Opis projektu
Nauczyć komputery widzenia
Rozpoznawanie obrazów to jeden obszarów sztucznej inteligencji. Zadaniem systemów rozpoznawania obrazów jest umożliwienie maszynom wizualnego rozumienia otoczenia, co ostatecznie ma pozwolić im na identyfikację obiektów w obrazach i filmach w podobny sposób, w jaki robią to ludzie. Duża część ostatnich postępów w tej dziedzinie bazuje na technikach uczenia maszynowego, polegających na trenowaniu systemów w oparciu o duże zbiory danych opatrzonych adnotacjami przez ludzi. Jednakże oznaczanie danych na potrzeby modeli uczenia głębokiego jest kosztowne, a istniejące fotorealistyczne symulatory nie zapewniają wymaganej różnorodności i wierności. Finansowany przez UE projekt LEGO-3D rozwiąże ten problem poprzez opracowanie probabilistycznych modeli umożliwiających syntezę scen trójwymiarowych w połączeniu z fotorealistycznymi projekcjami dwuwymiarowymi z dowolnych punktów widzenia i przy pełnej kontroli nad elementami sceny. W jego ramach opracowane zostaną algorytmy automatycznej dekompozycji scen rzeczywistych i syntetycznych na ukryte reprezentacje trójwymiarowe rejestrujące geometrię, materiał, światło i ruch.
Cel
Recently, the field of computer vision has witnessed a major transformation away from expert designed shallow models towards more generic deep representation learning. However, collecting labeled data for training deep models is costly and existing simulators with artist-designed scenes do not provide the required variety and fidelity. Project LEGO-3D will tackle this problem by developing probabilistic models capable of synthesizing 3D scenes jointly with photo-realistic 2D projections from arbitrary viewpoints and with full control over the scene elements. Our key insight is that data augmentation, while hard in 2D, becomes considerably easier in 3D as physical properties such as viewpoint invariances and occlusion relationships are captured by construction. Thus, our goal is to learn the entire 3D-to-2D simulation pipeline. In particular, we will focus on the following problems:
(A) We will devise algorithms for automatic decomposition of real and synthetic scenes into latent 3D primitive representations capturing geometry, material, light and motion.
(B) We will develop novel probabilistic generative models which are able to synthesize large-scale 3D environments based on the primitives extracted in project (A). In particular, we will develop unconditional, conditioned and spatio-temporal scene generation networks.
(C) We will combine differentiable and neural rendering techniques with deep learning based image synthesis, yielding high-fidelity 2D renderings of the 3D representations generated in project (B) while capturing ambiguities and uncertainties.
Project LEGO-3D will significantly impact a large number of application areas. Examples include vision systems which require access to large amounts of annotated data, safety-critical applications such as autonomous cars that rely on efficient ways for training and validation, as well as the entertainment industry which seeks to automate the creation and manipulation of 3D content.
Dziedzina nauki
- engineering and technologymechanical engineeringvehicle engineeringautomotive engineeringautonomous vehicles
- natural sciencescomputer and information sciencesartificial intelligencecomputer vision
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural sciencesmathematicspure mathematicsgeometry
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
ERC-STG - Starting GrantInstytucja przyjmująca
72074 Tuebingen
Niemcy