Das Computer Vision and Machine Perception Lab an der Technischen Universität Nürnberg konzentriert sich auf 3D-Computer Vision und lebenslanges Lernen. Der Schwerpunkt liegt auf der Entwicklung von maschinellen Wahrnehmungsalgorithmen , die nicht starr sind, sondern sich an ihre Umgebung anpassen und sich weiterentwickeln können. Das Lab ist mit den umliegenden interdisziplinären Bereichen verbunden, wie z.B. Grundlagen, Reinforcement Learning, Verarbeitung natürlicher Sprache und Datenschutz. Das Labor wird von Prof. Dr. Eddy Ilg geleitet, der für seine Beiträge zu Computer Vision im Bereich Optical Flow und seine Arbeit an AR-Technologie bei bekannt ist.
Team Computer Vision and Machine Perception Lab
News
1.10.2024 | Das CVMP Lab wechselt an die ̽»¨ÊÓÆµÃ¤t Nürnberg. |
23.8.2024 | erhält eine ordentliche Professur an der UTN. |
11.7.2024 | Zwei unserer Paper wurden für die ECCV 2024 angenommen: and iNeMo: Incremental Neural Mesh Models for Robust Class-Incremental Learning. |
6.5.2024 | wird Area Chair für NeurIPS. |
3.5.2024 | Unser Paper wurde bei ICML angenommen. |
25.3.2024 | Unser State-of-the-Art-Bericht über wurde auf dem Eurographics (STAR) und Computer Graphics Forum 2024 angenommen. |
20.3.2024 | Vier unserer Arbeiten wurden zur CVPR 2024 angenommen: , Unsupervised Learning of Category-Level 3D Pose from Object-Centric Videos, and Accurate Training Data for Occupancy Map Prediction in Automated Driving using Evidence Theory. |
Publikationen

iNeMo: Incremental Neural Mesh Models for Robust Class-Incremental Learning (ECCV 2024)

latentSplat: Autoencoding Variational Gaussians for Fast Generalizable 3D Reconstruction (ECCV 2024)

Accurate Training Data for Occupancy Map Prediction in Automated Driving Using Evidence Theory (CVPR 2024)

Unsupervised Learning of Category-Level 3D Pose from Object-Centric Videos (CVPR 2024)

Neural Point Cloud Diffusion for Disentangled 3D Shape and Appearance Generation (CVPR 2024)

Neural Parametric Gaussians for Monocular Non-Rigid Object Reconstruction (CVPR 2024)
