Login

Login




Registrierung
.
Passwort vergessen?
.

 


Ihr Schritt in eine
erfolgreiche Zukunft:

Verbindung 120

Werden Sie jetzt
Fogra-Mitglied!

Und profitieren Sie sofort von allen Vorteilen der

Fogra-Mitgliedschaft


Besuchen Sie auch den
Fogra-Online-Shop:

www.fogra-shop.com


.

Machine Learning Framework zur dynamischen Entscheidung von Bildqualitätskriterien

Kurzbezeichnung: DeepQuality
Fogra-Nr. 13.004
Projektleiter: Dr. A. Kraushaar (Fogra), Prof. Dr. Dorit Merhof (RWTH, LfB)
Laufzeit: 1.6.2020 bis 31.05.2022
Förderung:
Bundesministerium für Wirtschaft und Technologie im Programm zur Förderung der „Industriellen Gemeinschaftsforschung" [IGF] über die AiF

Fogra Deep Quality

Ziel:

Das Ziel des vorliegenden Forschungsvorhabens ist die Entwicklung einer Lösung auf Grundlage künstlicher Intelligenz zur Bewertung von Bilddaten nach anwendungsspezifischen Bildstilen. Davon profitieren vor allem kleine und mittlere Designagenturen und Medienvorstufen indem der zeitliche Aufwand für die "Look-Entwicklung" sowie für die Prüfung und Aufbereitung großer Bildbestände deutlich reduziert wird. Dazu werden für relevante Bildstile wie Tourismus, Mode, Essen oder Kosmetik originale (unbearbeitete) und korrigierte (für einen Bildstil optimierte) Bilder (Trainingsdaten) via einer zu erstellendenden Web-Applikation gesammelt.

Auf deren Basis wird ein neuronales Netzwerk entwickelt, das ohne eine formalisierte (menschliche) Beschreibung des jeweiligen Geschmacks bzw. Bildstils eine dynamische Bildqualitätsbewertung ermöglicht. Die Bewertung erfolgt derart, dass beliebige Bilder für einen gegebenen Verwendungszweck automatisch daraufhin überprüft werden, ob sie einem bestimmten Bildstil entsprechen, ob sie dies nicht tun oder wie viel Aufwand für eine nötige Retusche (Bildkorrektur) veranschlagt wird („Ampelsystem"). Die Automatisierung von bisher nicht objektiv beschreibbaren Bildstileigenschaften wie beispielsweise Erzielung spannender oder faszinierender Hell-/Dunkelkontraste oder die Prüfung nach natürlichen Tageslichtstimmung oder einer aktivierenden Tonalität soll durch die Anwendung moderner, überwachter Deep-Learning Algorithmen („Image-to-Image Translation") umgesetzt werden.
Der Übergang von aktuellen, regelbasierten hin zu KI-basierten Maschinen unterstützt die weitere Digitalisierung der Medienvorstufe und ermöglicht den IT-Abteilungen - insbesondere der mittelständischen Repro-Unternehmen - die in Python bereitgestellten KI-Methoden selbst zu implementieren und zu testen.

Zum Bilder Upload

Die Upload-Möglichkeit finden Sie auf der Themen-Webseite des Partnerinstituts am Lehrstuhl für Bildverarbeitung an der RWTH Aachen.

Icon Bild Upload

 

Ihre Beispieldaten für die Forschung!

Für unser Forschungsvorhaben über Machine Learning brauchen wir Beispieldaten. Machen Sie mit und unterstützen Sie uns mit Ihren Bildern, um die Zukunft der künstlichen Intelligenz mitzugestalten!

Wer kann helfen?Fotografie-Studios, Design- und Reprounternehmen, Medienvorstufenbetriebe
Mit welchen Daten? Original- und Korrekturbilder mit Metadaten (Firma, Bildstil, Einschätzung zur Bidlstilerreichung, bewerteter Aufwand,...)
Welche Bildstile sind relevant?"Portrait", "Fashion - Model", "Fashion - gelegte Ware", "Vintage", "Editorial", "Akt", "Industrial", "Outdoor", "Indoor", "Beauty", "Familie + Hochzeit"... und was Sie als relevant betrachten!
Wie kann man die Bilddaten einreichen?Die Upload-Funktionalität ist zurzeit noch im Aufbau. Sobald sie verfügbar ist, werden wir hier die Details dazu erklären. Sie können uns gerne ab sofort per Email kontaktieren (klein@fogra.de). 
Wir setzen höchste Ansprüche an Datenschutz und Datensicherheit!Unser Statement zu Datenschutz und Datensicherheit

 

Lösungsweg:



.
.

xxnoxx_zaehler