User: Guest  Login
Original title:
Learning Geometry and Semantics for Deep Image Restoration 
Translated title:
Bildwiederherstellung mit Hilfe geometrischer und semantischer Deep Learning Modelle 
Year:
2019 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Cremers, Daniel (Prof. Dr.) 
Referee:
Cremers, Daniel (Prof. Dr.); Reid, Ian (Prof., Ph.D.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
TUM classification:
DAT 760d; DAT 770d 
Abstract:
This thesis investigates possible deep learning-based solutions for three challenging computer vision problems. We first tackle depth from focus and devise a network architecture for it. Following, we present a fusion-based CNN architecture to incorporate depth into semantic segmentation. Furthermore, we propose a multimodal CNN architecture that exploits pixelwise semantic labels in addition to color to improve the image restoration tasks. Consequently, we discuss the limitations and provide di...    »
 
Translated abstract:
Diese Dissertation untersucht mögliche Deep Learning basierte Lösungen für drei anspruchsvolle Bilverarbeitungsprobleme. Wir beschäftigen uns mit der Rekonstruktion von Tiefe aus dem Fokus und entwickeln eine Netzwerkarchitektur. Im Folgenden präsentieren wir eine fusions-basierte CNN-Architektur, um Tiefe in die semantische Segmentierung einzubauen. Darüber hinaus schlagen wir eine multimodale CNN-Architektur vor, die neben farblichen Informationen auch pixelweise semantische Label ausnutzt und...    »
 
Oral examination:
05.07.2019 
File size:
37794666 bytes 
Pages:
129 
Last change:
28.10.2019