Datorseende (CVL)

Välkommen till avdelningen Datorseende (CVL), en del av Institutionen för systemteknik vid Linköpings universitet.

Autonoma system datorseende Foto: Göran BillesonForskningen vid avdelningen Datorseende täcker ett brett spektrum av ämnen inom artificiella seende system (AVS). De är beräkningsfotografi; detektion, följning och igenkänning av objekt; skattning av posen och 3D strukturen; robotseende och autonoma system; medicinsk bildanalys och bildrekonstruktion.

Utvecklingen av AVS bygger på modeller av människans synsinne (MVS) och CVL strävar efter att förbättra AVS egenskaper avsevärt genom en MVS-inspirerad ansats. Detta val motiveras av att AVS förväntas samexistera med – och därmed förutspå aktioner av – människor, t.ex. i samband med självkörande bilar som delar vägnätet och interagerar med människor.

Kurser

Kurser som ges vid Avdelningen för datorseende

Examensarbeten

Gör ditt examensarbete vid Avdelningen för datorseende

Följ CVL i sociala medier

Twitter @CvlIsy

Kontakt

Avdelningschef

Samordnare

Besöksadress
Linköpings universitet
Campus Valla
B-huset, ingång 29

Karta (Mazemap)

Postadress
Linköpings universitet
NAMN
Institutionen för systemteknik, ISY
581 83 Linköping

Forskning inom WASP Datorseende

WASP Datorseende

Forskningen täcker ett brett spektrum av ämnen inom artificiella seende system med särskilt fokus på maskininlärning för robotseende. Gruppen har funnits sedan 1970-talet och har i hög grad bidragit till att etablera begreppet datorseende i Sverige.

Behandling av punktmoln

Tack vare den allt större tillgängligheten till djupkameror och lidar har behandling av punktmoln blivit ett underområde till datorseende.

Förfinat ramverk för beskrivning och tolkning av människor

En semantisk beskrivning av människan i bild och video är ett av de fundamentala problemen inom datorseende med en lång rad applikationer.

Maskininlärning för visuell navigering och lokalisering

Navigering och lokalisering är grundläggande utmaningar inom robotseende, där uppgiften är att estimera den geometriska relationen mellan fordonet och omgivningen.

Mer om WASP

Visuell objektföljning

Visuell objektföljning är en av de grundläggande utmaningarna inom området datorseende, där uppgiften är att följa ett visst objekt i en video där positionen enbart är given på den första bilden.

WASP - Wallenberg AI, Autonomous Systems and Software Program

Den fjärde industriella revolutionen är här när automation övergår i autonomi. LiU har framstående forskning inom flera av de områden som är centrala inom Wallenberg AI Autonomous Systems and Software Program, WASP.

WASP-associerade doktorsavhandlingar

Joakim Johnander: Dynamic Visual Learning
Abdelrahman Eldesokey: Uncertainty-Aware Convolutional Neural Networks for Vision Tasks on Sparse Data
Gustav Häger: Learning visual perception for autonomous systems
Bertil Grelsson: Vision-based Localization and Attitude Estimation Methods in Natural Environments
Martin Danelljan: Learning Convolution Operators for Visual Tracking

Forskning inom datorseende

Datorseende

Vid nödsituationer orsakade av naturkatastrofer, terroristattacker eller olyckor behöver insatsstyrkor och markkontroll information och visualisering av scenariot, vilket kräver datorseendemetoder för att analysera inhämtade bilder och videor.

Nyheter

Superdatorn Berzelius fotograferad med vidvinkel.

Svensk AI-forskning får mer muskler

Cancerdiagnostik, datorseende och materialutveckling är bara några forskningsutmaningar som AI kan bidra till att lösa. Superdatorn Berzelius invigdes våren 2021 och redan nu behövs mer kraft för att möta behovet hos svensk AI-forskning.

Lyckad premiär för ISY:s doktorandkonferens

För första gången anordnade Institutionen för systemteknik, ISY, en heldagskonferens ägnad enbart åt institutionens doktorander. Forskarstudierektor Mark Vesterbacka var mer än nöjd när han summerade "PhD Workshop @ISY 2022".

Skärmdump från svt.se på Michael Felsberg

Viral video anklagas för att vara deepfake

Joe Biden är död och har ersatts av deepfakes. Det var en konspirationsteori som fick sociala medier att gå i spinn efter att Vita Huset publicerat videon. Michael Felsberg, professor vid Avdelningen för datorseende, kommenterade videon i SVT.

Porträtt av Michael Felsberg med stängda ögon och formler projicerade över ansiktet.

Mänsklig syn – en utmaning för AI

Att uppnå mångsidigheten det mänskliga synsinnet är en av de stora utmaningarna inom AI-forskningen. I de allra flesta fall är vi överlägsna maskinerna på att uppfatta världen runt omkring oss. Men sakta och säkert kommer de i kapp.

Person med hoodie sitter bakom dator i mörkt rum.

Cyberattacker: AI är brottsutredarens bästa vän i jakten på digitala bevis

Cyberattacker blir ett allt större hot mot samhället. För brottsutredarna blir därför digitala bevis viktigare i jakten på kriminella. Och tekniken finns, inte minst på Linköpings universitet där AI är ett styrkeområde.

Forskarutbildning - inte bara för forskarna

Är en högskoleexamen futtigt? En kandidat otillräcklig och en master för lite? För dem som vill utbilda sig mer finns forskarutbildning. ”Jag hade inte trott att det kunde vara så kul, men det var det. Hela tiden”, säger en doktorand.

Publikationer

2023

Syed Talal Wasim, Muzammal Naseer, Salman Khan, Fahad Khan, Mubarak Shah (2023) Vita-CLIP: Video and text adaptive CLIP via Multimodal Prompting 2023 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), s. 23034-23044

Vidare till DOI

Muhammad Uzair Khattak, Hanoona Rasheed, Muhammad Maaz, Salman Khan, Fahad Khan (2023) MaPLe: Multi-modal Prompt Learning 2023 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), s. 19113-19122

Vidare till DOI

Nancy Mehta, Akshay Dudhane, Subrahmanyam Murala, Syed Waqas Zamir, Salman Khan, Fahad Khan (2023) Gated Multi-Resolution Transfer Network for Burst Restoration and Enhancement 2023 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), s. 22201-22210

Vidare till DOI

Emanuel Sanchez Aimar, Arvi Jonnarth, Michael Felsberg, Marco Kuhlmann (2023) Balanced Product of Calibrated Experts for Long-Tailed Recognition 2023 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), s. 19967-19977

Vidare till DOI

Salman Khan, Fahad Khan, Ashish Vaswani, Niki Parmar, Ming-Hsuan Yang, Mubarak Shah (2023) Guest Editorial Introduction to the Special Section on Transformer Models in Vision IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 45, s. 12721-12725

Vidare till DOI