Lampert Group
Maschinelles Lernen und Computer Vision
Heutige Computerprogramme sind “inselbegabt”: Software, die eine bestimmte Aufgabe wie Schachspielen sehr gut erfüllt, ist für die meisten anderen Aufgaben, wie das Durchsuchen einer Datenbank, völlig nutzlos – und umgekehrt. Die Lampert Gruppe arbeitet an Methoden, mit denen Computer aus dieser Einschränkung ausbrechen können, indem sie Informationen zwischen verschiedenen Aufgaben teilen.
Moderne Computersoftware passt sich ihren NutzerInnen an, z.B. lernt die Spracherkennungssoftware den Sprecher mit der Zeit besser zu verstehen, und E-Mail Programme lernen, welche der eingehenden E-Mails Spam sind und daher unterdrückt werden sollten. Dieser Lernprozess findet jedoch für jede Aufgabe, die der Computer lösen sollte, unabhängig statt. Die Lampert-Gruppe entwickelt und analysiert Algorithmen, die es Computern ermöglichen, neue Aufgaben zu erlernen und dabei das aus früheren Aufgaben gewonnene Wissen zu nutzen. Ein besonders Anwendungsgebiet ist das automatische Bildverständnis. Das Ziel der Software dabei ist, den Inhalt eines natürlichen Bildes zu analysieren und automatisch Fragen dazu zu beantworten, wie etwa: Welche Objekte sind im Bild sichtbar? Wo befinden sie sich? Wie interagieren sie?
On this site:
Team
Laufende Projekte
Vertrauenswürdiges Machine Learning | Transfer und lebenslanges Lernen | Deep Learning-Theorie | Generative Modellierung in der Computer Vision
Publikationen
Volhejn V, Lampert C. 2020. Does SGD implicitly optimize for smoothness? 42nd German Conference on Pattern Recognition . DAGM GCPR: German Conference on Pattern Recognition . View
Royer A. 2020. Leveraging structure in Computer Vision tasks for flexible Deep Learning models. IST Austria. View
Konstantinov NH, Frantar E, Alistarh D-A, Lampert C. 2020. On the sample complexity of adversarial multi-source PAC learning. Proceedings of the 37th International Conference on Machine Learning. ICML: International Conference on Machine Learning vol. 119, 5416–5425. View
Henderson PM, Lampert C. 2020. Unsupervised object-centric video generation and decomposition in 3D. 34th Conference on Neural Information Processing Systems. NeurIPS: Neural Information Processing Systems vol. 33, 3106–3117. View
Henderson PM, Tsiminaki V, Lampert C. 2020. Leveraging 2D data to learn textured 3D mesh generation. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. CVPR: Conference on Computer Vision and Pattern Recognition, 7498–7507. View
Karriere
seit 2015 Professor, IST Austria
2010 — 2015 Assistant Professor, IST Austria
2007 – 2010 Senior Research Scientist, Max Planck Institute for Biological Cybernetics, Tübingen, Germany
2004 – 2007 Senior Researcher, German Research Center for Artificial Intelligence, Kaiserslautern, Germany
2003 PhD, University of Bonn, Germany
Ausgewählte Auszeichnungen
seit 2015 Associate Editor in Chief of the IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI)
2012 ERC Starting Grant (consolidator phase)
2008 Best Paper Award, IEEE Conference for Computer Vision and Pattern Recognition (CVPR)
2008 Best Student Paper Award, European Conference for Computer Vision (ECCV)
2008 Main Prize, German Society for Pattern Recognition (DAGM)