Совместные исследования по компьютерному зрению в России

Конактное лицо: Конушин А. С. (ktosh@graphics.cs.msu.ru)

Краткая информация

Наше сотрудничество с Microsoft Research началось благодаря стажировке Ольги Бариновой в Microsoft Research Cambridge (MSRC) в 2009. Для развития исследований, начавшихся в процессе стажировки, был подписан небольшой договор на совместные исследования весной 2010г. В мае 2010 мы подписали долговременный контракт MRL-2010-050 "Совместные исследования по компьютерному зрению в России" на 2010-2014. Наше сотрудничество не ограничивается только совместными исследовательскими проектами. Благодаря поддержке Microsoft Research была записана видеоверсия курса по компьютерному зрению, доступная бесплатно на сайте http://graphicon.ru/ru/courses . В 2011 на ВМК МГУ была проведена Летняя школа Майкрософт по компьютерному зрению , для участия в которой были отобраны 80 из более чем 500 поданных заявок.

Проекты

Text detection and recognition in natural images
2010-2013
(1) Automatic detection and understanding the text in natural images, such as photographs of city outdoors or building indoors, is a challenging problem. There is a considerable gap between detecting and understanding text in scanned documents (which is a mature technology) and detecting and understanding text in the natural images. Detection and understanding the text in natural photographs involves localizing the text as well as removing the variation factors, such as varying text orientation, font, color and lighting.
Geometric image parsing in man-made environments
2010-2011
We present a new optimization parsing framework for the geometric analysis of a single image coming from a man-made environment. This framework models the scene as a composition of geometric primitives spanning different layers from low level (edges) through mid-level (lines segments, lines and vanishing points) to high level (the zenith and the horizon).
Detection of multiple object instances using Hough transform
2010-2010
In the paper, we develop a new probabilistic framework that is in many ways related to Hough transform, sharing its simplicity and wide applicability. At the same time, the framework bypasses the problem of multiple peaks identification in Hough images, and permits detection of multiple objects without invoking nonmaximum suppression heuristics.

Участники

    Благодарности

    Проект поддержан программами Microsoft Research в России.