TUD Logo

TUD Startseite » ... » Fakultät Informatik » Forschung » Wissenschaftliche Vorträge

Fakultät Informatik

against racism

Wissenschaftliche Vorträge

Aughanded Virtuality - Die Hände im virtuellen Raum

Präsentation der Diplomarbeit (alle Studiengänge) von Tobias Günther (Institut für Software und Multimediatechnik; Professur für Mediengestaltung)

28.10.2014, 10:00 Uhr, INF 2101 Beratungsraum 2. Etage

Die Diplomarbeit beschäftigt sich mit der Augmented Virtuality Technologie und insbesondere mit der egozentrischen Darstellung realer Körperpartien in virtuellen, immersiven Umgebungen. In diesem Zusammenhang wurde eine prototypische Anwendung entwickelt, die in Echtzeit die aktuelle Ansicht der Hände des Nutzers der virtuellen Szene überlagert. Dies geschieht in Form eines aufgezeichneten Videostreams, der in Vorverarbeitungsschritten in Hautbereiche und nicht relevante Hintergrundgebiete segmentiert wird. Vorteile im Vergleich zu virtuellen Avataren ergeben sich durch die detailreiche, individuelle und realistische Repräsentation des Nutzerkörpers sowie die Einsparung aufwändiger Tracking-Hardware. Eine durchgeführte Nutzerstudie weist darauf hin, dass die Verwendung des entwickelten Prototypen den Präsenzeindruck und die User Experience des Nutzers in der virtuellen Umgebung positiv beeinflussen kann.


Erkennung von doppelten Bildteilen

Präsentation der Studienarbeit (Großer Beleg) von Lilli Gast (Institut für Systemarchitektur, Datenschutz und Datensicherheit)

28.10.2014, 13:00 Uhr, INF E08

Unerwünschte Teile eines Bildes lassen sich effizient mit dem Kopierpinsel aktueller Bildverarbeitungs- programme verstecken. Dazu wird ein ausgewählter Bildbereich kopiert und an der Position des zu versteckenden Bildinhalts eingefügt. Besonders gut funktioniert dies in stark texturierten Bereichen, wie einer Wiese. Durch die Bearbeitung entstehen Duplikate, die in unveränderten Originalaufnahmen nicht zu erwarten sind. Eine Erkennung dieser Form der Bildmanipulation ist deshalb durch eine Suche nach Duplikaten in einem Bild möglich. In der Literatur sind bereits verschiedene Algorithmen bekannt.
Im Rahmen der Belegarbeit sollen forensische Methoden zur Erkennung von duplizierten Bildteilen im Hinblick auf einen Einsatz in vom Menschen geschaffenen Umgebungen betrachtet und diskutiert werden. Industriell gefertigte Objekte sind per Definition sehr ähnlich und dies kann zu Fehlern bei der forensischen Analyse führen. Aufbauend auf einem kurzen Überblick zum aktuellen Stand der Forschung soll je ein besonders leistungsfähiger Detektor zur block-basierten und Merkmalspunkt-basierten Analyse ausgewählt werden. Die Detektoren sind im Hinblick auf die Anwendung bei Fotografien von künstlichen Objekten praktisch zu evaluieren. Mit Hilfe einer eigenen Sammlung von Testbildern sollen die Grenzen der Verfahren genauer ergründet und eigene Verbesserungsvorschläge entwickelt werden. Eine Diskussion und Bewertung der Ergebnisse schließen die Arbeit ab.


Kooperative Informationsextraktion aus Geschäftsdokumenten auf Basis weniger Trainingsbeispiele

Verteidigung im Promotionsverfahren von Dipl.-Inf. Daniel Esser (Institut für Systemarchitektur, Lehrstuhl Rechnernetze)

5.11.2014, 11:15 Uhr, INF 1004 (Ratssaal)

Die automatische und selbstlernende Informationsextraktion von relevanten Daten aus digitalen und digitalisierten Geschäftsdokumenten ist eine geläufige Funktionalität im Bereich des Dokumentenmanagements und der Dokumentenarchivierung. Die gewonnenen Informationen können für die weitere Bearbeitung der Dokumente im Rahmen des Unternehmensworkflows oder zur Verbesserung der Dokumentensuche verwendet werden. Insbesondere große und mittlere Unternehmen profitieren schon heute von kommerziellen, speziell an ihre Bedürfnisse angepassten Lösungen und erreichen so bedeutende Einsparungen gegenüber der händischen Verarbeitung der Dokumente. Aufgrund der bei lernenden Systemen notwendigen und häufig sehr langen Trainingsphase und des hohen Aufwandes zur Erstellung einer ausreichend großen Menge an Beispieldokumenten eignen sich heutige Lösungen für Kleinstunternehmen und Privatpersonen in der Regel nicht. Die initiale Einrichtung und kontinuierliche Pflege der Wissensbasis übersteigt oftmals deren begrenzte Kapazitäten. Um dieser Zielgruppe dennoch eine automatische Extraktion zu ermöglichen, bedarf es Lösungen, die auf deren spezielle Anforderungen zugeschnitten sind. Entscheidend sind hierbei die Minimierung des Konfigurationsaufwandes zur Einrichtung und zum Betrieb des Extraktionssystems und die Maximierung der Extraktionsperformance unter der Prämisse einer sehr geringen Anzahl an annotierten Beispieldokumenten. Im Rahmen dieser Arbeit wird ein kooperatives, schnelllernendes und ressourcensparendes Informationsextraktionssystem entworfen, das den Bedürfnissen und Eigenheiten der bisher wenig berücksichtigten Kleinstunternehmen und Privatpersonen genügt. Hierzu werden Techniken des maschinellen Lernens und der verteilten Informationsextraktion adaptiert und auf die Domäne der Geschäftsdokumentenverarbeitung zum Zwecke der Klassifikation und Extraktion angewendet. Ziel ist das Erreichen eines konfigurationsfreien One-Shot-Learnings mit Klassifikations- und Extraktionsraten auf dem Niveau existierender Lösungen und damit einhergehend eine Steigerung der Akzeptanz der Zielgruppe gegenüber automatischen Informationsextraktionssystemen.



Suche im Ankündigungsarchiv


Abonnieren Sie die Vortragsankündigungen als News Feed: RSS

Stand: 24.10.2014, 19:29 Uhr
Autor: Webmaster