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.

• 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)

• (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

• 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

• 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)

• 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)

• 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