von Herrn Michael Kösel, M. Sc.
Kurzfassung:
LiDAR-Sensoren sind ein zentrales Element moderner automatisierter Fahrzeuge, da sie ihre Umgebung präzise in 3D erfassen können. Aktuelle Deep-Learning-Methoden erzielen dabei sehr gute Ergebnisse in der Erkennung von Objekten. In realen Szenarien stoßen sie jedoch an ihre Grenzen, wenn Objekte außerhalb der gelernten Klassen auftreten, sogenannte Out-of-Distribution (OOD)-Objekte. Diese Objekte werden häufig falsch klassifiziert oder gar nicht erkannt.
Der Vortrag stellt zunächst einen Ansatz vor, der das umfangreiche Vorwissen von Vision-Language-Modellen (VLMs) nutzt, um die OOD-Erkennung zu verbessern. Im zweiten Teil wird ein neuer, auf einem Student-Teacher-Framework basierender Ansatz präsentiert, der die OOD-Detektion von einzelnen Objekten auf ganze Szenen erweitert.
Zu diesem Vortrag wird recht herzlich eingeladen!