Die Fakultät Informatik nahm in diesem Herbst erfolgreich an der European Conference on Computer Vision in Mailand teil. Sie findet alle zwei Jahre statt und ist eine der 10 wichtigsten Konferenzen in der Informatik (nach Impact-Factor; Stand Dezember 2024) und speziell im Forschungsgebiet Maschinelles Sehen. Vertreten wurde die Hochschule Landshut durch Nikolai Körber, wissenschaftlicher Mitarbeiter im KI-Kompetenzzentrum KIEBITZ der Hochschule Landshut und Doktorand an der TU München/ Bereich Electrical and Computer Engineering, sowie Prof. Dr. Eduard Kromer, Leiter des KIEBITZ und Mitglied der Forschungsgruppe Medizintechnik.
Mittels generativer KI die Datenmenge bei der Bildübertragung reduzieren
Nikolai Körber präsentierte sein Poster zum Thema „EGIC: Enhanced Low-Bit-Rate Generative Image Compression Guided by Semantic Segmentation”. Das dazu eingereichte Paper befasst sich mit einer verbesserten generativen Bildkomprimierungsmethode. Im Gegensatz zu klassischen Verfahren wie JPEG – das beispielsweise bei der Bildübertragung in Anwendungen wie WhatsApp oder Snapchat Standard ist – kombinieren die neuen Ansätze neuronale Netze mit generativen Modellen. Ein zentraler Vorteil dieser Methode besteht darin, fehlende Bildinformationen realistisch zu synthetisieren. Dadurch können mehr Bits auf wichtige Bildregionen konzentriert werden, was oft zu einer deutlich verbesserten Bildqualität bei gleicher oder sogar geringerer Bitrate führt. Diese Technologie bietet vielversprechende Potenziale für Anwendungen mit beschränkter Bandbreite oder begrenztem Speicher, etwa in den Bereichen Bild- und Videokompression oder 3D-Datenverarbeitung.
Mitgewirkt am Paper haben neben Eduard Kromer die Professoren der Hochschule Landshut Andreas Siebert (Informatik) und Sascha Hauke (Interdisziplinäre Studien) sowie die beiden Professoren Daniel Müller-Gritschneder (TU Wien) und Björn Schuller (TU München). Die Arbeit wurde durch das Bundesministerium für Bildung und Forschung im Rahmen des Förderprogramms Forschung an Fachhochschulen - FKZ 13FH019KI2 unterstützt.
Das Paper kann kostenfrei über arXiv eingesehen werden: https://arxiv.org/abs/2309.03244.
Auf GitHub findet man das Projekt unter: https://github.com/Nikolai10/EGIC.
Fotos: Hochschule Landshut / Eduard Kromer
(Frei zur Verwendung bei Angabe der Quelle)
