Benutzer: Gast  Login
Originaltitel:
Modeling and Analyzing Dynamics of Visual Processes With Representation Learning
Übersetzter Titel:
Modellierung und Analyse der Dynamik visueller Prozesse mittels Representation Learning
Autor:
Sagel, Alexander
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Elektrotechnik und Informationstechnik
Betreuer:
Shen, Hao (Priv.-Doz. Dr.)
Gutachter:
Shen, Hao (Priv.-Doz. Dr.); Diepold, Klaus (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 001
Kurzfassung:
This thesis discusses the problem of describing visual processes using semi-linear state space models. It investigates approaches to infer these models from data using techniques from representation learning, and proposes methods to apply them in tasks such as visual process recognition or video synthesis. These tasks typically involve problems like feature design and post-processing, which are also discussed.
Übersetzte Kurzfassung:
Die vorliegende Dissertation behandelt die Beschreibung visueller Prozesse mittels semi-linearer Zustandsraummodelle. Insbesondere werden Ansätze des Representation Learnings untersucht, solche Modelle aus Daten zu lernen, und Techniken vorgestellt, sie in Bereichen wie Erkennung und Synthese visueller Prozesse anzuwenden. Diese Anwendungen umfassen typischerweise Probleme wie etwa Entwurf geeigneter Deskriptoren oder Nachbearbeitung mittels technischer Bildverbesserung, welche ebenfalls diskuti...     »
WWW:
https://mediatum.ub.tum.de/?id=1613292
Eingereicht am:
16.06.2021
Mündliche Prüfung:
23.03.2022
Dateigröße:
39548870 bytes
Seiten:
174
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220323-1613292-1-8
Letzte Änderung:
18.05.2022
 BibTeX