Csoportunk két kutatója, Bogár György Richárd és Szántó Mátyás egyaránt prezentálták kutatási eredményeinket a 2023. január 24-27. között, Gyulán tartott KÉPAF2023 konferencián. A szimpózium a Neumann János Számítástudományi Társaság (NJSZT) Képfeldolgozók és Alakfelismerők Társaságának (KÉPAF) szervezésében valósult meg. A publikációk a csoportunk több kutatási témájához is kapcsolódó, átfogó problémák megoldását mutatják be. Szántó Mátyás az Efficient …
A többek között az IEEE Robotics and Automation Society által szervezett International Symposium on Measurement, Control, and Robotics (ISMCR2022) konferencián Szántó Mátyás bemutatta a valós takarási jelenségek differenciálható renderedésén alapuló, háromedimenziós szimulációs környezetben elért legújabb eredményeket, melyet Dr. Szemenyei Mártonnal együtt készítettek. A publikáció, melynek címe Self-Supervised Occlusion Detection and Avoidance using Differentiable Rendering, ezen a linken …
Dr. Szemenyei Márton a 2022. június 27-ei Neumann János Számítógéptudományi Társaság Térinformatikai és Távérzékelési szakosztályának 3. meetupján bemutatta csoportunk kutatási témáit és eddig elért eredményeit. Szemenyei Márton előadásának címe: Sim2Real technológiák a városi adatbázisok szolgálatában.
Skribanek Solt MSc hallgatónk előadást tartott a ICAISC nemzetközi konferencián Zakopane-ban. A bemutatott munka a Dr. Szemenyei Mártonnal és a Távközlési és Médiainformatika Tanszék munkatársával, Moni Róberttel közösen a PIA projekt keretében megvalósított kutatási feladat eredményeként készült el. A publikáció, melynek címe Semantically consistent sim-to-real image translation with neural networks, ezen a linken érhető el. Gratulálunk!
A csoport jelen volt a X. Magyar Számítógépes Grafika és Geometria konferencián. A 2022. június 9-én a SZTAKI Kende utcai épületében tartott szimpóziumon csoportunk kettő vezető kutatójának, Dr. Szemenyei Márton és Szántó Mátyás munkájának eredményeként létrejött mélytanulás alapú takarásmegszüntetési eljárásainkat mutattuk be. A bemutatott munka címe: Deep Learning-based Occlusion Detection in a Differentiable Simulation Environment. …
