Theodor Kapler erhält Best Paper Honorable Mention Award bei der German Conference on Pattern Recognition
Wir freuen uns, mitteilen zu können, dass Theodor Kapler für seine herausragende Arbeit auf Basis seiner Bachelorarbeit im Rahmen einer wissenschaftlichen Veröffentlichung bei der diesjährigen German Conference on Pattern Recognition (GCPR) mit einem Best Paper Honorable Mention Award ausgezeichnet wurde. Das prämierte Paper trägt den Titel Efficient Multi-task Uncertainties for Joint Semantic Segmentation and Monocular Depth Estimation und wurde in Zusammenarbeit mit Steven Landgraf, Markus Hillemann und Markus Ulrich entwickelt.
Im Paper wird ein neuartiger Ansatz zur effizienten Quantifizierung von Unsicherheiten bei der gleichzeitigen Lösung von semantischer Segmentierung und monokularer Tiefenschätzung vorgestellt. Dies ist besonders relevant für sicherheitskritische Anwendungen wie dem autonomen Fahren oder der Robotik, bei denen neben der Vorhersagegenauigkeit selbst, auch die Fähigkeit zur effizienten Unsicherheitsschätzung von entscheidender Bedeutung sind. Das vorgestellte Deep Learning-Modell erzielt neue state-of-the-art Ergebnisse auf den Benchmark-Datensätzen Cityscapes und NYUv2, und erreicht Unsicherheitsqualitäten, die mit einem Deep Ensemble vergleichbar sind - und das bei einem Bruchteil der nötigen Inferenzzeit.
Wir gratulieren Theodor Kapler herzlich zu dieser großartigen Leistung und freuen uns auf seine zukünftigen Beiträge zur Forschung.