Projektbeschreibung
Maschinen beibringen, zu verstehen, was sie sehen
Die Generierung von Bildern mit der Hilfe von Computern hat bereits einen langen Weg zurückgelegt. Die heutigen Technologien und die Algorithmen können die Welt um uns herum simulieren. Darüber hinaus kann die Technik des maschinellen Sehens Identitäten und Aktionen aus Bildern oder Videos erkennen und vorhersagen. 3D-Formen kann maschinelles Sehen jedoch nicht korrekt verarbeiten und seine Semantik passt nicht zum pixelgenauen Erscheinungsbild. Deshalb bleibt die Gestaltung von 3D-Umgebungen, zum Beispiel in Spielen oder Filmen, nach wie vor mühsam. Im Rahmen des EU-finanzierten Projekts PIPE wird daran gearbeitet, diese Probleme mit neuen Modellen zu lösen, die maschinelles Sehen und die Simulation mit maschinellem Lernen für pixelgenaue 3D-Vision und die generative Modellierung kombinieren. Mit dem Einsatz von Lernen mit tief gefalteten neuronalen Netzwerken wird es die Erstellung realistischer Proben von aussagekräftigen synthetischen Bildern ermöglichen.
Ziel
A fascinating tension exists between computer vision and computer graphics. Decades of research efforts have led to the ability of graphics algorithms to simulate the world to a degree often indistinguishable from reality -- given an accurate enough model of scene geometry and appearance. Similarly, decades of ingenuity have given computer vision techniques the already, at times, superhuman capability of detecting, recognizing, and predicting objects, actions, and identities from pictures or video.
Vision and graphics meet at a common point of pain: the model of scene geometry and appearance. To yield photorealistic results, graphics algorithms require an essentially perfect forward model. Yet, the capability of computer vision algorithms to robustly and accurately reason about the 3D shape and appearance of the world, unfortunately, greatly lags behind the capabilities to detect, recognize, segment, and so on. A great discrepancy exists between the semantic and the pixel-perfect, accurate shape and appearance. Bridging this chasm is the goal of this research.
This entails solving fundamental, long-standing, unsolved problems in computer vision through the aid of computer graphics and machine learning}. First, we seek to simultaneously capture accurate 3D shape and appearance of complex real-world scenes from photographic inputs; second, we seek to extend these capabilities still further to``zero-shot'' generative modelling. These extremely ambitious goals will be reached by marrying simulation (rendering) and machine learning, building on the PI's three existing strengths: (1) ability to capture photorealistic material appearance models using commodity devices; (2) his leading standing in physically-based image synthesis; and (3) his results on generative modeling of photorealistic images through deep convolutional neural networks.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2019-COG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
ERC-COG -Gastgebende Einrichtung
02150 Espoo
Finnland