Opis projektu
Nowe techniki analizy obrazu usprawniają modelowanie świata w trzech wymiarach
Algorytmy rozpoznawania obrazów mają ogromny potencjał w zakresie modelowania i rozumienia świata wizualnego. Finansowany przez ERBN projekt 3D Reloaded ma na celu opracowanie nowych technik analizy obrazu, koncentrując się na rekonstrukcji i analizie trójwymiarowej struktury świata. Badania będą ukierunkowane na trzy obszary: opracowywanie algorytmów rekonstrukcji 3D w czasie rzeczywistym przy użyciu standardowych kamer kolorowych i kamer RGB-D; tworzenie (prawie) optymalnych algorytmów do analizy kształtu 3D; oraz projektowanie priorytetów kształtu (modeli opisujących geometrię obiektu) do rekonstrukcji 3D, wyuczonych na podstawie próbek kształtu lub uzyskanych w trakcie procesu. Postępy w rekonstrukcji i analizie geometrycznej będą miały znaczące implikacje wykraczające poza dziedzinę rozpoznawania obrazów.
Cel
Despite their amazing success, we believe that computer vision algorithms have only scratched the surface of what can be done in terms of modeling and understanding our world from images. We believe that novel image analysis techniques will be a major enabler and driving force behind next-generation technologies, enhancing everyday life and opening up radically new possibilities. And we believe that the key to achieving this is to develop algorithms for reconstructing and analyzing the 3D structure of our world.
In this project, we will focus on three lines of research:
A) We will develop algorithms for 3D reconstruction from standard color cameras and from RGB-D cameras. In particular, we will promote real-time-capable direct and dense methods. In contrast to the classical two-stage approach of sparse feature-point based motion estimation and subsequent dense reconstruction, these methods optimally exploit all color information to jointly estimate dense geometry and camera motion.
B) We will develop algorithms for 3D shape analysis, including rigid and non-rigid matching, decomposition and interpretation of 3D shapes. We will focus on algorithms which are optimal or near-optimal. One of the major computational challenges lies in generalizing existing 2D shape analysis techniques to shapes in 3D and 4D (temporal evolutions of 3D shape).
C) We will develop shape priors for 3D reconstruction. These can be learned from sample shapes or acquired during the reconstruction process. For example, when reconstructing a larger office algorithms may exploit the geometric self-similarity of the scene, storing a model of a chair and its multiple instances only once rather than multiple times.
Advancing the state of the art in geometric reconstruction and geometric analysis will have a profound impact well beyond computer vision. 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.
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.
- inżynieria i technologiaprzemysł maszynowyinżynieria pojazdówinżynieria motoryzacyjnapojazd autonomiczny
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria elektronicznaczujnikiczujniki optyczne
- nauki przyrodniczeinformatykasztuczna inteligencjarozpoznawanie obrazów
- nauki przyrodniczematematykamatematyka czystageometria
- nauki przyrodniczeinformatykaoprogramowanieaplikacje komputeroweoprogramowanie symulacyjne
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Program(-y)
Temat(-y)
System finansowania
ERC-COG - Consolidator GrantInstytucja przyjmująca
80333 Muenchen
Niemcy