Sie befinden sich hier: Termine » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » Computer Vision   (Übersicht)

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen gezeigt.

Link zu dieser Vergleichsansicht

pruefungen:hauptstudium:ls5:cv_august2012 [30.08.2012 17:22]
jens angelegt
pruefungen:hauptstudium:ls5:cv_august2012 [30.08.2012 17:23]
jens *
Zeile 1: Zeile 1:
-====== Computer Vision ====== 
-  * **Datum:** August 2012 
-  * **Prüferin:​** Elli Angelopoulou 
-  * **Beisitzer:​** Wilhelm Haas 
-  * **Art der Prüfung:** Benoteter Schein über 5 ECTS 
-  * **Note:** 1.0 
- 
-Prozedere wie gehabt, Fragen werden auf Englisch gestellt, antworten kann man Deutsch/​Englisch/​Griechisch. Prüfungsklima war sehr locker. 
- 
-== Image Formation: == 
-  * zeichne und erkläre eine pinhole camera -> spiegelverkehrte,​ auf dem Kopf stehende Bilder der Szene 
-  * (echte pinhole cameras weisen Probleme auf -> Linsen verwenden) \\ schreibe das thin-lens-law auf -> 1/z + 1/Z = 1/f 
-  * schreibe die Formeln von radiance und irradiance auf und erkläre beide (am besten anhand von Zeichnungen) -> siehe Skript (wichtig ist denke ich: radiance richtungsabhängig,​ irradiance nicht) 
- 
-== Filtering: == 
-  *  (eine wichtige Art von Filtern sind linear shift-invariant filters) erkläre linear und shift-invariant mithilfe von Formeln -> siehe Skript 
-  * -> LSI-Filter kann man mit Faltung (convolution) anwenden: schreibe die Formel für die Faltung auf 
- 
- 
-== Textures: == 
-  * es werden spot und bar filters verwendet, wie werden die ausgedrückt -> gewichtete Summe von Normalverteilungen,​ einmal symmetrisch,​ einmal lang gezogen über unterschiedliche Varianzen in x/y 
-  * Formel für 2D-Normalverteilung mit unterschiedlichem sigma_x und sigma_y und nicht-0 mean 
- 
-== Multi-View Geometry: == 
-  * zeichne und erkläre die epipolar geometry -> epipolar plane aufgespannt durch O, O‘ und P; epipolar lines Schnitt der epipolar plane mit Bildebenen; epipole Schnitt der epipolar line mit der baseline; epipolar constraint: die Bilder eines Punktes müssen auf den entsprechenden epipolar lines liegen 
-  * gib die analytische Beschreibung der epipolar geometry an -> essential / fundamental matrix 
-  * schreib die Formeln für beide hin -> p^TEp‘=0, F=K^{-T}E(K‘)^{-1} 
-  * wie kann man die fundamental matrix bestimmen? -> 8-point-algorithm 
-  * erläutere den Algorithmus -> mind. 8 Punktkorrespondenzen,​ Gleichungssystem bilden, SVD, Spalte zum Singulärwert 0 ist eigentlich Lösung F, wegen Rauschen etc. jedoch i.d.R. kein Wert gleich 0. Deshalb Spalte zu niedrigstem Singulärwert nehmen, darauf nochmal SVD, dort niedrigsten Singulärwert von D auf 0 setzen und wieder mit U und V multiplizieren (F „künstlich“ singulär machen) 
- 
-== State Estimation: == 
-  * erkläre das Framework eines Kalman-Filters -> linear dynamic system mit gaussian noise 
-  * schreibe die state transition Formeln dafür auf -> siehe Skript (die Formeln vom Kalman-Filter selbst waren nicht gefragt) 
-  * erkläre im Gegensatz dazu Particle Filters (welche Voraussetzungen machen diese?) -> sehr allgemein, arbeitet mit einem bayesian framework 
-  * was wird geschätzt und schreibe die Wahrscheinlichkeit dafür -> posterior belief p(x_k|z_{1:​k}) (= aktueller Zustand in Abhängigkeit von allen bisherigen Messungen einschließlich der neuesten) 
-  * wie wird posterior bestimmt -> nicht explizit, sondern über samples (-> particles) aus einer anderen Verteilung q(x), Gewichte w_i = p(x_i) / q(x_i) 
- 
-== SIFT == 
-  * **Hinweis:​** Ich habe die Fragen zu den obigen Themen recht kurz und bündig beantwortet,​ deshalb war noch Zeit übrig für Fragen zu SIFT. Elli meinte, so weit kommt sie normalerweise nicht. 
-  * was sind die 4 Schritte zur Bestimmung eines SIFT descriptors -> scale-space extrema, localization + filtering, orientation assignment, keypoint creation, jeden Schritt sehr grob beschreiben