Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Zawartość zarchiwizowana w dniu 2024-06-18

Dynamic Minimal prior knowledge for model based Computer Vision and Scene Analysis

Cel

Efficient solutions for open problems in computer vision are often achieved with the help of suitable prior knowledge, e.g. stemming from labeled databases, physical simulation or geometric invariances. Yet it has been largely neglected to analyse the minimal amount of prior knowledge, needed to satisfactory solve computer vision tasks. Even more important, there is need to steer the amount of priors in a dynamic fashion. Especially for scene analysis, database knowledge can become so large and complex, that it cannot be integrated efficiently for optimization. On the other hand, there exist geometric priors which are efficient and compact, but they have to be integrated and exploited explicitly in vision systems. As a consequence there is need to develop methods to conclude from (statistical) database knowledge to geometric prior knowledge and therefore to achieve compressed priors which contain the relevant information from a given database. Besides the efficient regularization during scene analysis, specific tasks require to treat the amount of priors dynamically, e.g. to maintain individualities of patterns or to avoid a bias from a given database. Our beyond state-of-the art research will focus on answering the following questions:

1) How to limit statistical prior knowledge to geometric priors for solving markerless Motion Capture dynamically with sufficient accuracy ?
2) How to stabilize tracking without introducing a database bias, or to enforce individuality ?
3) How to extract (geometric) motion characteristics for individual motion transfer and interpretation ?

Advancing minimal dynamic prior knowledge means to seek for the essence and granularity of priors. This will have a profound impact well beyond computer vision (e.g. for cognitive sciences or robotics). We strongly believe that we have the necessary competence to pursue this project. Preliminary results have been well received by the community

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

ERC-2011-StG_20101014
Zobacz inne projekty w ramach tego zaproszenia

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

ERC-SG - ERC Starting Grant

Instytucja przyjmująca

GOTTFRIED WILHELM LEIBNIZ UNIVERSITAET HANNOVER
Wkład UE
€ 1 430 000,00
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych

Beneficjenci (1)

Moja broszura 0 0