Kolloquiumsvortrag: Intelligent Visual Computing - die Fusion von menschlichem Wissen und Maschinellem Lernen

Kurzfassung:
Die Analyse von visuellen Daten spielt eine zentrale Rolle in diversen interdisziplinären Anwendungsgebieten, beispielsweise beim autonomen Fahren, bei der bildbasierten Diagnose von Krankheiten mittels medizinischer Bildgebung, oder für die Animation von virtuellen Charakteren in der Film- und Videospielproduktion. Um entsprechende Visual Computing Fragestellungen mittels eines Computers zu lösen, werden häufig Ansätze des Maschinellen Lernens eingesetzt. Eine Kernaufgabe des Maschinellen Lernens ist das automatisierte Lernen von Vorhersagemodellen unter Verwendung von (üblicherweise sehr großen) Trainingsdatensätzen. In vielen Fällen müssen dabei Konzepte und Zusammenhänge, die wir als Menschen bereits verstanden haben, von dem maschinellen Lernsystem neu entdeckt werden. Dadurch ergeben sich oft weitreichende Nachteile: Beispielsweise wird Lernkapazität für das Wiedererlernen von Bekanntem "verschwendet", oder es werden kostspielige Annotationen in den Trainingsdaten benötigt. In diesem Vortrag werden verschiedene Ansätze betrachtet, um existierendes menschliches Wissen angemessen in Systeme des Maschinellen Lernens zu integrieren. Dazu wird insbesondere der Zusammenhang verschiedener Aspekte im Bereich Visual Computing behandelt: die mathematische Modellierung von Optimierungsproblemen, die Verarbeitung der 3D Geometrie von Objekten, sowie die Integration von physikalischen Modellen in Lernsysteme. Außerdem werden daraus resultierende Anwendungsmöglichkeiten erläutert, wie beispielsweise die 3D Rekonstruktion oder das semantische Editieren von Fotos oder Videos.