Datorgrafik och bildbehandling

Datorgenererad bild av ett vardagsrum

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

2026

Jiarong Gong, Jonas Unger, Ehsan Miandji (2026) Smaller and Faster 3DGS via Post-Training Dictionary Learning EG 2026 - POSTERS (Konferensbidrag) https://dx.doi.org/10.2312/egp.20261016
Jens Nilsson, Jonas Unger, Gabriel Eilertsen (2026) Multi-Agent Reinforcement Learning for Conflict Resolution in Air Traffic Control With Delayed Actions IEEE Open Journal of Intelligent Transportation Systems, Vol. 7, s. 2037-2044 (Artikel i tidskrift) https://dx.doi.org/10.1109/ojits.2026.3718458
Behnaz Kavoosighafi, Maria Eidenskog, Wiktoria Glad, Katerina Vrotsou (2026) An empirical benchmark of deep time-series models for smart meter energy forecasting Energy and AI, Vol. 25, Artikel 100870 (Artikel i tidskrift) https://dx.doi.org/10.1016/j.egyai.2026.100870
Nithesh Chandher Karthikeyan, Jonas Unger, Gabriel Eilertsen (2026) Representation-Conditioned Diffusion Models for Guided Training Data Generation Synthetic Data for Computer Vision Workshop (SynData4CV) (Konferensbidrag)
Yifan Ding, Liu Xixi, Jonas Unger, Gabriel Eilertsen (2026) Enhancing out-of-distribution detection with extended logit normalization Proceedings of IEEE/CVF Conference on Computer vision and Pattern Recognition (CVPR) (Konferensbidrag)
Glenda Amaral, Stefania Costantini, Giovanni De Gasperis, Lorenzo De Lauretis, Pierangelo Dellacqua, Giancarlo Guizzardi, Francesco Gullo, Andrea Rafanelli (2026) Combining Neural Empathy-Aware Behavior Trees With Knowledge Graphs for Affective Human-AI Teaming IEEE Transactions on Affective Computing, Vol. 17, s. 1328-1343 (Artikel i tidskrift) https://dx.doi.org/10.1109/TAFFC.2025.3641641
Farina Tariq, Erik Ylipää, Lili Jiang, Patrik Ryden, Patrik L. Andersson (2026) A Benchmark Evaluation of Chemical Structure Extraction from Patents: Insights and Challenges in Chemical Structure Recognition Chemical Research in Toxicology (Artikel i tidskrift) https://dx.doi.org/10.1021/acs.chemrestox.6c00057
Tahereh Dehdarirad, Gabriel Eilertsen, Ericka Johnson, Saghi Hajisharif (2026) Individually fair representation learning for DINOv2 Discover Artificial Intelligence, Vol. 6, Artikel 515 (Artikel i tidskrift) https://dx.doi.org/10.1007/s44163-026-01490-y
Jiarong Gong, Jonas Unger, Ehsan Miandji (2026) Smaller and Faster 3DGS via Post-Training Dictionary Learning (Konferensbidrag)
Jiarong Gong, Jonas Unger, Ehsan Miandji (2026) Smaller and Faster 3DGS via Post-Training Dictionary Learning (Konferensbidrag)

Medarbetare

Organisation