User: Guest  Login
Original title:
Detail Synthesis for Fluids and Videos with Deep-Learning Algorithms 
Translated title:
Detailsynthese für Fluidsimulationen und Videos mit Deep-Learning-Algorithmen 
Year:
2020 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Thuerey, Nils (Prof. Dr.) 
Referee:
Thuerey, Nils (Prof. Dr.); Kim, Theodore (Prof., Ph.D.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
deep learning, fluid simulation, conditional video generation, temporal self-supervision 
Translated keywords:
Deep Learning, Flüssigkeitssimulation, conditional Videogenerierung, zeitliche Eigenüberwachung 
TUM classification:
DAT 758d 
Abstract:
Detail synthesis is an appealing but challenging topic in computer vision and graphics. In this dissertation, we first focus on detailed flow effects. Then, we investigate video generation tasks with conditional inputs, e.g. video super-resolution and translation. The goal is to employ deep-learning algorithms to understand complex temporal evolution and to synthesize realistic results. Our results demonstrate that data-driven and deep-learning-based synthesis are powerful tools. We anticipate s...    »
 
Translated abstract:
Die Synthese von Details ist ein attraktives aber auch herausforderndes Forschungsthema in den Bereichen Computervision und Computergraphics. In dieser Dissertation konzentrieren wir uns zunächst auf detaillierte Strömungseffekte. Dann untersuchen wir Videoerzeugungsaufgaben, z. Video Superauflösung und Übersetzung. Das Ziel ist es, Deep-Learning-Algorithmen einzusetzen, um die komplexe zeitliche Entwicklung zu verstehen und realistische Ergebnisse zu synthetisieren. Unsere Ergebnisse zeigen die...    »
 
Oral examination:
26.10.2020 
File size:
45541238 bytes 
Pages:
135 
Last change:
18.11.2020