Letztes Update: 25. Oktober 2025
Die Vorlesung behandelt “Geometry Processing”, also das Analogon zur Bildverarbeitung mit 3D Geometrie. Das Augenmerk liegt hierbei auf Punktwolken, die mit Hilfe von 3D Scannern erfasst werden. Wir besprechen verschiedene Techniken für die Acquisition (Erfassung) von Punktwolken, low-level Verarbeitung (direktes Rendering und Konvertierung in andere Formate wie Dreiecksnetze, Glättung / Entrauschung) und komplexere Ansätze wie Korrespondenzen, generative Modelle oder Klassifikation. Daneben lernen wir auch Datenstrukturen und Algorithmen für die effiziente Darstellung und Verarbeitung kennen (Multi-Resolution Rendering und Out-of-Core Processing).
Der Fokus ist auf eher traditionellen Techniken aus der Computer Graphik und Vision; Deep Learning spielt eher eine kleinere Rolle. Viele Methoden sind statistisch motiviert, aber statistisches Lernen wird an anderer Stelle als dieser Veranstaltung vertieft (hier werden die elementaren Grundlagen vorausgesetzt).
Die Übungen zur Veranstaltung sind sehr stark praktisch ausgerichtet: Wir werden über das Semester ein kleines System zum Point-Cloud-Processing selbst programmieren, wobei wir viel mit C++ arbeiten werden.
Voraussetzung: Die Vorlesung setzt Grundkenntnisse in statistischer Modellierung und maschinellem Lernen voraus, wie sie z.B. in Modellierung 1 und/oder 2 oder in den Grundvorlesungen zu Machine Learning, Data Mining oder Computer Vision vermittelt werden. Grund Kenntnisse in 3D Computergraphik werden ebenfalls vorausgesetzt. Da es sich um eine Fachvorlesung in (voraussichtlich) kleinerem Kreis handelt, ist eine Diskussion von fehlenden Hintergründen durchaus in gewissem Rahmen möglich.
Werden bei Bedarf hier verlinkt/publiziert. Übungsaufgaben und Folien aus der Vorlesung gibt es auf LMS.
Wir wünschen Ihnen viel Spaß & Erfolg bei der Veranstaltung!