Projektbeschreibung
Ein neues Konzept für das Verständnis von dynamischen Szenen in der Computer Vision
In der Wissenschaft der Computer Vision fließen Informatik, Mathematik, Technik und Physik zusammen. Sie befasst sich vor allem damit, bestimmte Aspekte und Teile des komplexen menschlichen Sehvermögens zu reproduzieren, und stellt eine der schlagkräftigsten Formen der künstlichen Intelligenz dar. Das EU-finanzierte Projekt SIMULACRON wird ein tiefgreifenderes Konzept vom Verständnis dynamischer Szenen in der Computer Vision entwickeln. Das Projekt konzentriert sich vor allem darauf, die zugrunde liegende Physik (Masse, Elastizität, Impuls, Kraft) abzuleiten und die beobachteten Vorgänge direkt aus Videoaufnahmen zu simulieren. Dazu wird das Projekt insbesondere Algorithmen für die Modellierung von deformierbaren Objekten sowie Variationsmethoden zur Ableitung von physikalischen Simulationen aus Videoaufnahmen entwickeln. Durch seine Arbeit wird SIMULACRON zu einer Schwerpunktverlagerung von der Ableitung der 3D-Geometrie hin zur Ableitung aus physikalischen Simulationen beitragen.
Ziel
Despite their amazing success, we believe that computer vision algorithms have only scratched the surface in terms of understanding our world from images. While most research on 3D reconstruction has been concerned with recovering the surface geometry and reflectance, SIMULACRON is focused on inferring the underlying physics (masses, elasticity, momenta, forces, etc.) and a simulation of the observed action directly from videos.
This not only provides a more profound understanding of the observed phenomena, but it also allows us to interpolate and extrapolate complex actions far beyond the observation: The inferred physical simulation can be employed for space-time super-resolution and for predictions into the future.
SIMULACRON covers three lines of research:
A) We will develop algorithms for deformable shape modeling. We will explore suitable representations of 3D shape and its evolution that enable the efficient computation of shape deformation, correspondence, interpolation and extrapolation. These techniques will form the basis for inferring physical simulations in parts B and C.
B) We will develop variational methods for inferring physical simulations from videos. We will compute a reference shape and simulation parameters that generate the shape deformation that is most consistent with the observations.
C) We will develop learning-based approaches for inferring physical simulations from videos. We will pursue two alternative approaches: First, we will generate synthetic training data by simulating deformable shapes and the associated camera observations. Second, we will devise self-supervised techniques for learning from real data without requiring labeled training data.
By shifting from inference of 3D geometry to inference of physical simulations, SIMULACRON will give rise to a more profound notion of dynamic scene understanding in computer vision, robotics and beyond. We believe that we have the necessary competence to pursue this project.
Wissenschaftliches Gebiet
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringsensorsoptical sensors
- natural sciencesphysical sciencesopticsmicroscopysuper resolution microscopy
- natural sciencescomputer and information sciencesartificial intelligencecomputer vision
- natural sciencesmathematicspure mathematicsgeometry
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringrobotics
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-ADG - Advanced GrantGastgebende Einrichtung
80333 Muenchen
Deutschland