Seminar
Computer Vision and Machine Learning
Sommersemester 2005

• Dozenten: Thomas Hofmann (TH), Bernt Schiele (BS)
• Assistent: Mario Fritz (MF)
• Termin:
  Wochentag: Dienstags
  Zeit: 14:25-16:05
  Raum: S202/E102
• Vorbesprechung und Themenvergabe: 12.04.2005
• Voraussetzungen: Machine Learning Hintergrund & Interesse
• Sprache: deutsch
• Bewertung:
  In die Bewertung fließen Verständnis, Präsentation, Folien und Beantwortung von Fragen ein.
• Abgabe:
  • Folien als pdf und - falls verwendet - zusätzlich das PowerPoint-file
  • alle zusätzlichen Quellen, die in den Folien referenziert wurden
  Wir weisen hiermit darauf hin, dass keine separate Ausarbeitung verlangt wird.
• Vorbereitung:
  Bei der Vorbereitung des Inhalts und der Folien werden die Seminarteilnehmer durch die Dozenten bzw. den Assistenten unterstützt. Es wird aber im beidseitigen Interesse darum gebeten rechtzeitig (mindestens 1 Woche Vorlauf) Termine zu vereinbaren.
• Anmeldung:
  Die Anmeldung ist ab sofort per mail an den Assistenten möglich.
  Für eine erfolgreiche Anmeldung sind die Angabe von:
  • Name
  • Matrikelnummer
  • mindestens 3 Präferenzen für die zu bearbeitende Veröffentlichung aus der unten angeführten Liste
  erforderlich. Die endgültige Vergabe der Themen erfolgt bei der Vorbesprechung am 12.04.2005.

Für das Seminar ist eine mailing list eingerichtet worden:
cvml-seminar aATt mis o informatik o tu-darmstadt o de

Über diese mailing list werden die Teilnehmer über Änderungen von Ort und Zeit des Seminars informiert. Außerdem bietet diese Liste eine zusätzliche Möglichkeit zur Diskussion und Verbreitung seminarrelevanter Informationen. Da diese Liste moderiert ist, können nur Teilnehmer Nachrichten senden. Deshalb bitten wir die Teilnehmer sich unter

http://mail.rbg.informatik.tu-darmstadt.de/mailman21/listinfo/cvml-seminar

in die mailing list einzutragen.

Die Länge des Vortrags ist 50 Minuten plus 20 Minuten Fragen. Auf die Einhaltung der Vortragslänge ist zu achten.

1. pictorial structures (BS)

   • P. Felzenszwalb, D. Huttenlocher.
     Pictorial Structures for Object Recognition.
     International Journal on Computer Vision 2005
   
   

   ---

2. part-based models (BS)

   • R. Fergus, P. Perona, A. Zisserman
     Object Class Recognition by Unsupervised Scale-Invariant Learning
     Proc. of the IEEE Conf on Computer Vision and Pattern Recognition 2003
   
   

   ---

3. boosting for detection (TH)

   • P. Viola, M. J. Jones, D. Snow.
     Detecting Pedestrians Using Patterns of Motion and Appearance.
     International Conference on Computer Vision 2003
   • P. Viola, M. J. Jones.
     Robust Real-Time Face Detection.
     International Journal on Computer Vision 2004
   
   

   ---

4. optical character recognition (TH)

   • D. DeCoste, B. Schölkopf
     Training invariant support vector machines
     Machine Learning 46, pp. 161-190, 2002



---

5. sharing features (BS)

   • A. Torralba, K.P. Murphy, W.T. Freeman.
     Sharing features: efficient booting procedures for multiclass object recognition.
     International Conference on Comuter Vision and Pattern Recognition 2004
   • A. Torralba, K.P. Murphy, W.T. Freeman.
     Sharing Visual Features for Multiclass and Multiview Object Detection.
     AI-Memo 2004-008 - extended version of CVPR paper
   
   

   ---

6. image synthesis (TH)

   • R. Rosales, K. Achan, B. J. Frey
     Unsupervised Image Translation
     Proceedings of International Conference on Computer Vision (ICCV 03)
   • A. Hertzmann, C. E. Jacobs, N. Oliver, B. Curless, D. H. Salesin
     Image Analogies
     Proceedings SIGGRAPH, 2003
   
   

   ---

7. context modeling (BS)

   • A. Torralba.
     Context Priming for Object Recognition.
     International Journal on Comuter Vision 2003
   • K. Murphy, A. Torralba, W.T. Freeman.
     Using the Forest to See the Trees: A Graphical Model Relating Features, Objects, and Scenes.
     Conference on Neural Information Processing Systems 2003
   
   

   ---

8. layered motion analysis (TH)

   • B. J. Frey, N. Jojic, A. Kannan
     Learning appearance and transparency manifolds of occluded objects in layers
     Proceedings of IEEE conference on Computer Vision and Pattern Recognition (CVPR), 2003
   • N. Jojic, B. J. Frey
     Learning flexible sprites in video layers
     Proceedings of IEEE conference on Computer Vision and Pattern Recognition (CVPR), 2001
   
   

   ---

9. video google (BS)

   • J. Sivic, A. Zisserman.
     Video Google: A Text Retrieval Approach to Object Matching in Videos.
     International Conference on Computer Vision 2003
   • J. Sivic, A. Zisserman.
     Video Data Mining Using Configurations of Viewpoint Invariant Regions.
     Conference on Computer Vision and Pattern Recognition 2004
   
   

   ---

10. video eptiomes (TH)

    • V. Cheung, B. J. Frey, and N. Jojic.
      Video epitomes
      Conference on Computer Vision and Pattern Recognition, 2005.
    by webmfritz — last modified 2007-02-12 11:21