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

2024

Stefania Costantini, Pierangelo Dell'Acqua, Giovanni De Gasperis, Francesco Gullo, Andrea Rafanelli (2024) NEMO - A Neural, Emotional Architecturefor Human-AI Teaming
Stefania Costantini, Pierangelo Dell'Acqua, Giovanni De Gasperis, Francesco Gullo, Andrea Rafanelli (2024) The NEMO co-pilot
Stefania Costantini, Giovanni De Gasperis, Pierangelo Dell'Acqua, Andrea Rafanelli (2024) Empowering Emotional Behavior Trees with Neural Computation for Digital Forensic
Elmira Zohrevandi, Pierangelo Dell'Acqua, Stefania Costantini, Francesco Gullo (2024) Design of a Framework to Enhance Road Safety in Mixed Autonomy Traffic Conditions Using Virtual Reality
Behnaz Kavoosighafi, Saghi Hajisharif, Ehsan Miandji, Gabriel Baravdish, Wen Cao, Jonas Unger (2024) Deep SVBRDF Acquisition and Modelling: A Survey Computer graphics forum (Print), Vol. 43 (Artikel i tidskrift) Vidare till DOI
George Baravdish, Gabriel Eilertsen, Rym Jaroudi, Tomas Johansson, Lukáš Malý, Jonas Unger (2024) A Hybrid Sobolev Gradient Method for Learning NODEs Operations Research Forum, Vol. 5, Artikel 91 (Artikel i tidskrift) Vidare till DOI
Ehsan Miandji, Tanaboon Tongbuasirilai, Saghi Hajisharif, Behnaz Kavoosighafi, Jonas Unger (2024) FROST-BRDF: A Fast and Robust Optimal Sampling Technique for BRDF Acquisition IEEE Transactions on Visualization and Computer Graphics, Vol. 30, s. 4390-4402 (Artikel i tidskrift) Vidare till DOI
Ericka Johnson, Saghi Hajisharif (2024) The intersectional hallucinations of synthetic data AI & Society: The Journal of Human-Centred Systems and Machine Intelligence (Artikel i tidskrift) Vidare till DOI
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 (Konferensbidrag) 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), Vol. 43, Artikel e15082 (Artikel i tidskrift) Vidare till DOI

Medarbetare

Organisation