Kompetenzen

In der Videosignalverarbeitung und -übertragung werden innovative Algorithmen zur Bildaufnahme, -verbesserung und -rekonstruktion entwickelt. Neben Einzelkameras werden dabei auch heterogene Mehrkamerasysteme untersucht, bei denen sich einzelne Kameras in unterschiedlichen Eigenschaften, wie beispielsweise Ortsauflösung, Dynamikumfang, spektrale Empfindlichkeit oder Polarisation unterscheiden können. Im Bereich der Bild- und Videoanalyse kommen vor allem Ansätze aus dem Bereich des maschinellen Lernens zum Einsatz. Ein mögliches Einsatzgebiet stellt hierfür die industrielle Prüftechnik dar. Des Weiteren erforscht der Lehrstuhl aktuelle Fragestellungen aus dem Bereich der Bild- und Videocodierung. Dabei werden unter anderem Anpassungen und Erweiterungen bereits existierender Codierstandards auf spezielle Formate, wie medizinische Datensätze, Bildschirminhalte oder Fischaugenvideosequezen untersucht.

Im Arbeitsgebiet der Audiosignalverarbeitung werden modell- und datengestützte Algorithmen für akustische Mensch/Maschine-Interaktion und zur Analyse und Wiedergabe realer und virtueller akustischer Szenen erforscht. Dazu gehören auch deren vielfältige Anwendungen, beispielsweise für Telekommunikation und Telepräsenz, Hörgeräte, ‚Smart Homes‘, Mensch/Roboter-Kommunikation oder immersive Multimediaumgebungen. Als wesentliches Charakteristikum spielt bei vielen Projekten die Nutzung der räumlichen Dimension durch Mehrkanalsignalverarbeitung eine entscheidende Rolle.

Im Bereich des maschinellen Lernens, insbesondere des Deep Learning, liegt der Schwerpunkt sowohl auf der Grundlagenforschung als auch auf der angewandten Forschung. Algorithmen des maschinellen Lernens werden für die Erkennung von Anomalien, die Schätzung von Unsicherheiten, die Erkennung von Unregelmäßigkeiten, das Lernen mit wenigen Daten (few-shot learning), das Lernen mit verrauschten Labels sowie für hardwarenahe Probleme wie die Modellkomprimierung und den effizienten Aufbau neuronaler Netzarchitekturen entwickelt. Die Anwendungen umfassen automatisiertes Fahren, Computer Vision, medizinische Bildanalyse und Signalverarbeitung. Beispiele für praktische Probleme sind die Vorhersage von Trajektorien und Bewegungen, die Lokalisierung sowie die Segmentierung von Bildern und Punktwolken.