Мюллер маттиас: РИА Новости — события в Москве, России и мире сегодня: темы дня, фото, видео, инфографика, радио

Содержание

Маттиас Мюллер (Matthias Müller) биография, фильмография. Режиссер

Маттиас Мюллер (Matthias Müller) биография, фильмография. Режиссер

Биография режиссера

Matthias Müller

Главная

Дата рождения29.03.1961 (61 год)

Место рожденияБилефельд (Федеративная Республика Германии)

Фильмов 1

Награды и премии

 

Другое

2 номинации

Фильмы Маттиаса Мюллера

Человек

2016, Короткометражный

Читайте также

Подборки «Афиши»

 

выставок ноября для всей семьи

Куда сходить на «Ночь искусств-2022» в Москве

кинопремьер ноября

Кинопремьеры недели: «В эфире», «Под облаками» и «Похожий человек»

Мероприятия

 

Создайте уникальную страницу своего события на «Афише»

Это возможность рассказать о нем многомиллионной аудитории и увеличить посещаемость

  • Абакан,
  • Азов,
  • Альметьевск,
  • Ангарск,
  • Арзамас,
  • Армавир,
  • Артем,
  • Архангельск,
  • Астрахань,
  • Ачинск,
  • Балаково,
  • Балашиха,
  • Балашов,
  • Барнаул,
  • Батайск,
  • Белгород,
  • Белорецк,
  • Белореченск,
  • Бердск,
  • Березники,
  • Бийск,
  • Благовещенск,
  • Братск,
  • Брянск,
  • Бугульма,
  • Бугуруслан,
  • Бузулук,
  • Великий Новгород,
  • Верхняя Пышма,
  • Видное,
  • Владивосток,
  • Владикавказ,
  • Владимир,
  • Волгоград,
  • Волгодонск,
  • Волжский,
  • Вологда,
  • Вольск,
  • Воронеж,
  • Воскресенск,
  • Всеволожск,
  • Выборг,
  • Гатчина,
  • Геленджик,
  • Горно-Алтайск,
  • Грозный,
  • Губкин,
  • Гудермес,
  • Дербент,
  • Дзержинск,
  • Димитровград,
  • Дмитров,
  • Долгопрудный,
  • Домодедово,
  • Дубна,
  • Евпатория,
  • Екатеринбург,
  • Елец,
  • Ессентуки,
  • Железногорск (Красноярск),
  • Жуковский,
  • Зарайск,
  • Заречный,
  • Звенигород,
  • Зеленогорск,
  • Зеленоград,
  • Златоуст,
  • Иваново,
  • Ивантеевка,
  • Ижевск,
  • Иркутск,
  • Искитим,
  • Истра,
  • Йошкар-Ола,
  • Казань,
  • Калининград,
  • Калуга,
  • Каменск-Уральский,
  • Камышин,
  • Каспийск,
  • Кемерово,
  • Кингисепп,
  • Кириши,
  • Киров,
  • Кисловодск,
  • Клин,
  • Клинцы,
  • Ковров,
  • Коломна,
  • Колпино,
  • Комсомольск-на-Амуре,
  • Копейск,
  • Королев,
  • Коряжма,
  • Кострома,
  • Красногорск,
  • Краснодар,
  • Краснознаменск,
  • Красноярск,
  • Кронштадт,
  • Кстово,
  • Кубинка,
  • Кузнецк,
  • Курган,
  • Курск,
  • Лесной,
  • Лесной Городок,
  • Липецк,
  • Лобня,
  • Лодейное Поле,
  • Ломоносов,
  • Луховицы,
  • Лысьва,
  • Лыткарино,
  • Люберцы,
  • Магадан,
  • Магнитогорск,
  • Майкоп,
  • Махачкала,
  • Миасс,
  • Можайск,
  • Московский,
  • Мурманск,
  • Муром,
  • Мценск,
  • Мытищи,
  • Набережные Челны,
  • Назрань,
  • Нальчик,
  • Наро-Фоминск,
  • Находка,
  • Невинномысск,
  • Нефтекамск,
  • Нефтеюганск,
  • Нижневартовск,
  • Нижнекамск,
  • Нижний Новгород,
  • Нижний Тагил,
  • Новоалтайск,
  • Новокузнецк,
  • Новокуйбышевск,
  • Новомосковск,
  • Новороссийск,
  • Новосибирск,
  • Новоуральск,
  • Новочебоксарск,
  • Новошахтинск,
  • Новый Уренгой,
  • Ногинск,
  • Норильск,
  • Ноябрьск,
  • Нягань,
  • Обнинск,
  • Одинцово,
  • Озерск,
  • Озеры,
  • Октябрьский,
  • Омск,
  • Орел,
  • Оренбург,
  • Орехово-Зуево,
  • Орск,
  • Павлово,
  • Павловский Посад,
  • Пенза,
  • Первоуральск,
  • Пермь,
  • Петергоф,
  • Петрозаводск,
  • Петропавловск-Камчатский,
  • Подольск,
  • Прокопьевск,
  • Псков,
  • Пушкин,
  • Пушкино,
  • Пятигорск,
  • Раменское,
  • Ревда,
  • Реутов,
  • Ростов-на-Дону,
  • Рубцовск,
  • Руза,
  • Рыбинск,
  • Рязань,
  • Салават,
  • Салехард,
  • Самара,
  • Саранск,
  • Саратов,
  • Саров,
  • Севастополь,
  • Северодвинск,
  • Североморск,
  • Северск,
  • Сергиев Посад,
  • Серпухов,
  • Сестрорецк,
  • Симферополь,
  • Смоленск,
  • Сокол,
  • Солнечногорск,
  • Сосновый Бор,
  • Сочи,
  • Спасск-Дальний,
  • Ставрополь,
  • Старый Оскол,
  • Стерлитамак,
  • Ступино,
  • Сургут,
  • Сызрань,
  • Сыктывкар,
  • Таганрог,
  • Тамбов,
  • Тверь,
  • Тихвин,
  • Тольятти,
  • Томск,
  • Туапсе,
  • Тула,
  • Тюмень,
  • Улан-Удэ,
  • Ульяновск,
  • Уссурийск,
  • Усть-Илимск,
  • Уфа,
  • Феодосия,
  • Фрязино,
  • Хабаровск,
  • Ханты-Мансийск,
  • Химки,
  • Чебоксары,
  • Челябинск,
  • Череповец,
  • Черкесск,
  • Чехов,
  • Чита,
  • Шахты,
  • Щелково,
  • Электросталь,
  • Элиста,
  • Энгельс,
  • Южно-Сахалинск,
  • Якутск,
  • Ялта,
  • Ярославль

Маттиас Мюллер — последние новости

Ярошенко сообщил, что экстрадиция россиян из Европы носит непрозрачный характер
09:36

Российские инженеры вычислили слабые места в Starlink Илона Маска
09:36

В «Ростехе» заявили, что материалы Караулова имели признаки клеветы
09:35

Доцент Максимов заявил, что в РФ могут убрать льготы на пользование водными. ..
09:35

Эксперт назвал неочевидные причины, почему могут отказать в потребительском кредите
09:34

СМИ сообщили, что игроку «Наполи» Кварацхелии вернули угнанный автомобиль
09:33

Грызлов назвал народное единство залогом победы России
09:30

Названы напитки, увеличивающие риск появления тромбов
09:27

Медведев заявил, что Россия является богатой страной и ей не нужны чужие территории
09:26

American Conservative: США лицемерно обвиняют другие страны в угрозе ядерной войны
09:22

Инцидент c Uber: реакция конкурентов на смертельное ДТП

Как отреагировали производители беспилотных автомобилей на смертельное ДТП с Uber

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Из-за скандала с опытами над животными отстранили от работы лоббиста Volkswagen

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

«В России на автобизнес влияют не логика и прибыль, а мотивы политики»

Самые интересные премьеры Франкфуртского автосалона

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Mercedes въехал в дизельгейт

Daimler заподозрили в продаже более миллиона машин с «грязными» двигателями

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

В 2017 году Volkswagen начнет производство модели электрокара семейства I.D.

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Volkswagen оправился от дизельгейта

Как Volkswagen перестроит бизнес к 2025 году

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Оторваться от народа

Тест-драйв Volkswagen Passat

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

В штаб-квартире Audi и в офисе главы Volkswagen прошли обыски

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Audi и Renault устроили маски-шоу

В Audi и Renault прошли обыски в рамках дизельного скандала

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Глава Volkswagen Group раскрыл содержание встречи с президентом Путиным

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

«Путин часто переходил на немецкий и шутил»

Глава Volkswagen Group рассказал, о чем говорил с Владимиром Путиным

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Путин пообещал главе Volkswagen помочь с развитием в России

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Volkswagen намерен сократить расходы в 2017 году на 10%

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Глава Volkswagen: концерн не будет платить компенсации автовладельцам в Европе

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Volkswagen тянется к розетке

Volkswagen будет выпускать больше электрокаров

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Volkswagen «сменит парадигму», сделав ставку на электромобили и беспилотники

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Глава Volkswagen лично извинился перед Обамой за «дизельгейт» на обеде у Меркель

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

«АвтоВАЗ» и Volkswagen взбудоражили Женеву

На автосалоне в Женеве обсуждают «АвтоВАЗ» и Volkswagen

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Volkswagen опроверг слухи о возможной отставке главы автоконцерна

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Volkswagen-два-процента

Американцам не понравился план Volkswagen по отзыву дефектных дизельных авто

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Глава Volkswagen извинился перед американцами за манипуляции с дизельными авто

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Volkswagen разрешили устранить нарушения в 90% машин с неправильным ПО в Европе

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Volkswagen раздал по $1000 за доверие

Концерн Volkswagen выплатит по $1000 американцам, пострадавшим от дизельного скандала

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

СМИ: сотрудники Volkswagen опасаются посещать США из-за дизельного скандала

Рональд РейганВьетнамСоединенные Штаты АмерикиМоскваКитайская Народная РеспубликаРоссияКорейская Народно-Демократическая РеспубликаВашингтон (округ Колумбия)

Показать еще

Матиас Мюллер

Маттиас Мюллер

Обо мне

В настоящее время я возглавляю лабораторию встроенного ИИ в Intel. Мы работаем над множеством интересных проектов, охватывающих области искусственного интеллекта, машинного обучения, компьютерного зрения, компьютерной графики, обработки естественного языка и робототехники. Наша цель — разработать интеллектуальные системы, которые понимают и воспринимают окружающий мир, чтобы действовать в нем и взаимодействовать с ним. Если вы ищете отличную работу с большой свободой, работая в составе замечательной команды, пожалуйста, свяжитесь со мной.

Краткая биография

Матиас имеет степень бакалавра наук. по специальности «Электротехника и математика» Техасского университета A&M. В начале своей карьеры он работал инженером-электриком в компании P+Z Engineering, разрабатывая электрические машины с мягким гибридом для BMW. Позже он получил степень магистра наук. и докторскую степень в области электротехники от KAUST с упором на постоянное воздушное слежение и преобразование симуляции в реальность для автономной навигации. Маттиас участвовал в более чем 15 публикациях, опубликованных на ведущих конференциях и в журналах, таких как CVPR, ECCV, ICCV, ICML, PAMI, Science Robotics, RSS, CoRL, ICRA и IROS. Матиас имеет большой опыт в отслеживании объектов и автономной навигации для воплощенных агентов, таких как автомобили и БПЛА. Он был признан выдающимся рецензентом CVPR’18 и получил награду за лучшую статью на семинаре ECCV’18 UAVision.

Интересы

  • Автономная навигация
  • Отслеживание объектов
  • Компьютерное зрение
  • Робототехника
  • Искусственный интеллект
  • Машинное обучение
  • Беспилотные летательные аппараты

Образование

  • Доктор философии в области электротехники, Трек: Компьютерное зрение, 2019

    Университет науки и технологий имени короля Абдуллы (KAUST)

  • Магистр наук в области электротехники, направление: Компьютерное зрение, 2016 г.

    Университет науки и технологий имени короля Абдуллы (KAUST)

  • Бакалавр наук в области электротехники с математическим уклоном, 2011 г.

    Техасский университет A&M

  • 06.10.21: Обучение высокоскоростному полету в дикой природе опубликовано в журнале Science Robotics
  • 30.08.21: Повышение до руководителя лаборатории встроенного ИИ в Intel
  • 20.07.21: Обучающие графовые нейронные сети с 1000 слоями представлены на ICML’21
  • 10.02.21: Обсуждение OpenBot для Орегона IEEE RAS
  • 14.07.20: DDA номинирован на премию Best Paper Award на RSS’20
  • 23.02.20: СГАС принят на ЦВПР’20
  • 10.11.19: SADA принята на AAAI’20
  • 01.08.19: DeepGCN приняты как Oral на ICCV’19
  • 08.05.19: Приглашен в качестве спикера на EECVC’19
  • 30.04.19: НЕФТЬ принята на РСС’19
  • 09.04.19: CFN принят как Oral на семинаре CVPR’19 UAVision’19
  • 08.09.18: Награда за лучшую статью/презентацию за «Обучение БПЛА гонкам» на семинаре ECCV’18 UAVision’18
  • 02. 07.18: Передача правил вождения принята на CoRL’18
  • 02.07.18: Посещал летнюю школу искусственного интеллекта PAISS
  • 20.06.18: Демо Sim4CV на CVPR’18
  • 04.06.18: Стажировка в Microsoft Research в Редмонде
  • 26.02.18: Sim4CV принят на IJCV’18
  • 14.01.18: Условно-имитационное обучение принято на ICRA’18
  • 14.09.17: Получение степени Deep Learning Nano от Udacity
  • 25.07.17: Демо Sim4CV на CVPR’17
  • 09.07.17: Посещал летнюю школу CV ICVSS
  • 15.06.17: Стажировка в Intel Visual Computing Lab (VCL) в Мюнхене
  • 18.03.17: 3-е место в задаче 2 конкурса робототехники MBZIRC
  • 04.03.17: Контекстно-зависимое отслеживание CF принято как Oral на CVPR’17
  • 13.10.16: Демонстрация UAVSim/Sim4CV на ECCV’16
  • 13.07.16: Adatptive-Target CF Tracking and UAV Tracking Benchmark принят на ECCV’16
  • 01.07.16: Персистентное воздушное слежение принято на IROS’16
  • 13. 04.16: Защитил магистерскую диссертацию на тему «Постоянное воздушное слежение»

Все публикации

Обучение скоростному полету в дикой природе

​Мы предлагаем комплексный подход, который позволяет автономно управлять квадрокоптерами через сложные естественные и искусственные среды на высоких скоростях с помощью исключительно бортовых датчиков и вычислений. Ключевой принцип состоит в том, чтобы напрямую сопоставить зашумленные сенсорные наблюдения с траекториями без столкновений в виде удаляющегося горизонта. Это прямое сопоставление резко снижает задержку обработки и повышает устойчивость к зашумленному и неполному восприятию. Сенсомоторное картирование выполняется сверточной сетью, которая обучена исключительно моделированию посредством привилегированного обучения: имитация эксперта с доступом к привилегированной информации. Путем моделирования реалистичного шума датчика наш подход обеспечивает нулевую передачу от моделирования к сложным условиям реального мира, которые никогда не случались во время обучения: густые леса, заснеженная местность, сошедшие с рельсов поезда и рухнувшие здания. Наша работа показывает, что сквозные политики, обученные с помощью моделирования, обеспечивают высокоскоростной автономный полет в сложных условиях, превосходя традиционные конвейеры предотвращения препятствий.

Антонио Локерчио, Элиа Кауфманн, Рене Ранфтль, Матиас Мюллер, Владлен Колтун, Давиде Скарамуцца

ScienceRobotics’21

Подробности

PDF

видео

Код

Проект

Бибтекс

Нейронные сети обучающего графа с 1000 слоями

​В этой работе мы изучаем обратимые соединения, групповые свертки, привязку веса и модели равновесия, чтобы улучшить память и эффективность параметров GNN. Мы обнаружили, что обратимые соединения в сочетании с глубокими сетевыми архитектурами позволяют обучать перепараметризованные GNN, которые значительно превосходят существующие методы на нескольких наборах данных. Наши модели RevGNN-Deep (1001 слой по 80 каналов в каждом) и RevGNN-Wide (448 слоев по 224 канала в каждом) были обучены на одном товарном графическом процессоре и достигли ROC-AUC 87,74 ± 0,13 и 88,24 ± 0,15 на ogbn. — набор данных белков. Насколько нам известно, RevGNN-Deep является самой глубокой GNN в литературе на один порядок.

Гохао Ли, Матиас Мюллер, Бернар Ганем, Владлен Колтун

ICML’21

Подробности

PDF

Слайды

Код

Проект

Бибтекс

OpenBot: превращаем смартфоны в роботов

Существующие роботы либо дороги, либо существенно уступают сенсорному богатству, вычислительной мощности и коммуникационным возможностям. Мы предлагаем использовать смартфоны для оснащения роботов обширным набором датчиков, мощными вычислительными возможностями, современными каналами связи и доступом к процветающей программной экосистеме. Мы разрабатываем небольшой электромобиль стоимостью 50 долларов, который служит корпусом робота для стандартных Android-смартфонов. Мы разрабатываем программный стек, который позволяет смартфонам использовать это тело для мобильной работы, и демонстрируем, что система достаточно мощна для поддержки передовых рабочих нагрузок робототехники, таких как отслеживание человека и автономная навигация в реальном времени в неструктурированных средах. Контролируемые эксперименты демонстрируют, что представленный подход устойчив к различным смартфонам и телам роботов.

Маттиас Мюллер, Владлен Колтун

ICRA’21

Подробности

PDF

видео

Код

Проект

Бибтекс

DDA: Акробатика глубокого дрона

​Мы предлагаем изучить сенсомоторную политику, которая позволяет автономному квадрокоптеру выполнять экстремальные акробатические маневры, используя только бортовые датчики и вычисления. Мы полностью обучаем политику в моделировании, используя демонстрации оптимального контроллера, имеющего доступ к привилегированной информации. Мы используем соответствующие абстракции визуального ввода, чтобы обеспечить передачу на реальный квадрокоптер. Мы показываем, что результирующая политика может быть непосредственно развернута в физическом мире без какой-либо тонкой настройки на реальных данных. Наша методология имеет несколько благоприятных свойств: она не требует участия человека-эксперта для проведения демонстраций, она не может повредить физической системе во время обучения и может использоваться для обучения маневрам, которые сложны даже для лучших пилотов-людей. Наш подход позволяет физическому квадрокоптеру выполнять такие маневры, как Power Loop, Barrel Roll и Matty Flip, во время которых он испытывает ускорение до 3 g.

Элиа Кауфманн, Антонио Локерчио, Рене Ранфтль, Маттиас Мюллер, Владлен Колтун, Давиде Скарамуцца

RSS’20

Подробности

PDF

Слайды

видео

Код

Проект

Бибтекс

SGAS: последовательный поиск жадной архитектуры

​Мы представляем последовательный поиск жадной архитектуры (SGAS), эффективный метод поиска нейронной архитектуры. Разделяя процедуру поиска на подзадачи, SGAS жадно выбирает и отбрасывает операции-кандидаты. Мы применяем SGAS для поиска архитектур для сверточных нейронных сетей (CNN) и графических сверточных сетей (GCN). Обширные эксперименты показывают, что SGAS может находить современные архитектуры для таких задач, как классификация изображений, классификация облаков точек и классификация узлов в графах взаимодействия белок-белок с минимальными вычислительными затратами.

Guohao Li, Guocheng Qian, Itzel C. Delgadillo, Matthias Müller, Ali Thabet, Bernard Ghanem

CVPR’20

Подробности

PDF

Слайды

видео

Код

Бибтекс

SADA: Семантические состязательные диагностические атаки для автономных приложений

Мы представляем общую структуру для состязательных атак на обученных агентов, которая охватывает семантические возмущения в среде агента, выполняющего задачу, а также атаки на уровне пикселей. Для этого мы переформулируем проблему состязательной атаки как изучение распределения параметров, которое всегда обманывает агента. В семантическом случае предлагаемый нами противник (обозначаемый как BBGAN) обучен выборочным параметрам, описывающим среду, с которой взаимодействует агент черного ящика, так что агент плохо выполняет свою специальную задачу в этой среде. Мы применяем BBGAN для решения трех разных задач, в первую очередь нацеленных на аспекты автономной навигации: обнаружение объектов, самостоятельное вождение и автономные гонки БПЛА. В этих задачах BBGAN может генерировать случаи сбоев, которые постоянно обманывают обученного агента.

Абдулла Хамди, Матиас Мюллер, Бернар Ганем

Постер на AAAI’20

Подробности

PDF

Бибтекс

DeepGCN: сделать GCN такими же глубокими, как CNN

GCN показывают многообещающие результаты, но они ограничены очень мелкими моделями из-за проблемы исчезающего градиента. В результате большинство современных алгоритмов GCN не глубже 3 или 4 слоев. В этой работе мы представляем новые способы успешного обучения очень глубоких GCN. Мы заимствуем концепции из CNN, в основном остаточные/плотные соединения и расширенные свертки, и адаптируем их к архитектурам GCN. С помощью обширных экспериментов мы показываем положительный эффект этих глубоких структур GCN. Наконец, мы используем эти новые концепции для создания очень глубокой 56-слойной GCN и показываем, как это значительно повышает производительность (+3,7% млн по сравнению с современным уровнем техники) в задаче семантической сегментации облака точек.

Guohao Li, Matthias Müller, Ali Thabet, Bernard Ghanem

Устно на ICCV’19

Подробности

PDF

видео

Код

Проект

Бибтекс

НЕФТЬ: обучение через наблюдение

Мы предлагаем имитационное обучение с наблюдением (OIL), новый вариант имитационного обучения, который поддерживает онлайн-обучение и автоматический выбор оптимального поведения путем наблюдения за несколькими несовершенными учителями. Мы применяем предложенную нами методологию к сложным проблемам автономного вождения и гонок с БПЛА. Для обеих задач мы используем симулятор Sim4CV, который позволяет генерировать большие объемы синтетических обучающих данных, а также позволяет проводить онлайн-обучение и оценку. Мы обучаем сеть восприятия прогнозировать путевые точки на основе необработанных данных изображения и используем OIL для обучения другой сети предсказанию элементов управления по этим путевым точкам. Обширные эксперименты показывают, что наша обученная сеть превосходит своих учителей, базовые уровни обычного имитационного обучения (IL) и обучения с подкреплением (RL) и даже людей в моделировании.

Гуохао Ли, Матиас Мюллер, Винсент Кассер, Нил Смит, Доминик Л. Михелс, Бернар Ганем

RSS’19

Подробности

PDF

видео

Проект

Бибтекс

Изучение сети Controller Fusion Network с помощью онлайн-фильтрации траекторий для гонок БПЛА на основе Vision

В этой статье мы предлагаем изучить оптимизированный контроллер с помощью DNN, объединяющей несколько контроллеров. Сеть обучает надежный контроллер с онлайн-фильтрацией траекторий, которая подавляет зашумленные траектории и несовершенства отдельных контроллеров. В результате получается сеть, способная изучить хорошее слияние отфильтрованных траекторий от разных контроллеров, что приводит к значительному улучшению общей производительности. Мы сравниваем нашу обученную сеть с контроллерами, на которых она научилась, сквозными базовыми линиями и пилотами-людьми в реалистичной симуляции; наша сеть превосходит все базовые показатели в обширных экспериментах и ​​приближается к производительности профессионального пилота-человека.

Матиас Мюллер, Гохао Ли, Винсент Кассер, Нил Смит, Доминик Л. Михельс, Бернард Ганем

CVPRW’19 — UAVision’19

Подробности

PDF

видео

Бибтекс

TrackingNet: крупномасштабный набор данных и эталон для отслеживания объектов в дикой природе

Мы представляем TrackingNet, первый крупномасштабный набор данных и тест для отслеживания объектов в дикой природе. Мы предоставляем более 30 000 видео с более чем 14 миллионами плотных аннотаций ограничительной рамки. Наш набор данных охватывает широкий выбор классов объектов в широком и разнообразном контексте. Выпуская такой крупномасштабный набор данных, мы ожидаем дальнейшего улучшения и обобщения глубинных трекеров. Кроме того, мы представляем новый тест, состоящий из 500 новых видеороликов, смоделированных с распределением, аналогичным нашему набору обучающих данных. Изолировав аннотацию тестового набора и предоставив онлайн-сервер для оценки, мы обеспечиваем справедливый эталон для будущей разработки средств отслеживания объектов. Глубокие трекеры, настроенные на часть нашего набора данных, улучшают свою производительность до 1,6% в OTB100 и до 1,7% в тесте TrackingNet. Мы предоставляем обширный эталонный тест на TrackingNet, оценивая более 20 трекеров. Наши результаты показывают, что отслеживание объектов в дикой природе далеко не решено.

Маттиас Мюллер, Адель Биби, Сильвио Джанкола, Салман Аль-Субайи, Бернар Ганем

ECCV’18

Подробности

PDF

Код

Проект

Бибтекс

Управление переносом политик с помощью модульности и абстракции

Мы представляем подход к переносу правил вождения из моделирования в реальность с помощью модульности и абстракции. Наш подход вдохновлен классическими системами вождения и направлен на объединение преимуществ модульных архитектур и сквозных подходов к глубокому обучению. Ключевая идея состоит в том, чтобы инкапсулировать политику вождения таким образом, чтобы она не подвергалась непосредственному воздействию необработанных входных данных восприятия или низкоуровневой динамики транспортного средства. Мы оцениваем представленный подход в смоделированных городских условиях и в реальном мире. В частности, мы переносим обученную в симуляции политику вождения на роботизированный грузовик в масштабе 1/5, который эксплуатируется в различных условиях без тонкой настройки на двух континентах.

Матиас Мюллер, Алексей Досовицкий, Бернар Ганем, Владлен Колтун

CoRL’18

Подробности

PDF

видео

Бибтекс

Sim4CV: фотореалистичный симулятор для приложений компьютерного зрения

Мы представляем фотореалистичный симулятор обучения и оценки [Sim4CV](https://sim4cv.org/) с обширными приложениями в различных областях компьютерного зрения. Построенный на основе Unreal Engine, симулятор объединяет полнофункциональные автомобили, основанные на физике, беспилотные летательные аппараты (БПЛА) и анимированных актеров в различных городских и пригородных трехмерных средах. Мы демонстрируем универсальность симулятора на двух примерах: автономное отслеживание движущихся объектов на основе БПЛА и автономное вождение с использованием контролируемого обучения. Симулятор полностью интегрирует как несколько современных алгоритмов отслеживания с эталонным инструментом оценки, так и архитектуру глубокой нейронной сети (DNN) для обучения транспортных средств автономному вождению. Он генерирует синтетические фотореалистичные наборы данных с автоматическими наземными аннотациями, чтобы легко расширять существующие наборы данных реального мира, и обеспечивает обширное разнообразие синтетических данных благодаря своей способности реконфигурировать синтетические миры на лету с помощью инструмента автоматического создания мира.

Матиас Мюллер, Винсент Кассер, Жан Лахуд, Нил Смит, Бернар Ганем

IJCV’18

Подробности

PDF

видео

Проект

Бибтекс

Сквозное вождение через условное имитационное обучение

Транспортное средство, полностью обученное подражать эксперту, не может управляться для выполнения определенного поворота на предстоящем перекрестке. Это ограничивает полезность таких систем. Мы предлагаем обусловить имитационное обучение вводом команд высокого уровня. Во время теста выученная политика вождения действует как шофер, который управляет сенсомоторной координацией, но продолжает реагировать на навигационные команды. Мы оцениваем различные архитектуры для условного имитационного обучения вождению на основе зрения. Мы проводим эксперименты в реалистичных трехмерных симуляциях городского вождения и на роботизированном грузовике в масштабе 1/5, который обучен вождению в жилом районе. Обе системы управляются на основе визуального ввода, но по-прежнему реагируют на высокоуровневые навигационные команды. Экспериментальные результаты показывают, что представленный подход значительно превосходит ряд базовых показателей.

Фелипе Кодевилья, Маттиас Мюллер, Алексей Досовицкий, Антонио Лопес, Владлен Колтун

ICRA’18

Подробности

PDF

видео

Бибтекс

Обучение БПЛА гонкам: сквозная регрессия гибкого управления в моделировании

В этой статье мы обучаем глубокую нейронную сеть прогнозировать управление БПЛА на основе необработанных данных изображения для задачи автономных гонок БПЛА в фотореалистичной симуляции. Обучение проводится путем имитационного обучения с добавлением данных, чтобы можно было исправить навигационные ошибки. Обширные эксперименты показывают, что наша обученная сеть (когда используется достаточное дополнение данных) превосходит современные методы и летает более стабильно, чем многие пилоты-люди.

Маттиас Мюллер, Винсент Кассер, Нил Смит, Доминик Л. Михелс, Бернард Ганем

ECCVW’18 — UAVision’18

Подробности

PDF

Проект

Бибтекс

Отслеживание контекстно-зависимого корреляционного фильтра

В этой статье мы представляем структуру, которая позволяет явно включать глобальный контекст в трекеры CF. Мы переформулируем исходную задачу оптимизации и предложим решение в закрытой форме для одномерных и многомерных признаков в прямой и двойной областях. С помощью обширных экспериментов мы продемонстрировали, что эта структура может значительно улучшить производительность многих CF-трекеров при незначительном влиянии на их частоту кадров. ​

Матиас Мюллер, Нил Смит, Бернард Ганем

Устно на CVPR’17

Подробности

PDF

видео

Код

Проект

Добавка

Бибтекс

Эталон и симулятор для отслеживания БПЛА

Чтобы оценить средства отслеживания объектов для приложений слежения за воздушным пространством, мы создали 123 новых видеофрагмента с БПЛА и аннотировали их вертикальными ограничивающими рамками и атрибутами, соответствующими отслеживанию. С более чем 110 000 кадров в настоящее время это самый большой набор данных для аэрофотосъемки по большому плану и второй по величине набор данных для общего отслеживания. Кроме того, мы разработали фотореалистичный симулятор в рамках UE4, который можно использовать для решения многочисленных задач машинного зрения. Например, мы интегрировали несколько современных средств отслеживания объектов для управления БПЛА внутри симулятора на основе обратной связи в реальном времени. Кроме того, наш симулятор можно использовать для создания больших объемов реалистичных данных о зрении.

Матиас Мюллер, Нил Смит, Бернар Ганем

Плакат на ECCV’16

Подробности

PDF

Набор данных

Проект

Добавка

Симулятор

Бибтекс

Постоянная система слежения за БПЛА

Мы разработали постоянную, надежную и автономную систему слежения за объектами для беспилотных летательных аппаратов (БПЛА). Наша стратегия компьютерного зрения и управления объединяет несколько БПЛА со стабилизированной камерой RGB и может применяться к разнообразному набору движущихся объектов (например, людям, животным, автомобилям, лодкам и т. д.). Новая стратегия используется для успешного отслеживания объектов в течение длительного периода времени путем «передачи камеры» от одного БПЛА к другому. Популярный трекер объектов Struck был оптимизирован как по скорости, так и по производительности и интегрирован в предлагаемую систему.

Матиас Мюллер, Гопал Шарма, Нил Смит, Бернард Ганем

Интерактивная презентация на IROS’16

Подробности

PDF

видео

Проект

Бибтекс