- 提供配置文件
- 计算系计算机视觉组创建于2005年,由Philip Torr教授领导约15-18人组成
目标在于对计算机视觉数学理论和人工智能进行最新艺术研究,但使数学研究切合社会需要小组成员在实地所有主要会议中都获大奖,包括计算机视觉国际会议、CVPR、ECCV、BMVC、NIPs和各种论文学生奖和行业奖,如最佳知识传输合作伙伴关系
产品组合
Oxford Brookes视觉集团
- 应用程序以多种形式出现,我们与数大公司和组织有关系与Sony合作,我们正在为Play站2和3开发人计算机交互作用工作(通过摄像头EyeToy),与Sharp合作制作3D显示内容,与OxfordMetrics集团合作,我们正努力计算机理解电影(例如,OxfordMetrics Group)外景物体形状等, 以产生更好的特效, 我们还努力运动捕捉人(和动物)以驱动计算机生成avatars, Yotta PlC正努力自动理解路景我们研究医学图像分析 并监视微软研究学院、伦敦大学、剑桥大学和牛津大学
项目
-
-
人类事件分类视频使用检测器条件随机场
- 并扩展最近基于检测器随机模型Ladickyetal实例人体分割包含像素级图像标签,分解为人类特例和背景实现我们的目标,我们为框架增加三个新构件第一,我们包括基于人体部件检测潜力以利用人类实例中存在的结构此外,为了从人类不同部分产生一致性分解,我们整合形状前信息,偏向分解为特征整体形状同时,我们通过实例匹配条件提高能函数的代表性能力,这有助于我们方法容易适应不同的人大小和配置最后,我们用新分割地面图像对Buffy数据集的拟议方法进行广泛评价,并显示比现有通用报告格式方法大有改进
-
-
计算机游戏
- 这项建议涉及视觉算法研究,可能有益于实战商业博弈索尼娱乐欧洲公司是企业理想伙伴,因为他们率先在游戏行业中开发人机交互作用形式,启动EyeToy并继续牵头
-
-
随机树类人体套索检测
- 人类姿势识别视频序列 通过编译成分类问题我们的主要贡献是基于随机森林的姿势检测算法我们建议方法通过固定和移动摄像头产生大有希望结果
-
-
创建三维显示内容
- 3D显示技术有可能成为自引入颜色以来最重要的显示创新3D即时移动证据由最近引进英国开发商业3D显示器提供 Sharp's Actius范围笔记本电脑问题大阻塞3D内容短缺研究的目的是通过与欧洲夏普实验室协作开发3D内容生成领域基础科学来解决这一问题。
-
-
视频跟踪
- 视频跟踪系统交互生成实战三维模型对象,从视频模型中插入可插入视频游戏、模拟环境或另一视频序列用户通过追踪对象形状对视频一个或多个框架进行模拟与视频Trace交互微量简单二维交互生成实事求是三维模型视频跟踪中的每一项素描操作都从视频中提供直觉强力模拟形状并快速执行以交互使用即时反馈允许用户快速建模场景中感兴趣的部分和所需详细程度自动重构和人工重构组合使视频跟踪模型部分不可见,并成功处理纯自动化方法失效VideoTrace已遍及互联网大部(Slashdot等),
-
-
人运动分析
- 与世界领先运动捕捉公司Vicon协作,我们正在探索无标识运动捕捉新方法,例如光从视频推断人姿势维昆标志基础技术通过胶片产业使用牛津布鲁克斯公司最近获Vicon许可加入未来产品
-
-
联合跟踪对象识别:跟踪手
- 跟踪视频中的手是一个棘手问题 原因为高维性, 即手可以是数不胜数的不同配置与先前粒子滤波方法形成对比的是,我们正与剑桥大学同事合作开发新方法,以原则化方式将对象识别和跟踪合并
-
-
监控视频分析
- 项目关注从视频检测人和车辆及其活动这项研究以先前活动识别和多机跟踪运动流信息相关工作为基础,并依赖开发新的人类检测方法
-
-
组合优化视觉
- 我们正在积极开发新组合优化算法视觉算法中包括改善传播信仰和更有效的图切方法,应用密度立体器、分割式、图像编辑和运动捕捉
-
-
学习层图结构
- 学习基因化半基模型给定视频 分解成僵硬移动组件开发新光流算法 提供视频所有框架内 点运动向量运动向量允许我们僵硬移动点以获取对部件的初步估计初始估计通过重新标签逐段使用图刻法精度优化模型的能量最小化
-
-
新建视图合成:视频立体视图
- 夏普正探索如何制作立体声带视频序列2D电影转换为3D并随之为夏普新3DLCD创建内容与标准新视图合成相似的同时,我们正在解决窄基相机运动、独立移动对象和合成不可见表面等额外问题
-
-
对象识别-脸部检测
- 开发基于级联分类器的面部检测方法 预设Viola,但也许不如我们使用特征效率高级联和树级联一直是我们物体识别和跟踪工作的一个特征
-
-
对象识别分治
- 使用半基模型解决对象识别问题。提供图像,为对象方位生成多重假设Markov随机字段定义对象的各个部分,每个状态表示部分的配置MAP估计对象位置使用信教传播对象部件局部化后,我们用图切分片获取对象分片法,约束分片形状类对象
-
-
染色体图像遗传信息量化
- SAFE网络是一个全欧新研究项目,有12个国家的54个伙伴,未来5年供资1 400万欧元项目的目的是开发非侵入性产前遗传疾病检测新方法引导图像处理和细胞研究开发新方法自动化测试 与胎儿细胞标志方法包括自动图像分析和模式分类,并使用强健统计最新开发
-
-
量子图切分
- 从图像恢复结构是视觉中长期存在的问题并用图三维裁剪建模
-
-
动态反面地形测量
- 脊柱曲解是成长儿童骨骼疾病之一,在多数情况下原因未知,唯一条件标志是背面形状随时间变化病人动态姿势可掩蔽底层变形性,因此我们正在使用修改运动抓取设备来提高形状测量可靠性
-
-
单视图重构
- 开发系统从单一视图恢复约3D结合最近组合优化技术开发视觉问题,我们正在探索重构问题
