de | en

Computer Vision I: Variational Methods

Modul IN2246

Dieses Modul wird durch Fakultät für Informatik bereitgestellt.

Diese Modulbeschreibung enthält neben den eigentlichen Beschreibungen der Inhalte, Lernergebnisse, Lehr- und Lernmethoden und Prüfungsformen auch Verweise auf die aktuellen Lehrveranstaltungen und Termine für die Modulprüfung in den jeweiligen Abschnitten.

Modulversion vom WS 2015/6 (aktuell)

Von dieser Modulbeschreibung gibt es historische Versionen. Eine Modulbeschreibung ist immer so lange gültig, bis sie von einer neuen abgelöst wird.

verfügbare Modulversionen
WS 2015/6SS 2015WS 2011/2

Basisdaten

IN2246 ist ein Semestermodul in Englisch auf Master-Niveau das unregelmäßig angeboten wird.

Das Modul ist Bestandteil der folgenden Kataloge in den Studienangeboten der Physik.

  • Allgemeiner Katalog der nichtphysikalischen Wahlfächer
GesamtaufwandPräsenzveranstaltungenUmfang (ECTS)
240 h 90 h 8 CP

Inhalte, Lernergebnisse und Voraussetzungen

Inhalt

Variational Methods are among the most classical techniques for optimization of cost functions in higher dimension. Many challenges in Computer Vision and in other domains of research can be formulated as variational methods. Examples include denoising, deblurring, image segmentation, tracking, optical flow estimation, depth estimation from stereo images or 3D reconstruction from multiple views.
In this class, the basic concepts of variational methods will be introduced:
- The Euler-Lagrange calculus and partial differential equations
- Formulation of computer vision and image analysis challenges as variational problems
- Efficient solution of variational problems
- Discussion of convex formulations and convex relaxations to compute optimal or near-optimal solutions in the variational setting
The key concepts will be implemented in Matlab to provide hands-on experience.

Lernergebnisse

Upon successful completion of the module the participants understand the basic concepts of variational methods on a fundamental, scientific and practical level.
They are able to efficiently solve variational problems and to implement the solution with Matlab.

Voraussetzungen

The requirements for the class are knowledge in basic mathematics, in particular multivariate analysis and linear algebra. Some prior knowledge on optimization is a plus but not necessary.

Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise

Lehrveranstaltungen und Termine

ArtSWSTitelDozent(en)Termine
VI 6 Computer Vision I: Variational Methods (IN2246) Cremers, D. Häfner, B.
Mitwirkende: Eisenberger, M.Schubert, D.
Mi, 10:30–12:30, Interims II 004
Do, 10:00–12:00, Interims I 102
Di, 10:00–12:00, Interims I 102

Lern- und Lehrmethoden

Lecture, tutorials, problems for individual study

Medienformen

Tutor presentation, interactive problem solving, discussion

Literatur

Will be announced in the lecture

Modulprüfung

Beschreibung der Prüfungs- und Studienleistungen

The exam takes the form of a 120 minutes written test. In the written exam students should prove that they understood the basic concepts of variational methods. The questions will focus on the key concepts which have been discussed during the lecture and the tutorials. Mathematical proofs of the central concepts and questions about the implementation in Matlab assess acquaintance with the concepts in variational image processing.

Wiederholbarkeit

Eine Wiederholungsmöglichkeit wird am Semesterende angeboten.

Aktuell zugeordnete Prüfungstermine

Derzeit sind in TUMonline die folgenden Prüfungstermine angelegt. Bitte beachten Sie neben den oben stehenden allgemeinen Hinweisen auch stets aktuelle Ankündigungen während der Lehrveranstaltungen.

Titel
ZeitOrtInfoAnmeldung
Computer Vision I: Variational Methods
Do, 11.4.2019, 10:30 bis 12:30 Interims I: 102
Import bis 1.4.2019 (Abmeldung bis 4.4.2019)
Nach oben