Informatics Inside perceive(IT;);

 

Die Beitr├Ąge der diesj├Ąhrigen Fachkonferenz befassen sich mit Themen der k├╝nstlichen Intelligenz, nutzerorientierte Softwareentwicklung, IT-Sicherheit und informationstechnologische L├Âsungen in der Medizin.

 

Mit der Informatics Inside 2021 findet die Konferenz zum dritten Mal als reine Online-Veranstaltung statt. Die Konferenz steht unter dem Motto ÔÇ×perceive(IT;)ÔÇť und zeigt damit einmal mehr die zentrale Bedeutung der Informatik im Zusammenhang mit Wahrnehmung.

In den Pausen wird die M├Âglichkeit von Socialising mit dem Virtual Reality tool ALTSPACE erm├Âglicht. Eine Anleitung zur Vorbereitung des kostenlosen Tools findet Ihr auf der rechten Seite unter wichtige Daten.ÔÇő

Programmablauf 2021 Fr├╝hling

09:00 Come together & Begr├╝├čung
Erste Vortragsrunde
09:15 Studiendesign f├╝r die Ermittlung des Bereitschaftsgrads eines Krankenhauses zur Einf├╝hrung einer mobilen Visite Rahel Illi
09:40 Patterns of in-car interaction based on emotion recognition Franziska Katharina Schulz
10:05 Erstellung, Training und Evaluierung eines synthetischen Datensatzes unter Ber├╝cksichtigung der Anforderungen des Sim-to-Real Transfers Elisabeth Suzanne Reiter
10:30 f├╝nfzehnmin├╝tige Pause  
Zweite Vortragsrunde
10:45 Bewegungsmuster in VR simulierter Schwerelosigkeit – Studie zum Vergleich unterschiedlicher Bewegungsformen Maximilian Waiblinger
11:10 Machbarkeitsstudie zur live-augmentierten Nutzer:innenf├╝hrung in werkerzentrierten Produktionsschritten Kevin Kelch
11:35 Konzeption eines AR-Frameworks zur Lernunterst├╝tzung
Daniel Zenon Ernst Ayen
12:00
Mittagspause: Socialising ├╝ber AltspaceVR (Anleitung)

 
Dritte Vortragsrunde
13:00 Textklassifikation von Reden des Deutschen Bundestags Patrick Brandon Duve
13:25 Counterfactual image generation Roman W├╝rtemberger
13:50 Phasenerkennung mit Endoskop und Mikroskop: Stand der Technik
Patrick Gonser
14:15 zwanzigmin├╝tige Pause  
Vierte Vortragsrunde
14:35 Visual SLAM in non stationary environments: State-of-the-Art Robin Connor Schramm
15:00 L├Ąchelnde Roboter und vibrierende Westen Prof. Dr. Oliver Korn
15:45 Abschluss  

Vortr├Ąge

Studiendesign f├╝r die Ermittlung des Bereitschaftsgrads eines Krankenhauses zur Einf├╝hrung einer mobilen Visite

Digitalisierungsprojekte gelingen im Krankenhaus nicht immer. Mangelndes Engagement der Mitarbeitenden und wenig wahrgenommene Vorteile der neuen L├Âsung sind Hinderungsgr├╝nde, die den Erfolg minimieren. Die Hinderungsgr├╝nde sind von Station zu Station unterschiedlich. Um die Digitalisierung im Krankenhaus zu unterst├╝tzen, werden die konkreten Hinderungsgr├╝nde bei der Einf├╝hrung einer neuen L├Âsung f├╝r die mobile Visite mittels einer Studie gezielt antizipiert. Dazu wird ein Fragebogen entworfen, der Hinderungsgr├╝nde ermittelt, welche im Vorfeld abgebaut werden k├Ânnen. Dadurch wird der Erfolg der Einf├╝hrung erh├Âht. Diese Arbeit besch├Ąftigt sich mit dem Studiendesign und dem daf├╝r konzipierten Fragebogen, sowie der Literatur zum Bereitschaftsgrad und den Studiendesignmethodiken. Der Fragebogen beleuchtet verschiedene potenzielle Hinderungsgr├╝nde und wird durch qualitative Experteninterviews evaluiert. Zus├Ątzlich werden bestehende Frageb├Âgen herangezogen, sowie der Goal-Question-Metrik Ansatz angewendet. Auf diese Weise entsteht ein valides Studiendesign mit einem umfassenden Fragebogen.


Patterns of in-car interaction based on emotion recognition

A driverÔÇÖs emotional state has a significant effect on road safety. Anger, frustration or fear can cause driving errors that lead to accidents. Over the last years, approaches to detect driverÔÇÖs emotions in cars and respond to them appropriately have been pursued. There are strategies that seek to keep the driver in a suitable state and strategies that seek to positively influence the driverÔÇÖs emotions. In this paper, an overview of in-car emotion regulation and maintance is given. For this purpose, approaches from literature are presented in patterns. These patterns offer decision support for the use of different approaches such as ambient light, adaptive music, affective assistants or visual sings in practice. Furthermore, requirements for implementation as well as frequently occurring challenges are highlighted.


Erstellung, Training und Evaluierung eines synthetischen Datensatzes unter Ber├╝cksichtigung der Anforderungen des Sim-to-Real Transfers

F├╝r die automatische Lagesch├Ątzung von Objekten mit Hilfe von neuronalen Netzen werden gro├če, vielf├Ąltige und vollst├Ąndig annotierte Datens├Ątze ben├Âtigt. Das manuelle Erstellen eines solchen Datensatzes und Annotieren der Bilder mit 6D Lagen der Objekte ist aufwendig und zeitintensiv. Eine L├Âsung f├╝r dieses Problem sind synthetisch erzeugt Datens├Ątze. Dabei werden mit Hilfe von Objektmodellen, welche willk├╝rlich in der Szene positioniert werden, reale Bilder nachgestellt und automatisch annotiert. Um bereits w├Ąhrend des Erstellens eine umfangreiche Variabilit├Ąt der Szenen zu erhalten, k├Ânnen Techniken der Dom├Ąnen Randomisierung genutzt werden. Ein weiterer Ansatz, um den Datenumfang ohne gr├Â├čeren Mehraufwand zu erweitern ist die Bild-Augmentation, welche ver├Ąnderte Versionen der urspr├╝nglichen Bilder erstellt. Dieses Paper beschreibt die Erstellung eines synthetischen und eines realen Datensatzes zur automatischen Lagesch├Ątzung von Kaugummi-Gebinden. Um die ├ťbertragbarkeit der synthetischen Daten zu gew├Ąhrleisten, werden Techniken der Dom├Ąnen-Randomisierung und der Bild Augmentation genutzt.


Bewegungsmuster in VR simulierter Schwerelosigkeit – Studie zum Vergleich unterschiedlicher Bewegungsformen

Der Einsatz von Virtual Reality (VR) nimmt sowohl in der Forschung und Industrie als auch im privaten Gebrauch ├╝ber die letzten Jahre hinweg stetig zu. Dabei werden st├Ąndig neue Anwendungsfelder entwickelt. Die NASA setzt schon seit l├Ąngerem ein VR Set-ting ein, um Astronauten auf Eins├Ątze in der Schwerelosigkeit vorzubereiten. Auf dem ├Âffentlichen Markt gibt es bisher nur sehr wenige Produkte, die eine Bewegung in der Schwerelosigkeit in VR beinhalten. Dabei bietet die Bewegung durch die Luft viele neue Optionen gegen├╝ber der Steuerung am Boden. Die These, dass eine Bewegung durch eine schwerelose VR Umgebung durch den Einsatz der Arme, um sich von Oberfl├Ąchen abzusto├čen, Vorteile gegen├╝ber eine Teleportation in den Punkten Pr├Ąsenz, Nutzbarkeit und Bewegungskrankheit bietet, wird anhand einer Studie ├╝berpr├╝ft. Die Ar-beit pr├Ąsentiert die Planung, Durchf├╝hrung und Ergebnisse dieser Studie.


Machbarkeitsstudie zur live-augmentierten Nutzer:innenf├╝hrung in werkzentrierten Produktionsschritten

Moderne Produktionskonzepte m├╝ssen den immer steigenden Anforderungen an Individualisierung der Produkte bei gleichbleibend hoher Qualit├Ąt gerecht werden. Werkerzentrierte Produktionsschritte sind hierbei im Besonderen betroffen. Werker:innen m├╝ssen je nach Produktionstyp unterschiedliche Arbeitsschritte durchf├╝hren. Da gleichzeitig hohe Anforderungen an Geschwindigkeit und Qualit├Ąt herrschen, folgt eine hohe kognitive Last auf das Personal. Augmented Reality hat das Potential, diesem Problem zu entgegnen. Durch typabh├Ąngige Anzeige von Arbeitsschritten, kann die Last auf das Personal reduziert werden. Trotzdem bestehen gro├če Herausforderungen im Bezug auf die Einf├╝hrung live-augmentierter Arbeitspl├Ątze. Werkst├╝cke m├╝ssen individuell erkannt werden, um eine typabh├Ąngige Augmentierung zu erreichen.Werkzeuge m├╝ssen zur Absicherung des Prozesses und zum interaktiven Handling der Augmentierung getrackt werden. Zus├Ątzlich ist Augmented Reality mit Head-Mounted-Displays aus Gr├╝nden der Ergonomie nur selten in produktiven Szenarien zu finden. Die Arbeit zeigt anhand des State-of-the-Art, sowie einem Low- Level Proof-of-concept, die Umsetzbarkeit eines live-augmentierten Arbeitsplatzes. Zudem wird weitere Forschung in Aussicht gestellt, um m├Âgliche Fehlerquellen zu reduzieren und die Haptik des Systems zu verbessern.


Konzeption eines AR-Frameworks zur Lernunterst├╝zung

In dieser Arbeit wird ein Konzept f├╝r ein Augmented Reality-Framework vorgestellt, welches das Lernen von Prozessen unterst├╝t-zen soll. Hierf├╝r wurde Augmented Reality allgemein und dessen Geschichte betrachtet. Weiterhin wurde ein Literaturreview analy-siert und eigene Recherchen und Ergebnisse zum Thema Augmented Reality sowie Lehre und Lernen vorgestellt. Abschlie├čend wurde die Framework Konzeption beschrieben. Mit dem dabei entstandene Framework-Konzept k├Ânnen darzustellende Prozesse in der Ap-plikation erstellt und durch Augmented Rea-lity wiedergegeben werden. Hierbei k├Ânnen die Inhalte alleine oder mit anderen Nutzern erlebt werden. Durch den Aufbau des Frame-works kann es auf unterschiedliche Arten verwendet werden. Eine prototypische Um-setzung und Evaluation stehen noch aus. Grunds├Ątzlich wird Augmented Reality durchweg als sinnvolle und hilfreiche Addi-tion zur Lehre gesehen.


Textklassifikation von Reden des Deutschen Bundestags

Maschinelles Lernen hat in den letzten Jahren zunehmend an Relevanz gewonnen, so auch in der IT-Sicherheit. Mithilfe von Algorithmen werden Intrusion Detecion Systeme trainiert, um auf neue Angriffsvektoren reagieren zu k├Ânnen. In dieser Arbeit werden die Grundlagen des maschinellen Lernens erl├Ąutert sowie die Ergebnisse von zwei Forschungen aufgezeigt, um der Forschungsfrage nachzugehen, welche Algorithmen sich eignen, um ein maschinell lernendes Intrusion Detection System zu trainieren. Au├čerdem wird die Software-Bibliothek Scikit-Learn und die Software Weka vorgestellt mit der die Implementierungen stattfinden.


Counterfactual image generation

Generative adversarial networks (GAN) are powerful deep learning architectures that revolutionized machine learning regarding the synthesis of data. The manipulation and generation of realistic face images is an important field in computer vision that can be realized by GAN. This leads to a high scientific interest and to many economic and artistic applications. However, there are some risks and challenges in GAN training that should be regarded. Hence, the question arises if GAN contribute a real value. In this work the basic functionality of GAN will be outlined. Furthermore, their chances and risks with regard to facial images will be critically examined and evaluated.


Phasenerkennung mit Endoskop und Mikroskop: Stand der Technik

Die Katarakt-Operation (Grauer Star) ist weltweit die h├Ąufigste Operation. Wie andere chirurgische Eingriffe besteht sie aus mehreren aufeinanderfolgenden Schritten, die eine optimale Nutzung der Ressourcen und Zusammenarbeit des Operationsteams bedingt. Eine ├ťberpr├╝fung der Arbeitsabl├Ąufe kann die Qualit├Ąt und Sicherheit der Operation verbessern und eine Anpassung der Abl├Ąufe erm├Âglichen. Techniken auf Basis k├╝nstlicher Intelligenz wurden entwickelt, um digitale Bilder w├Ąhrend der Operation zu erheben und auszuwerten. Basierend auf diesen Bildern wird die Operation in chirurgische Phasen eingeteilt. Challenges, wie z. B. CATARACTS, f├Ârdern die Entwicklung und Optimierung von Deep-Learning- Algorithmen, die chirurgische Phasen kategorisieren k├Ânnen. In der vorliegenden Arbeit werden derartige Algorithmen, die in der Katarakt-Operation Anwendung finden, vorgestellt und verglichen.


Visual SLAM in non stationary environments: State-of-the-Art

Simultaneous localization and mapping (SLAM) is a key technology needed for autonomous mobile robot navigation. Visual SLAM (vSLAM), a type of SLAM where mainly cameras are used, plays an increasingly important role in the SLAM community. Since the basic vSLAM problem can be considered solved for static environments, different types of environments are examined. Those types of environments usually have either dynamic objects in them or change in appearance over time. This paper aims to answer the question on how the state-of-the-art for vSLAM in such environments can be defined and what current technologies look like. It also revisits the question „Is SLAM solved?“[1] in general and in the non-stationary context. In the end, all approaches for vSLAM in nonstationary environments are still trying to solve really specific problems, even though there exists a number of robust solutions. In conclusion, non-stationary environments differ too wildly and the approaches are too specific for there to be a general robust solution. As such vSLAM in non-stationary environments can not be called „solved“ yet.