Computer Vision (CV)5 ECTS
(englische Bezeichnung: Computer Vision)

Lehrveranstaltungen:

• • Computer Vision
    (Vorlesung, 2 SWS, Ronak Kosti et al., Do, 16:15 - 17:45, 0.68)
  • Computer Vision Exercise
    (Übung, 2 SWS, Prathmesh Madhu et al., Zeit und Raum n.V.)

Empfohlene Voraussetzungen:

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:

Introduction to Pattern Recognition (WS 2019/2020)

Inhalt:

This lecture discusses important algorithms from the field of computer vision. The emphasis lies on 3-D vision algorithms, covering the geometric foundations of computer vision, and central algorithms such as stereo vision, structure from motion, optical flow, and 3-D multiview reconstruction. Participants of this advanced course are expected to bring experience from prior lectures either from the field of pattern recognition or from the field of computer graphics.

Lernziele und Kompetenzen:

Die Vorlesung stellt eine Auswahl von Methoden aus dem Gebiet der Computer Vision vor, die in dem Feld eine zentrale Stellung einnehmen. In den Übungen implementieren und evaluieren die Studierenden selbständig diese Methoden. Die Studierenden arbeiten die ganze Zeit über an populären Computer Vision-Methoden wie zum Beispiel Stereosehen, optischer Fluss und 3D-Rekonstruktion aus mehreren Ansichten. Für diese Probleme

• beschreiben die Studierenden perspektivische Projektion, Rotationen und verwandte geometrische Grundlagen,

• erklären die Studierenden die behandelten Methoden,

• diskutieren die Studierenden Vor- und Nachteile verschiedener Modalitäten zur Erfassung von 3D-Informationen,

• implementieren die Studierenden einzeln und gemeinschaftlich in Kleingruppen Code,

• entdecken die Studierenden optimale Vorgehensweisen in der Datenaufnahme,

• erkunden und bewerten die Studierenden unterschiedliche Möglichkeiten für die Evaluation,

• diskutieren und präsentieren die Gruppenarbeiter in Gruppen die Vor- und Nachteile ihrer Implementierungen,

• diskutieren und reflektieren die Studierenden gesellschaftliche Auswirkungen von Anwendungen des 3D-Rechnersehens.

The lecture introduces computer vision algorithms that are central to the field. In the exercises, participants autonomously implement and evaluate these algorithms. The participants work throughout the time on popular computer vision algorithms, like for example stereo vision, optical flow, and 3-D multiview reconstruction. For these problems, the participants

• describe perspective projection, rotations, and related geometric foundations,

• explain the presented methods,

• discuss the advantages and disadvantages of different modalities for acquiring 3-D information,

• implement individually and in small groups code,

• discover best practices in data acquisition,

• explore and rank different choices for evaluation,

• discuss and present in groups the advantages and disadvantages of their implementations,

• discuss and reflect the social impact of applications of computer vision algorithms.

Literatur:

Richard Szeliski: "Computer Vision: Algorithms and Applications", Springer 2011.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

1. Advanced Optical Technologies (Master of Science)
   (Po-Vers. 2018w | TechFak | Advanced Optical Technologies (Master of Science) | Gesamtkonto | Major Topics | Computational Optics | Computer vision)
2. Communications and Multimedia Engineering (Master of Science)
   (Po-Vers. 2011 | TechFak | Communications and Multimedia Engineering (Master of Science) | Gesamtkonto | Wahlmodule | Technische Wahlmodule | Computer vision)
3. Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)
   (Po-Vers. 2013 | TechFak | Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science) | Gesamtkonto | Wahlpflichtbereich Informatik | Wahlpflichtbereich Informatik | Computer vision)
4. Informatik (Master of Science)
   (Po-Vers. 2010 | TechFak | Informatik (Master of Science) | Gesamtkonto | Wahlpflichtbereich | Säule der anwendungsorientierten Vertiefungsrichtungen | Vertiefungsrichtung Graphische Datenverarbeitung | Computer vision)
5. Informatik (Master of Science)
   (Po-Vers. 2010 | TechFak | Informatik (Master of Science) | Gesamtkonto | Wahlpflichtbereich | Säule der anwendungsorientierten Vertiefungsrichtungen | Vertiefungsrichtung Mustererkennung | Computer vision)
6. Information and Communication Technology (Master of Science)
   (Po-Vers. 2019s | TechFak | Information and Communication Technology (Master of Science) | Gesamtkonto | Wahlmodule | Wahlmodule aus dem Angebot von EEI und Informatik | Computer vision)
7. Informations- und Kommunikationstechnik (Master of Science)
   (Po-Vers. 2016s | TechFak | Informations- und Kommunikationstechnik (Master of Science) | Gesamtkonto | Wahlbereiche, Praktika, Seminar, Masterarbeit | Wahlmodule aus dem Angebot von EEI und Informatik | Computer vision)
8. Materials Physics (Master of Science)
   (Po-Vers. 2015s | NatFak | Materials Physics (Master of Science) | Gesamtkonto | Elective course (chemistry or materials science, not physics) | Computer vision)

Studien-/Prüfungsleistungen:

Computer vision (Prüfungsnummer: 713618)

(englischer Titel: Computer vision)

Prüfungsleistung, mehrteilige Prüfung, Dauer (in Minuten): 30, benotet, 5 ECTS

Anteil an der Berechnung der Modulnote: 100.0 %

weitere Erläuterungen:
30-minütige mündliche Prüfung über den Stoff der Vorlesung und der Übungen. Voraussetzung ist die erfolgreiche Bearbeitung der Übungsaufgaben. 30 minute oral exam about the lecture and the exercises. It is required to successfully complete the exercises.

Prüfungssprache: Englisch

Erstablegung: SS 2020, 1. Wdh.: WS 2020/2021

1. Prüfer:

Marc Stamminger

1. Prüfer:

Christian Riess