Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Harmonising Observations and Underlying Principles for Visual Data Association

Opis projektu

Zasady optymalizacji kojarzenia danych wizualnych

Kojarzenie danych wizualnych to funkcja znajdująca swoje zastosowanie w wielu obszarach, od mapowania modeli fizycznych, przez złożone scenariusze jazdy autonomicznej lub dopasowywanie zbiorów trójwymiarowych kształtów, aż po analizę medyczną. Jednak obecnie stosowane metody kojarzenia danych wizualnych nie radzą sobie z najświeższymi postępami w dziedzinie uczenia głębokiego. W związku z tym nie mogą zagwarantować globalnej optymalizacji, skalowalności lub spójności geometrycznej w kluczowych zastosowaniach, ponieważ nie są w stanie interpretować złożonych połączeń między różnymi obserwowalnymi jednostkami. Może to zmienić finansowany ze środków UE projekt Harmony, którego zespół zaproponował koncepcyjną i algorytmiczną harmonizację złożonych powiązań między obserwowalnymi jednostkami a leżącymi u ich podstaw fundamentalnymi zasadami, np. geometrycznymi i fizycznymi. Wyniki projektu przyniosą korzyści zarówno naukowcom, jak i praktykom, oferując im zoptymalizowane rozwiązania złożonych zadań w poszczególnych zastosowaniach.

Cel

Visual data association aims to find task-specific mappings involving visual data. Two significant examples are the mapping of physics models to complex scenes for planning overtaking manoeuvrers in autonomous driving, or matching collections of 3D shapes for medical analysis. Despite the high relevance of visual data association, its progress has not kept pace with the revolutionary developments fuelled by recent deep learning advances: existing data association machinery lacks theoretical guarantees (e.g. global optimality, or structure such as geometric consistency in 3D shape matching) that are critical for high-stakes settings, or suffers from poor scalability. Moreover, current procedures fall short of understanding complex interconnections across different observable entities (collections of e.g. objects or scenes). The vision of Harmony is to tackle these shortcomings by harmonising the complex interconnections between observable entities and underlying fundamental principles (e.g. geometry, or physics). This research direction is challenging, largely unexplored and will require to break substantially new ground at conceptual, algorithmic and practical levels simultaneously. Harmony is organised into four complementary challenges:
Challenge A addresses global optimality and scalability for 3D shape matching;
Challenge B addresses structure and dynamics inference from static images;
Challenge C addresses non-linear synchronisation in data collections defined over graphs;
Challenge D will exploit synergies and cross-fertilise insights across Harmony.
Overall, Harmony will benefit both researchers and practitioners by providing solutions to more complex tasks in practically relevant settings (e.g. geometrically consistent medical shape analysis, or physics-based scene understanding).

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2024-STG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

RHEINISCHE FRIEDRICH-WILHELMS-UNIVERSITAT BONN
Wkład UE netto
€ 1 624 911,00
Koszt całkowity
€ 1 624 911,00

Beneficjenci (1)