Dva člana projektne skupine (Matej Kristan in Luka Čehovin) sta bila glavna organizatorja sedemnajste mednarodne zimske delavnice o računalniškem vidu (CVWW2012). Delavnica združuje raziskovalne skupine iz Avstrije, Slovenije in Republike Češke, ki se ukvarjajo s področjem računalniškega vida. Na tej delavnici smo predstavljali delne rezultate dela s projekta ARRS-RPROJ-LP2010/103 širši mednarodni komuni s področja računalniškega vida.
B.01 Organizator znanstvenega srečanja
COBISS.SI-ID: 259992320Trije člani projektne skupine (Matej Kristan, Luka Čehovin, Aleš Leonardis) so soorganizirali prvi izziv kratkoročnega sledenja objektov VOT2013. Organizacijski komite je bil mednaroden, vključujoč partnerje iz Slovenije, Velike Britanije, Avstrije, Češke in Avstralije. Poleg izziva so člani organizirali delavnico v sklopu glavne konference na področju računalniškega vida ICCV2013. Izziv, kakor tudi delavnica sta prejela zelo pozitiven odziv s strani komune. V izzivu smo primerjali 27 raznovrstnih sledilnikov artikuliranih in neartikuliranih objektov na novi anotirani zbirki, z novimi merami performance in novo evaluacijsko metodologijo. Članek z analizo rezultatov izziva (v soavtorstvu s ~50 raziskovalci) smo objavili in predstavili na delavnici VOT2013 v sklopu vabljenega predavanja.
B.01 Organizator znanstvenega srečanja
COBISS.SI-ID: 10409300Vizualna kategorizacija je problematika, ki jo raziskovalci računalniškega vida proučujejo že več desetletij. Končni cilj je učinkovita detekcija in kategorizacija velikega števila vizualnih kategorij. Problematika obsega tri prepletene podprobleme: predstavitev objektov, ki mora kompaktno zajeti vizualno variabilnost objektov in jo posplošiti preko kategorije; učenje teh predstavitev iz vhodnih slik ob čim manjšem zunanjem nadzoru; učinkovita inferenca, ki robustno primerja predstavitve objektov z vhodnimi slikami. Na predavanju je bil predstavljen naš novi pristop za učinkovito detekcijo predmetov, ki združuje naučeno kompozicionalno hierarhijo, ki predstavlja 2D oblike različnih kategorij predmetov in "grobo-drobno" primerjalno strukturo, ki uporabi taksonomijo predmetov. Tak pristop omogoča tako učinkovito predstavitev strukture predmetov kot tudi modeliranje velikega števila vizualnih kategorij. Eksperimentalni rezultati so pokazali, da predlagani pristop doseže natančnost detekcije, ki je primerljiva z najboljšimi metodami razvitimi v svetu, vendar ob bistveno hitrejši inferenci in krajših časih učenja.
B.04 Vabljeno predavanje
COBISS.SI-ID: 8991316Vizualna kategorizacija je problematika, ki jo raziskovalci računalniškega vida proučujejo že več desetletij. Končni cilj je učinkovita detekcija in kategorizacija velikega števila vizualnih kategorij. Problematika obsega tri prepletene podprobleme: predstavitev objektov, ki mora kompaktno zajeti vizualno variabilnost objektov in jo posplošiti preko kategorije; učenje teh predstavitev iz vhodnih slik ob čim manjšem zunanjem nadzoru; učinkovita inferenca, ki robustno primerja predstavitve objektov z vhodnimi slikami. Na predavanju je bil predstavljen naš novi pristop za učinkovito detekcijo predmetov, ki združuje naučeno kompozicionalno hierarhijo, ki predstavlja 2D oblike različnih kategorij predmetov in "grobo-drobno" primerjalno strukturo, ki uporabi taksonomijo predmetov. Tak pristop omogoča tako učinkovito predstavitev strukture predmetov kot tudi modeliranje velikega števila vizualnih kategorij. Eksperimentalni rezultati so pokazali, da predlagani pristop doseže natančnost detekcije, ki je primerljiva z najboljšimi metodami razvitimi v svetu, vendar ob bistveno hitrejši inferenci in krajših časih učenja.
B.04 Vabljeno predavanje
COBISS.SI-ID: 10487124