Semester

jedes Semester

Inhalte

Das Seminar beschäftigt sich im Wintersemester 2025/2026 mit dem Themengebiet Radiance Fields und 3D-Rekonstruktion.

Einführung

Die dreidimensionale Rekonstruktion einer Szene auf Grundlagen von Kameradaten ist seit mehreren Jahrzehnten eine wichtige Aufgabenstellung im Rechnersehen (Computer Vision). Je nach Aufbau (Stereokamerasystem, Structure-From-Motion) oder dedizierter Sensoren (Tiefenkameras, LiDAR) lassen sich Szenen mehr oder weniger exakt geometrisch rekonstruieren. Die mathematischen Grundlagen werden in der Vorlesung “Rechnersehen 2” behandelt.

Durch tiefes Lernen (Deep Learning) gibt es seit geraumer Zeit auch Ansätze des maschinellen Lernens, bei denen neuronale Netze etwa Kameraparameter, 3D-Koordinaten oder Tiefenkarten schätzen. Eine hochaktuelle Entwicklung ist allerdings die Modellierung sogenannter Radiance Fields, die durch die bahnbrechende Arbeit zu NeRFs (Neural Radiance Fields) im Jahr 2020 eingeleitet wurde. Hier lernen neuronale Netze direkt eine 3D-Repräsentation der Szene aus einigen Aufnahmen und können danach beliebige 3D-Ansichten in erstaunlicher Qualität generieren. Aktuelle Varianten können zudem durch gute Hardware-Unterstützung und Software-Frameworks auf normalen PCs angelernt und genutzt werden.

Themen

In diesem Seminar wollen wir uns die wegweisende Entwicklung zu Radiance Fields der letzten fünf Jahre anhand einschlägiger wissenschaftlicher Arbeiten anschauen. Konkret stehen folgende Themenbereiche im Fokus, welche je nach Anzahl der Teilnehmer mehr oder weniger umfassend abgedeckt werden:

Vorarbeiten und Hintergründe

• Structure-From-Motion
• Light Field Networks
• Occupancy Networks

Neural Radiance Fields

• Grundlagen
• Qualitätssteigerung
• Effiziente Methoden
• Conditional Models

Gaussian Splatting

• Grundlagen des neuen Rendering-Ansatzes
• Aktuelle Varianten und Anwendungen

Die Einführungsveranstaltung findet am 17.10.2025 statt. Die Vorträge werden als Blockveranstaltung in den letzten Wochen der Vorlesungszeit stattfinden.

Eine gewisse Vorbildung im Bereich Computer Vision ist wünschenswert, aber nicht zwingend erforderlich. Von jedem Seminarteilnehmer wird ein 20-minütiger Vortrag, eine 7-9 Seiten lange Ausarbeitung (10-12 Seiten für Master-Studierende), Anwesenheit zu allen Vorträgen, sowie eine aktive Mitarbeit erwartet.

Moduldaten

Seminar “Rechnersehen”

Wahlpflichtmodul (FMI-IN0049) im B.Sc. Informatik

Wahlpflichtmodul im B.Sc. Angewandte Informatik

Wahlpflichtmodul im B.A. Ergänzungsfach Informatik

Seminar “Fortgeschrittene Methoden im Rechnersehen”

Wahlpflichtmodul “Seminar” (FMI-IN3801/FMI-IN3802) im M.Sc. Informatik

Wahlpflichtmodul im M.Sc. Computational and Data Science

Wahlpflichtmodul für Informatik Lehramt Gymnasium