Abstract: Für das Abspielen von Videodateien am Computer ist Video-Segmentation ein herausforderndes Problem, weil eine große Datenmenge beteiligt ist und die Objekterscheinung sich im Laufe der Zeit stark verändert. In diesem Vortrag werde ich hauptsächlich wahrscheinlichkeitstheoretische Modelle für Fragestellungen rund um die Video-Segmentation vorstellen. Im Speziellen werde ich über einen Bottom-up-Ansatz für die Kombination von Objektsegmentierung und Bewegungssegmentierung sprechen, dem ein neues graphisches Modell zugrunde liegt, das als Inferenz in einem bedingten Zufallsfeldmodell bezeichnet werden kann. Dieses Modell kombiniert Objektkennzeichnung und Clustering von Bewegungsabläufen in einem einzigen wahrscheinlichkeitstheoretischen Rahmen. Am Ende des Vortrags werde ich einige vielversprechende Forschungsfelder in diesem Bereich herausstellen.

Biographie: Dr. Michael Ying Yang ist derzeit Seniorforscher am Computer Vision Lab (CVLD) der TU Dresden. Von 2012 bis 2015 war er Postdoc am Institut für Informationsverarbeitung (TNT) der Leibniz Universität Hannover. Er bekam seinen Ph.D (summa cum laude) von der Universität Bonn im Jahr 2011. Seine Forschungsinteressen liegen in den Bereichen Computer Vision und Photogrammetrie mit Fokus auf wahrscheinlichkeitstheoretische graphische Modelle, Multisensorfusion und Szenenverständnis.