TU Wien:Visual Analysis of Human Motion UE (Gelautz)
- Visual Analysis of Human Motion UE (Gelautz) (TU Wien, 1 Resource)
- Visual Analysis of Human Motion VO (Gelautz) (TU Wien, 4 Resources)
Daten[edit | edit source]
Lecturers | Margrit Gelautz |
---|---|
ECTS | 1,5 |
Alias | Visual Analysis of Human Motion (en) |
Department | Visual Computing and Human-Centered Technology |
When | summer semester |
Last iteration | 2022SS |
Language | English |
Mattermost | visual-analysis-of-human-motion • Register • Mattermost-Infos |
Links | tiss:188469 |
Master Visual Computing | Wahlmodul Image and Video Analysis & Synthesis |
Master Media and Human-Centered Computing | Wahlmodul Image and Video Analysis & Synthesis |
Inhalt[edit | edit source]
Lehnt sich stark an die Inhalte der begleitenden Visual Analysis of Human Motion VO
Ablauf[edit | edit source]
SS18: Am Anfang des Semesters hat man die Wahl sich in einer zweier Gruppe für ein zu implementierendes Kleinprojekt bzw. eine wissenschaftliche Arbeit anzumelden, welches/welche man dann im Laufe des Semester implementiert/ausarbeitet und am Ende dann präsentiert. Man hat sonst keine Verpflichtungen.
Benötigte/Empfehlenswerte Vorkenntnisse[edit | edit source]
Da es keine Vorgaben für die zu verwendenden Technologien gibt, hängt es stark davon ab was man wählt. (Für unsere Implementierung waren Matlab Kenntnisse erforderlich.)
Vortrag[edit | edit source]
keinen
Übungen[edit | edit source]
SS18: Siehe Aufgabenstellung für Implementierung in Materialien. Man hatte auch die Möglichkeit sich ein anderes Thema zu suchen.
Prüfung, Benotung[edit | edit source]
Es gibt eine Abgabe, Endpräsentation und ein Abgabgespräch des implementierten Kleinprojektes oder des recherchierten Papers. Die Benotung ist sehr human, jeder/jede der etwas sinnvolles beiträgt kassiert ein S1.
Dauer der Zeugnisausstellung[edit | edit source]
1 Woche.
Zeitaufwand[edit | edit source]
Hängt davon ab, wie detailliert man das Kleinprojekt ausarbeitet und wie viel Vorerfahrung man schon mit div. Visual Computing Aufgaben hatte. (Aus der Aufgabenstellung im SS18 kann man zB. einen sehr naive Klassifizierung verwenden, anstatt hier kompliziertere ML-Ansätze zu wählen)
Unterlagen[edit | edit source]
noch offen
Tipps[edit | edit source]
Wenn man das Projekt so einfach wie möglich hält, dann ist der Aufwand ziemlich gering.
Verbesserungsvorschläge / Kritik[edit | edit source]
noch offen