Datorseende och lärande system (CVL)

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

Robot och forskare.
Foto: Göran Billeson

Datorseende baseras på modellering av människans synsinne och är ett delområde av artificiell intelligens, AI.

Det är allmänt vedertaget att 80% av det vi uppfattar är baserat på vad vi ser (DOI 10.3233/NRE-2010-0599), men modelleringen av synsinnet är en systematiskt underskattad vetenskaplig utmaning – en implikation av Moravecs paradox ”Vi är minst uppmärksamma på vad våra sinnen gör bäst” (Minsky 1986).

Då synsinnet i hög grad är intuitivt är det svårt att greppa myriaden av interdisciplinära problem som är knutna till datorseende.

Forskningen hos avdelningen för Datorseende och lärande system (CVL) har ett starkt fokus på teori och metoder, särskilt inom maskininlärning, signalbehandling och tillämpad matematik.

De resulterande metoderna tillämpas inom områden där tekniska system förväntas samexistera med, och därmed förutse, mänskliga handlingar. Självkörande bilar som delar trafikområde och interagerar med människor, hållbart skogs- och jordbruk, bevakning av växthusgaser samt klassificering och övervakning av djur är några av tillämpningsområdena.

CVL:s forskningsområden täcker ett brett spektrum av utmaningar inom maskininlärning för datorseende och robotperception:

  • Tidskontinuerlig modellering av 3D-rörelse
  • Skattning av pose och 3D-struktur
  • Few-shot och svagt övervakad inlärning
  • Geometrisk djupinlärning
  • Människo- och djurrörelseanalys
  • Medicinsk bildalstring och analys
  • Kvantmaskininlärning
  • Förstärkningsinlärning
  • Fjärranalys
  • Semiövervakat och inkrementellt lärande
  • Skattning av scenflöde
  • Osäkerhetsrepresentation
  • Video och semantisk segmentering
  • Seende för handling

Kurser

Kurser som ges vid Avdelningen för datorseende och lärande system

Inriktningar

Inriktning mot Datorseende och Signalanalys

Inriktning mot Matematiskt Datorseende

Examensarbeten

Gör ditt examensarbete vid Avdelningen för datorseende och lärande system

Kontakt

Forskning inom WASP Datorseende

Andra forskningssamarbeten

Nyheter

En gata i staden med mycket snö på marken.

19 november 2026

Sex LiU-forskare bland världens mest citerade

Sex forskare med koppling till Linköpings universitet finns med på årets lista över världens mest citerade forskare. Totalt uppmärksammas 6 802 forskare från 62 länder och regioner för sitt internationella forskningsgenomslag.

En grupp människor som står i ett rum.

22 oktober 2026

LiU centralt när Sverige stärker sin position inom AI-forskning

LiU är ett av fyra svenska lärosäten som står bakom den nya svenska enheten inom nätverket European Laboratory for Learning and Intelligent Systems (ELLIS). Den 15 oktober invigdes den nya enheten.

En man som står på en scen med en mikrofon.

23 juni 2026

ISY-dagen 2026 satte fokus på interkulturell kommunikation

Den 16 juni samlades Institutionen för systemteknik (ISY) på Konsert & Kongress för årets ISY-dag. Arrangemanget gav institutionens kollegor möjligheten att mötas, utbyta erfarenheter och reflektera kring temat interkulturell kommunikation.

Publikationer

2027

Wafa Al Ghallabi, Ritesh Thawkar, Sara Ghaboura, Omkar Thawakar, Numan Saeed, Dana Al Nuaimi, Ajinaz Alkatheeri, Salman Khan, Fahad Khan (2027) How Good Are Foundation Models in Longitudinal MRI Disease Progression Reasoning? MEDICAL IMAGE COMPUTING AND COMPUTER ASSISTED INTERVENTION - MICCAI 2026, PT X, s. 312-322 (Konferensbidrag) https://dx.doi.org/10.1007/978-3-032-38172-9_30

2026

Umair Nawaz, Ahmed Heakl, Ufaq Khan, Abdelrahman Shakers, Salman Khan, Fahad Khan (2026) WorldCache: Content-Aware Caching for Accelerated Video World Models COMPUTER VISION - ECCV 2026, PT XXVIII, s. 353-370 (Konferensbidrag) https://dx.doi.org/10.1007/978-3-032-37624-4_22
Akashah Shabbir, Muhammad Umer Sheikh, Muhammad Akhtar Munir, Hiyam Debary, Mustansar Fiaz, Muhammad Zaigham Zaheer, Paolo Fraccaro, Fahad Khan, Muhammad Haris Khan, Xiao Xiang Zhu, Salman Khan (2026) OpenEarthAgent: A Unified Framework for Tool-Augmented Geospatial Agents COMPUTER VISION - ECCV 2026, PT XXI, s. 172-191 (Konferensbidrag) https://dx.doi.org/10.1007/978-3-032-37574-2_10
Amol Harsh, Zongyan Han, Jean Lahoud, Ye Liu, Rao Muhammad Anwer, Hisham Cholakkal, Salman Khan, Fahad Khan (2026) Ground3D-LMM: Fine-Grained 3D Point Grounding and Spatial Reasoning with LMM COMPUTER VISION - ECCV 2026, PT XXV, s. 195-212 (Konferensbidrag) https://dx.doi.org/10.1007/978-3-032-37461-5_11
David Nordstrom, Johan Edstedt, Fredrik Kahl, Georg Bokman (2026) Quick ViTs: Speeding up Vision Transformers Through Equivariance COMPUTER VISION - ECCV 2026, PT XII, s. 579-597 (Konferensbidrag) https://dx.doi.org/10.1007/978-3-032-37044-0_32

Medarbetare inom avdelningen Datorseende och lärande system

Om institutionen