Machine Vision & Learning Group, München

Einleitung / Überblick

Die Computer Vision & Learning Group ist eine Forschungsgruppe an der Ludwig-Maximilians-Universität München, die sich auf die Entwicklung und Anwendung von Algorithmen im Bereich der Computer Vision und maschinellen Lernens spezialisiert hat. Die Gruppe arbeitet an innovativen Lösungen für Aufgaben wie Bildsynthese, Metrik-Lernen, Verhaltensanalyse und Retrieval-Systeme. Ihre Forschung wird in renommierten Fachzeitschriften und Konferenzen veröffentlicht und hat in den letzten Jahren zahlreiche Publikationen und Auszeichnungen erzielt

Tätigkeitsfelder

Die Gruppe beschäftigt sich mit der Entwicklung von Algorithmen für die Bildsynthese, das Metrik-Lernen, die Analyse von Verhaltensmustern und die Verbesserung von Retrieval-Systemen. Ihre Arbeit umfasst sowohl theoretische Forschung als auch praktische Anwendungen in Bereichen wie der biomedizinischen Diagnostik, der Kunst und der Bildverarbeitung. Die Gruppe arbeitet mit modernen Technologien wie Diffusionsmodellen, Deep Learning und Unsupervised Learning

Leistungen & Services

Die Gruppe bietet Forschung und Entwicklung in den Bereichen Computer Vision und maschinelles Lernen an. Sie veröffentlicht regelmäßig in führenden Fachzeitschriften und Konferenzen wie PLOS ONE, Nature Machine Intelligence und NeurIPS. Die Gruppe unterstützt auch die Weiterbildung durch Tutoren und Workshops, beispielsweise zu Themen wie Deep Visual Similarity und Metric Learning

Produkte

Die Gruppe hat folgende Produkte und Forschungsergebnisse veröffentlicht:

• Artikel in PLOS ONE über Interactive Retrieval in Art Collections
• Artikel in Nature Machine Intelligence über unsupervised behavior analysis & magnification (uBAM) für biomedizinische Diagnostik
• Artikel in T-PAMI über Shared feature learning für Deep Metric Learning
• Artikel in NeurIPS über Retrieval-augmented diffusion models
• Artikel in CVPR über latent diffusion models für high-res image synthesis (LDM)

Schwerpunkte & Besonderheiten

Die Gruppe legt besonderen Wert auf die Entwicklung von Algorithmen, die in der Lage sind, komplexe Bildverarbeitungsaufgaben zu lösen. Zu ihren Schwerpunkten zählen:

• Verbesserung von Deep Metric Learning durch divide and conquer
• Anwendung von Diffusionsmodellen für hochauflösende Bildsynthese
• Unsupervised Learning für die Analyse von Verhaltensmustern
• Retrieval-Systeme für künstlerische Sammlungen

Über uns / Über mich

Die Gruppe wird von Prof. Dr. Björn Ommer geleitet und ist an der Ludwig-Maximilians-Universität München angesiedelt. Sie ist Teil des Instituts für Informatik und arbeitet eng mit anderen Forschungsteams zusammen. Die Gruppe ist in der internationalen Forschungsgemeinschaft aktiv und hat zahlreiche Veröffentlichungen in renommierten Fachzeitschriften und Konferenzen

Methoden, Arbeitsweise & Technologien

Die Gruppe verwendet moderne Methoden wie Deep Learning, Unsupervised Learning und Diffusionsmodelle. Ihre Arbeitsweise ist interdisziplinär und orientiert sich an praktischen Anwendungen. Die Technologien, die sie einsetzt, umfassen:

• Deep Metric Learning
• Diffusionsmodelle
• Unsupervised Behavior Analytics
• Retrieval-Systeme

Zielgruppen & Anwendungsbereiche

Die Forschung der Gruppe richtet sich an verschiedene Zielgruppen, darunter:

• Forschungsinstitute und Hochschulen
• Biomedizinische Einrichtungen
• Kultur- und Kunstinstitute
• Unternehmen im Bereich der Bildverarbeitung und KI
• Biomedizinische Diagnostik
• Künstlerische Sammlungen
• Bildsynthese und -manipulation
• Verhaltensanalyse

Adresse & Kontaktdaten

• Name: Prof. Dr. Björn Ommer
• Straße: Akademiestr. 7
• PLZ Ort: 80799 München
• E-Mail: assist.mvl (at) lrz (dot) uni-muenchen (dot) de
• Telefon: +49 (0)89 2180-73430