Datorseende (CVL)

Välkommen till avdelningen Datorseende (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, 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

Inriktningar

Inriktning mot Datorseende och Signalanalys

Inriktning mot Matematiskt Datorseende

Examensarbeten

Gör ditt examensarbete vid Avdelningen för datorseende

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

Andra forskningssamarbeten

Nyheter

Presentation av Lotten Juhlin.

ISY-dagen 2025 – hållbarhet i akademi, industri och samhälle

Temat för årets upplaga av ISY-dagen var “Sustainability in academia, industry, and society”, med föreläsningar, diskussioner och exempel på hur hållbarhet kan integreras i både forskning, utbildning och industriell utveckling.

Tomas Landelius och Carolina Natel de Moura.

Fokusperioden resulterade i nya samarbeten for klimatet

Under hösten 2024 samlades återigen forskare från hela världen vid Linköpings universitet under ELLIITs fem veckor långa fokusperiod. Den här gången med målet att hitta och fördjupa samarbeten inom klimatforskning med hjälp av maskininlärning.

Fredrik Ronquist vid myrstack.

Outforskade insekter ska fram i ljuset

Den absoluta merparten av världens miljontals insektsarter är fortfarande inte beskrivna och vi vet alltför lite om deras evolution och påverkan på våra ekosystem. Det ska forskningsprojektet DarkTree ändra på.

Publikationer

2025

Johan Edstedt, André Mateus, Alberto Jaenal (2025) ColabSfM: Collaborative Structure-from-Motion by Point Cloud Registration Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), s. 6573-6583 (Konferensbidrag)
Tom Wehrbein, Marco Rudolph, Bodo Rosenhahn, Bastian Wandt (2025) Utilizing Uncertainty in 2D Pose Detectors for Probabilistic 3D Human Mesh Recovery 2025 IEEE/CVF WINTER CONFERENCE ON APPLICATIONS OF COMPUTER VISION (WACV), s. 5852-5862 (Konferensbidrag) Vidare till DOI
Johan Edstedt (2025) Towards the Next Generation of 3D Reconstruction
Rohit Bharadwaj, Muzammal Naseer, Salman Khan, Fahad Khan (2025) Enhancing Novel Object Detection via Cooperative Foundational Models 2025 IEEE/CVF WINTER CONFERENCE ON APPLICATIONS OF COMPUTER VISION (WACV), s. 9043-9052 (Konferensbidrag) Vidare till DOI
Abdelrahman Shaker, Syed Talal, Martin Danelljan, Salman Khan, Ming-Hsuan Yang, Fahad Khan (2025) Efficient Video Object Segmentation via Modulated Cross-Attention Memory 2025 IEEE/CVF WINTER CONFERENCE ON APPLICATIONS OF COMPUTER VISION (WACV), s. 8681-8690 (Konferensbidrag) Vidare till DOI

Medarbetare inom avdelningen Datorseende

Om institutionen