Generative Modelle wie Transformers [1] und Generative Adversarial Networks (GANs) [2] sind in den letzten Jahren immer mehr ins Zentrum des Interesses der akademischen und nicht-akademischen Welt gerückt. Algorithmen wie StyleGAN [3] und DALL-E [4] sind mittlerweile in der Lage, nahezu photorealistische Bilder zu generieren. In dieser Masterarbeit geht es darum, Generative Modelle so anzupassen und zu erweitern, dass diese nicht 2D Bilder, sondern für den 3D-Druck geeignete 3D-Modelle generieren können.
Ihr Profil:
- Gute Kenntnisse in Python und Tensorflow/Pytorch
- Gute Kenntnisse von ML-Methoden
- Gute Kenntnisse von Stochastik
- Erfahrung mit generativer KI
- Engagement, Selbständigkeit und Gute Laune
- Keine Angst vor Herausforderungen
Bei Interesse wenden Sie sich an Luca Sacchetto
[1] Goodfellow, Ian, et al. "Generative adversarial nets." Advances in neural information processing systems 27 (2014).
[2] Vaswani, Ashish, et al. "Attention is all you need." Advances in neural information processing systems 30 (2017).
[3] Karras, Tero, Samuli Laine, and Timo Aila. "A style-based generator architecture for generative adversarial networks." Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2019.
[4] Ramesh, Aditya, et al. "Zero-shot text-to-image generation." International Conference on Machine Learning. PMLR, 2021.