlichungen zu den einzelnen Themen sowie Vorlagen für die Folien und Seminararbeit können über Moodle geladen werden.