Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

DeepInternal

Financiado

Cerrado

Going Deep and Blind with Internal Statistics

Unsupervised visual inference can often be performed by exploiting the internal redundancy inside a single visual datum (an image or a video). The strong repetition of patches inside a single image/video provides a powerful data-s... ver más

31/10/2023

WEIZMANN

2M€

Presupuesto del proyecto: 2M€

Líder del proyecto

WEIZMANN INSTITUTE OF SCIENCE No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 2 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2023-10-31

ERC-2017-ADG: ERC Advanced Grant

I+D

Cerrada hace 7 años

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

2 Participantes

WEIZMANN

2.47M€ | Lider

PREMO

341.61K€ | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

PID2021-125711OB-I00 COMBINANDO TECNICAS DE MODELIZACION Y APRENDIZAJE AUTOMATICO... 145K€ Cerrado

EMERGE Geometry Processing as Inference 2M€ Cerrado

IT-DNN INFORMATION THEORETIC LIMITS FOR DEEP NEURAL NETWORKS 204K€ Cerrado

PID2019-110977GA-I00 MAS ALLA DE LAS REDES NEURONALES BASADAS EN GRAFOS: APRENDIZ... 133K€ Cerrado

COGNIMUND Cognitive Image Understanding Image representations and Mul... 2M€ Cerrado

MoonVision 2.0 Using AI Computer Vision 2.0 for Visual Inspection in the In... 71K€ Cerrado

Duración del proyecto: 66 meses Fecha Inicio: 2018-04-24
Fecha Fin: 2023-10-31

Líder del proyecto

WEIZMANN INSTITUTE OF SCIENCE No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 2M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Unsupervised visual inference can often be performed by exploiting the internal redundancy inside a single visual datum (an image or a video). The strong repetition of patches inside a single image/video provides a powerful data-specific prior for solving a variety of vision tasks in a blind manner: (i) Blind in the sense that sophisticated unsupervised inferences can be made with no prior examples or training; (ii) Blind in the sense that complex ill-posed Inverse-Problems can be solved, even when the forward degradation is unknown. While the above fully unsupervised approach achieved impressive results, it relies on internal data alone, hence cannot enjoy the wisdom of the crowd which Deep-Learning (DL) so wisely extracts from external collections of images, yielding state-of-the-art (SOTA) results. Nevertheless, DL requires huge amounts of training data, which restricts its applicability. Moreover, some internal image-specific information, which is clearly visible, remains unexploited by today's DL methods. One such example is shown in Fig.1. We propose to combine the power of these two complementary approaches – unsupervised Internal Data Recurrence, with Deep Learning, to obtain the best of both worlds. If successful, this will have several important outcomes including: • A wide range of low-level & high-level inferences (image & video). • A continuum between Internal & External training – a platform to explore theoretical and practical tradeoffs between amount of available training data and optimal Internal-vs-External training. • Enable totally unsupervised DL when no training data are available. • Enable supervised DL with modest amounts of training data. • New applications, disciplines and domains, which are enabled by the unified approach. • A platform for substantial progress in video analysis (which has been lagging behind so far due to the strong reliance on exhaustive supervised training data).

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores