Wählen Sie bitte eines der unten genannten Themen aus. Um ein Thema (verbindlich!) zu wählen, posten Sie den Namen des Papers in den MS-Teams-Channel “Themenauswahl Seminar”. Schauen Sie dort vorher nach, ob das Thema schon vergeben wurde.
Härtefälle: Sollten Sie große Schwierigkeiten haben, ein geeignetes Thema für Ihren Studienhintergrund zu finden, weil alles interessante schon vergeben sein sollte, dann schreiben Sie dem Dozenten mit einer möglichst genauen Beschreibung dessen, was Sie suchen und einer Begründung, warum die bestehenden Themen nicht geeignet sind (es ist prinzipiell möglich, weitere Themen zu vergeben; um den Aufwand nicht explodieren zu lassen, sollten Sie von dieser Möglichkeit aber nur bei wichtigen Gründen Gebrauch machen).
Die Themen sind grob in drei Anforderungsstufen eingeteilt:
Diese Einstufung ist als grober Hinweis zu verstehen und nicht final; die Anpassung der Bewertung erfolgt im Einzelfall (insbesondere nach genauer Absprache des Themas mit der/dem Betreuer/in).
Alle Themen sind für Studierende im Bachelor Informatik ausgelegt. Sollten Sie die Veranstaltung in einen anderen Studien einbringen (insbesondere im Master NW Informatik), sprechen Sie unbedingt mit dem Dozenten, bevor Sie ein Thema auswählen.
Betreuer/innen werden zugeteilt, sobald die Themen ausgewählt wurden. Die Benachrichtigung erfolgt via MS Teams.
2D Images
Yinbo Chen, Sifei Liu, Xiaolong Wang
Learning Continuous Image Representation with Local Implicit Image Function
CVPR 2021
https://arxiv.org/pdf/2012.09161.pdf
(einfach / mittel) /
Ivan Skorokhodov, Savva Ignatyev, Mohamed Elhoseiny
Adversarial Generation of Continuous Images
CVPR 2021
https://arxiv.org/pdf/2011.12026.pdf
(mittel)
3D Geometry
Vincent Sitzmann, Julien N. P. Martel, Alexander Bergman, David B. Lindell, Gordon Wetzstein:
Implicit Neural Representations with Periodic Activation Functions
NeurIPS 2020
https://proceedings.neurips.cc/paper/2020/file/53c04118df112c13a8c34b38343b9c10-Paper.pdf
(mittel)
Ben Mildenhall, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, Ren Ng
NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
ECCV 2020
https://arxiv.org/pdf/2003.08934.pdf
(mittel)
Albert Pumarola, Enric Corona, Gerard Pons-Moll, Francesc Moreno-Noguer
D-NeRF: Neural Radiance Fields for Dynamic Scenes
CVPR 2021
https://arxiv.org/pdf/2011.13961.pdf
(mittel)
Daniel Rebain, Wei Jiang, Soroosh Yazdani, Ke Li, Kwang Moo Yi, Andrea Tagliasacchi
DeRF: Decomposed Radiance Fields
https://arxiv.org/pdf/2011.12490.pdf
CVPR 2021
(mittel)
Philipp Henzler, Jeremy Reizenstein, Patrick Labatut, Roman Shapovalov, Tobias Ritschel, Andrea Vedaldi, David Novotny
Unsupervised Learning of 3D Object Categories from Videos in the Wild
CVPR 2021
https://openaccess.thecvf.com/content/CVPR2021/papers/Henzler_Unsupervised_Learning_of_3D_Object_Categories_From_Videos_in_the_CVPR_2021_paper.pdf
(komplex)
Petr Kellnhofer, Lars C. Jebe1, Andrew Jones, Ryan Spice1, Kari Pulli, Gordon Wetzstein
Neural Lumigraph Rendering
CVPR 2021
https://arxiv.org/abs/2103.11571
(komplex)
Xinlei Chen Kaiming He
Exploring Simple Siamese Representation Learning
CVPR 2021
https://arxiv.org/pdf/2011.10566.pdf
(mittel)
Junzhe Zhang, Xinyi Chen, Zhongang Cai, Liang Pan, Haiyu Zhao, Shuai Yi, Chai Kiat Yeo, Bo Dai, Chen Change Loy
Unsupervised 3D Shape Completion through GAN Inversion
CVPR 2021
https://arxiv.org/pdf/2104.13366.pdf
(einfach)
Wei Yin, Jianming Zhang, Oliver Wang, Simon Niklaus, Long Mai, Simon Chen, Chunhua Shen
Learning to Recover 3D Scene Shape from a Single Image
CVPR 2021
https://arxiv.org/pdf/2012.09365.pdf
(mittel)
Liang Pan, Xinyi Chen, Zhongang Cai, Junzhe Zhang, Haiyu Zhao, Shuai Yi, Ziwei Liu
Variational Relational Point Completion Network
CVPR 2021
https://arxiv.org/pdf/2104.10154.pdf
(komplex)
Towaki Takikawa, Joey Litalien, Kangxue Yin, Karsten Kreis, Charles Loop, Derek Nowrouzezahrai, Alec Jacobson, Morgan McGuire, Sanja Fidler
Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D Shapes
CVPR 2021
https://arxiv.org/pdf/2101.10994.pdf
(mittel)
Shitong Luo, Wei Hu
Diffusion Probabilistic Models for 3D Point Cloud Generation
CVPR 2021
https://arxiv.org/pdf/2103.01458.pdf
(theoretisch anspruchsvoll)
2D image analog to the paper above:
Yang Song, Stefano Ermon
Generative Modeling by Estimating Gradients of the Data Distribution
NeurIPS 2019
https://arxiv.org/pdf/1907.05600.pdf
(theoretisch anspruchsvoll)
Parallel Training of Deep Networks
Priya Goyal, Piotr Dollár, Ross Girshick, Pieter Noordhuis, Lukasz Wesolowski, Aapo Kyrola, Andrew Tulloch, Yangqing Jia, Kaiming He
Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour
Arxiv, 2017
https://arxiv.org/pdf/1706.02677.pdf
(einfach)
Image Statistics & Detecting Fakes
Keshigeyan Chandrasegaran, Ngoc-Trung Tran, Ngai-Man Cheung
A Closer Look at Fourier Spectrum Discrepancies for CNN-generated Images Detection
CVPR 2021
https://arxiv.org/pdf/2103.17195.pdf
(einfach)