IGERT: Complex Scene Perception

IGERT:复杂场景感知

基本信息

  • 批准号:
    0966142
  • 负责人:
  • 金额:
    $ 269.76万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Continuing Grant
  • 财政年份:
    2010
  • 资助国家:
    美国
  • 起止时间:
    2010-07-01 至 2017-06-30
  • 项目状态:
    已结题

项目摘要

This Integrative Graduate Education and Research Training (IGERT) award to the University of Pennsylvania supports the development of a new training paradigm for perception scientists and engineers, and is designed to provide them with a unique grasp of the computational and psychophysical underpinnings of the phenomena of perception. It will create a new role model of a well-rounded perceptual scientist with a firm grasp of both computational and experimental analytic skills. The existence of such a cadre of U.S. researchers will contribute to the country's global competitiveness in the growing machine perception and robotics industry.Research and training activities are organized around five thematic areas related to complex scene perception: (1) Spatial perception and navigation; (2) Perception of material and terrain properties; (3) Neural responses to natural signals, saliency and attention; (4) Object Recognition in context and visual memory; and (5) Agile Perception. Interdisciplinary research will enable new insights into the astounding performance of human and animal perception as well as the design of new algorithms that will make robots perceive and act in complex scenes.IGERT trainees will commit in advance of acceptance to a five-year graduate training program, comprising the following components: (1) Core disciplinary training; (2) one-year cross-disciplinary training in a chosen second discipline; (3) participation in two foundational and one integrational IGERT courses; (4) attendance of an interdisciplinary IGERT seminar; (5) co-advising throughout the 5 graduate years by an interdisciplinary faculty team ; and (6) completion of the Ph.D. dissertation.IGERT is an NSF-wide program intended to meet the challenges of educating U.S. Ph.D. scientists and engineers with the interdisciplinary background, deep knowledge in a chosen discipline, and the technical, professional, and personal skills needed for the career demands of the future. The program is intended to catalyze a cultural change in graduate education by establishing innovative new models for graduate education and training in a fertile environment for collaborative research that transcends traditional disciplinary boundaries.
宾夕法尼亚大学的这项综合研究生教育和研究培训(IGERT)颁发了对感知科学家和工程师的新培训范式的开发,旨在为他们提供对感知现象的计算和心理物理基础的独特掌握。它将创建一个全面的知觉科学家的新榜样,并牢固地掌握了计算和实验性分析技能。这样的美国研究人员的存在将有助于该国在不断增长的机器人感知和机器人行业中的全球竞争力。研究和培训活动围绕与复杂场景感知有关的五个主题领域组织:(1)空间感知和导航; (2)对材料和地形特性的感知; (3)对自然信号,显着性和注意力的神经反应; (4)上下文和视觉记忆中的对象识别; (5)敏捷感。跨学科研究将使人类和动物感知令人惊讶的表现以及新算法的设计新见解,这些算法将使机器人感知并在复杂的场景中行动。Igert训练者将在接受五年的研究生培训计划之前承诺,包括以下成分:(1)核心纪律培训; (2)在选定的第二学科中为期一年的跨学科培训; (3)参加两个基础和一个集成IGERT课程; (4)跨学科IGERT研讨会的出席; (5)由跨学科教师团队在整个5年级的毕业生中共同努力; (6)博士学位的完成论文。Igert是一项NSF范围内的计划,旨在应对教育美国博士学位的挑战。具有跨学科背景的科学家和工程师,所选学科的深刻知识以及未来职业需求所需的技术,专业和个人技能。该计划旨在通过在肥沃的环境中建立创新的研究生教育和培训的新模型来促进研究生教育的文化变革,以超越传统学科界限的合作研究。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Kostas Daniilidis其他文献

EV-Catcher: High-Speed Object Catching Using Low-Latency Event-Based Neural Networks
EV-Catcher:使用低延迟基于事件的神经网络进行高速对象捕获
  • DOI:
    10.1109/lra.2022.3188400
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    5.2
  • 作者:
    ZiYun Wang;F. Ojeda;Anthony Bisulco;Daewon Lee;C. J. Taylor;Kostas Daniilidis;M. A. Hsieh;Daniel D. Lee;Volkan Isler
  • 通讯作者:
    Volkan Isler
Technical report on Optimization-Based Bearing-Only Visual Homing with Applications to a 2-D Unicycle Model
关于基于优化的仅轴承视觉归位及其在二维独轮车模型中的应用的技术报告
  • DOI:
  • 发表时间:
    2014
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Roberto Tron;Kostas Daniilidis
  • 通讯作者:
    Kostas Daniilidis
Perception-Driven Curiosity with Bayesian Surprise
感知驱动的好奇心与贝叶斯惊喜
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Bernadette Bucher;Anton Arapin;Ramanan Sekar;M. Badger;Feifei Duan;Oleh Rybkin;Kostas Daniilidis
  • 通讯作者:
    Kostas Daniilidis
Template gradient matching in spherical images
球形图像中的模板梯度匹配
Live Demonstration: Unsupervised Event-Based Learning of Optical Flow, Depth and Egomotion
现场演示:基于事件的无监督光流、深度和自我运动学习

Kostas Daniilidis的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Kostas Daniilidis', 18)}}的其他基金

Collaborative Research: Visual Tactile Neural Fields for Active Digital Twin Generation
合作研究:用于主动数字孪生生成的视觉触觉神经场
  • 批准号:
    2220868
  • 财政年份:
    2022
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Standard Grant
RI: Medium: Learning to Map and Navigate with Vision and Language
RI:媒介:学习用视觉和语言绘制地图和导航
  • 批准号:
    2212433
  • 财政年份:
    2022
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Continuing Grant
RI: Medium: Collaborative Research: Closed Loop Perceptual Planning for Dynamic Locomotion
RI:中:协作研究:动态运动的闭环感知规划
  • 批准号:
    1703319
  • 财政年份:
    2017
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Continuing Grant
MRI: Development of an Observatory for Quantitative Analysis of Collective Behavior in Animals
MRI:开发动物集体行为定量分析观测站
  • 批准号:
    1626008
  • 财政年份:
    2016
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Standard Grant
I/UCRC Phase I: Robots and Sensors for the Human Well-being
I/UCRC 第一阶段:造福人类福祉的机器人和传感器
  • 批准号:
    1439681
  • 财政年份:
    2014
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Continuing Grant
NRI: Small: Collaborative Research: Active Sensing for Robotic Cameramen
NRI:小型:协作研究:机器人摄影师的主动传感
  • 批准号:
    1317947
  • 财政年份:
    2013
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Standard Grant
I-Corps: BlindNav: Indoor Navigation for the Visually Impaired
I-Corps:BlindNav:为视障人士提供室内导航
  • 批准号:
    1265129
  • 财政年份:
    2012
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Standard Grant
CDI-Type II: Collaborative Research: Perception of Scene Layout by Machines and Visually Impaired Users
CDI-Type II:协作研究:机器和视障用户对场景布局的感知
  • 批准号:
    1028009
  • 财政年份:
    2010
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Standard Grant
CDI-Type II: Collaborative Research: Cyber Enhancement of Spatial Cognition for the Visually Impaired
CDI-Type II:协作研究:视觉障碍者空间认知的网络增强
  • 批准号:
    0835714
  • 财政年份:
    2008
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Standard Grant
RI: Collaborative Research: Bio-inspired Navigation
RI:合作研究:仿生导航
  • 批准号:
    0713260
  • 财政年份:
    2007
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Continuing Grant

相似国自然基金

复杂遮挡下基于光场图像的场景恢复技术研究
  • 批准号:
    62372032
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
城市复杂场景下的数据-模型联合驱动遥感影像阴影校正方法
  • 批准号:
    42371366
  • 批准年份:
    2023
  • 资助金额:
    48 万元
  • 项目类别:
    面上项目
面向复杂场景的说话人追踪关键技术研究
  • 批准号:
    62306029
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
复杂场景下的视频内容增强与理解研究
  • 批准号:
    62372036
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
面向工业场景的复杂多组分流体仿真技术研究
  • 批准号:
    62376025
  • 批准年份:
    2023
  • 资助金额:
    51 万元
  • 项目类别:
    面上项目

相似海外基金

Functional spatial segregation in auditory scene analysis
听觉场景分析中的功能空间隔离
  • 批准号:
    10659664
  • 财政年份:
    2023
  • 资助金额:
    $ 269.76万
  • 项目类别:
NCS-FR: Engineering Brain Circuits for Complex Scene Analysis
NCS-FR:用于复杂场景分析的工程大脑电路
  • 批准号:
    2319321
  • 财政年份:
    2023
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Standard Grant
Development of an advanced synthetic data modelling engine capable of automatically producing high volumes of variable complex crop scene datasets at >10% of real-world costs within days rather than months/years to train agricultural robots
开发%20of%20an%20advanced%20synthetic%20data%20modelling%20engine%20capable%20of%20自动%20生产%20high%20volumes%20of%20variable%20complex%20crop%20scene%20datasets%20at%20>10%%20of%20real
  • 批准号:
    10031248
  • 财政年份:
    2022
  • 资助金额:
    $ 269.76万
  • 项目类别:
    Collaborative R&D
The influence of task context on neural population activity during natural scene discrimination
自然场景辨别过程中任务上下文对神经群体活动的影响
  • 批准号:
    10155721
  • 财政年份:
    2021
  • 资助金额:
    $ 269.76万
  • 项目类别:
The influence of task context on neural population activity during natural scene discrimination
自然场景辨别过程中任务上下文对神经群体活动的影响
  • 批准号:
    10339406
  • 财政年份:
    2021
  • 资助金额:
    $ 269.76万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了