1. Minimal invasive Eye-Tracking
1.1. Motionese-Video
1.2. Nutzung von Encara?
1.3. Blickareale definieren
1.3.1. binäre Entscheidung: guckt rein/nicht rein
1.3.2. einfachster Fall: guckt in Kamera oder nicht
1.4. viel related work
1.5. viel vorarbeiten
1.6. auf Videos
1.6.1. lieber ein frame rejected, als falsch klassifizieren
1.7. mit Christian Lang & Katrin Lohan
2. Grasping with a mobile robot
2.1. Hindernisvermeidung
2.1.1. seeeeehr essentiel hier
2.2. Hand-Auge-Koordination
2.2.1. Swissranger
2.2.2. active cam
2.2.3. extra cam
2.2.4. pragmatische Heransgehensweise
2.3. langfristigere Ziele
2.3.1. sehr offene Fragen
2.3.1.1. Wann streckt der Roboter den Arm aus?
2.3.1.2. Wie positioniert sich der Roboter für gutes Greifen?
2.3.1.3. Wie Abgleich bei schlecht kalibrierten Bezugsystemen?
2.3.2. dynamische Hindernisse (Menschen)?
2.3.2.1. eigenbewegung als weiterer Freiheitsgrad
2.3.3. Steuerarchitektur
2.3.4. räumliche Ausrichtung
2.3.4.1. auch weite Distanzen?
2.3.4.2. Steuerarchitektur inkl. Navigation?
2.4. Scenarios
2.4.1. Schalter drücken (Kaffeemaschine)
2.4.2. fetch'n'carry
2.4.3. objekt-entgegennahme
2.5. Kooperationen
2.5.1. Kooperation mit Honda?
2.5.2. mit Robert & Matthias Behnisch?
2.5.3. Rolo Phillipsen
3. VideoDB (a tangible, AR collabortive System)
3.1. Kooperation mit Till Bovermann
3.2. Interaktives Redaktionssystem
3.3. AR
4. multimodal emotion recognition
4.1. combine facial analysis with prosodic features
4.2. seperate processing cues already exist (facial and auditory)
4.3. The thesis will cover implementation in either C++ or Java and evaluation on corpora and live data
5. Active Appearance Models to improve Facial Facial Detection
5.1. programming in C++ in iceWing
5.2. use Active Appearance Models to fine-tune the detection of a beforehand independent detection of nose, mouth, and eyes
5.3. design a self-improving computer vision loop
5.4. Note: This project includes cooperation with the University of Gran Canaria and an opportunity for a short stay there for closer cooperation
6. Using Psycho Physics to study where people look for social signals in faces during interaction
6.1. This project comprises less programming, but more larger scale user studies
6.2. It will answer the question where humans look in other people's faces to detect social signals
6.3. The project can be designed as cooperation with newcastle university (Quoc Vuong)
6.4. The technique to apply is called Bubbles by F Gosselin, PG Schyns
6.5. Data (Videos) are available
7. joint cause-effect analysis for action recognition (DA/PhD)
7.1. wissenschaftlich
7.1.1. Kombination aus Gestenerkennung und Umgebungsanalyse
7.1.2. Ursache-Wirkungs-Prinzip
7.1.3. Verfolgt die Annahme, dass jede Handlung aus Bewegung und Veränderung besteht
7.1.4. Fokus liegt auf Erlernen der Beziehung und der gemeinsamen Repräsentation
7.2. Methoden
7.2.1. Body Tracking
7.2.2. Bildverarbeitung (Umgebungsveränderung)...
7.3. Hardware
7.3.1. BIRON, ASIMO, iCub,...
7.4. AGAI
7.4.1. Fortführung Arbeit Nils & Joachim
7.4.2. ERBI, Handlungslernen
7.5. Person
7.5.1. JANNIK
7.6. Kooperationspartner
8. action-controlled part-based high-performance tracking of human bodys (PhD?)
8.1. wissenschaftlich
8.1.1. body tracking wird viel gemacht
8.1.2. hier statt ganzer Körper explizit Teilmodelle
8.1.3. beinhaltet Aufmerksamkeitsmodelle verknüpft mit Handlungen
8.1.4. Tracking wird Handlungsbezogen fokussiert
8.1.5. multimodal
8.1.5.1. TOF
8.1.5.2. Kamera
8.1.6. explizite Behandlung des Initialisierungsproblems
8.2. Methoden
8.2.1. Particle Filtering
8.2.2. Bayesian models for Top-Down attention control
8.2.3. active vision system
8.2.3.1. aktive Kamera-Kontrolle
8.3. AGAI
8.3.1. verwendet auch ToF-Sensor
8.3.2. Untitled
8.3.3. Untitled
8.4. Person
8.4.1. Jemand aus Erlangen
8.5. Partner
8.5.1. Schack oder Robert