Datorgrafik och bildbehandling

Gruppen för datorgrafik och bildbehandling driver forskningsprojekt där vi utvecklar teori, metoder och demonstratorer inom bildteknik, bildanalys och bildsyntes.

Ett övergripande tema för forskningen är att utveckla algoritmer och teknik som gör det möjligt att med hjälp av sensorer, t.ex. bildsensorer, avståndssensorer och kombinationer av aktiv belysning och optik, mäta och skapa digitala modeller av verkliga miljöer och objekt.

Genom att mäta geometri, materialegenskaper och belysningsinformation gör dessa metoder det möjligt att med hjälp av matematisk statistik och algoritmer för bildsyntes simulera interaktionen mellan ljus, geometrier och material och skapa fotorealistiska bilder som inte kan skiljas från fotografier av samma miljö.

Gruppen har både en stark bas i teoretiskt orienterade projekt, och i ett antal industriella samarbeten och tillämpade projekt där avancerade demonstratorer utvecklas. Några av de områden vi arbetar inom kan sammanfattas som:

  • Algoritmer för fotorealistisk bildsyntes som baseras på beräkningsstatistik
  • Algoritmer, metoder och mätsystem för så kallad High Dynamic Range (HDR) imaging, dvs. kamerasystem som tillåter inspelning av bilder och video med mycket stort dynamisk omfång
  • Bildförbättrande algoritmer som bygger på modeller av det mänskliga synsinnet, displayens egenskaper och en miljö displayen befinner sig i. Detta leder till både en förbättrad bildkvalitet och minskad energiförbrukning.
  • Teori, metoder och system för mätning, databehandling och representation av materials optiska egenskaper för bildsyntes
  • Algoritmer och metoder för mätning och rekonstruktion av belysning, 3D geometri och materialegenskaper från verkliga scener så att de resulterande digitala modellerna kan användas för fotorealistisk bildsyntes

Nyheter

Senaste publikationerna

2024

Gabriel Eilertsen, Daniel Jönsson, Jonas Unger, Anders Ynnerman (2024) Model-invariant Weight Distribution Descriptors for Visual Exploration of Neural Networks en Masse EuroVis 2024 - Short Papers Vidare till DOI
Danhua Lei, Ehsan Miandji, Jonas Unger, Ingrid Hotz (2024) Sparse q-ball imaging towards efficient visual exploration of HARDI data Computer graphics forum (Print) Vidare till DOI
Tina-Simone Neset, Lotta Andersson, Magnus Matteo Edström, Katerina Vrotsou, Clara Greve Villaro, Carlo Navarra, Kostiantyn Kucher, Fredrik Schück, Caroline Rydholm, Jonas Unger, Björn-Ola Linnér (2024) AI för klimatanpassning: Hur kan nya digitala teknologier stödja klimatanpassning?
Amirhossein Ahmadian, Yifan Ding, Gabriel Eilertsen, Fredrik Lindsten (2024) Unsupervised Novelty Detection in Pretrained Representation Space with Locally Adapted Likelihood Ratio International Conference on Artificial Intelligence and Statistics 2024, Proceedings of Machine Learning Research
Milda Poceviciute, Gabriel Eilertsen, Claes Lundström (2024) Benefits of spatial uncertainty aggregation for segmentation in digital pathology Journal of Medical Imaging, Vol. 11 Vidare till DOI

2023

Jens Nilsson, Jonas Unger (2023) Swedish civil air traffic control dataset Data in Brief, Vol. 48, Artikel 109240 Vidare till DOI
Milda Poceviciute, Gabriel Eilertsen, Claes Lundström (2023) Spatial uncertainty aggregation for false negatives detection in breast cancer metastases segmentation MEDICAL IMAGING 2023, Artikel 124710W Vidare till DOI
Behnaz Kavoosighafi, Jeppe Revall Frisvad, Saghi Hajisharif, Jonas Unger, Ehsan Miandji (2023) SparseBTF: Sparse Representation Learning for Bidirectional Texture Functions
Milda Pocevičiūtė (2023) Generalisation and reliability of deep learning for digital pathology in a clinical setting
Pierangelo Dellacqua, Stefania Costantini (2023) Empathetic human-agent interaction via emotional behavior trees INTELLIGENZA ARTIFICIALE, Vol. 17, s. 89-100 Vidare till DOI

Medarbetare

Organisation