Hyppää pääsisältöön

Emre Kaya: Koneoppiminen mahdollistaa immersiivisen datan paremman pakkauksen

Tampereen yliopisto
SijaintiTilaisuutta voi seurata etäyhteydellä.
Ajankohta4.11.2022 10.00–14.00
Kielienglanti
PääsymaksuMaksuton tapahtuma
Rintakuva tutkijasta taustalla syksyinen vaahtera
Immersiiviset teknologiat, kuten lisätty todellisuus ja virtuaalitodellisuus, tarjoavat uusia tapoja hahmottaa sisältöä ja olla vuorovaikutuksessa sen kanssa. Tehokkaiden ratkaisujen löytäminen immersiivisen datan pakkaamiseen on ratkaisevassa asemassa käyttäjäkokemuksen parantamisessa. Pistepilvet ja valokentät ovat kaksi tärkeää immersiivisen datan tyyppiä. Väitöskirjassaan diplomi-insinööri Emre Can Kaya esittelee tapoja hyödyntää koneoppimista immersiivisessä tiedonpakkauksessa.

Immersiivisillä teknologioilla pyritään luomaan virtuaalimaailmoja, joita voimme kokea, tai jotka auttavat laajentamaan todellisuuskäsitystämme. Kaikilla aisteillamme on merkitystä todellisuuden hahmottamisessa, mutta luultavasti eniten luotamme näköaistiin. Tämä voi olla yksi syy sille, että nykyisin käytössä olevat virtuaalitodellisuuden ja lisätyn todellisuuden sovellukset vetoavat ensisijaisesti näköjärjestelmäämme.

Volumetrisia kaappauslaitteistoja käyttäen voidaan tallentaa tietoa ympäristön geometriasta ja ulkonäöstä pistepilvinä, jotka ovat kolmiulotteisuudessa sijaitsevia järjestämättömiä pistejoukkoja, joihin voi liittyä attribuutteja, kuten väri.

– Pistepilven muodossa voidaan tallentaa fyysistä kohdetta koskevat olennaiset tiedot, joita voidaan käyttää kohteen virtuaalisen instanssin luomiseen visuaalista kokemusta varten, Kaya kertoo.

Tiedonpakkauksella etsitään tapoja esittää tietoja tavalla, joka vähentää muistin käyttöä. Muistin käytön väheneminen vaikuttaa myönteisesti elämäämme säästämällä resursseja.

– Tämä on mahdollista, kun ymmärretään ja hyödynnetään datassa esiintyvää redundanssia, hän selvittää.

Uudet tietotyypit tuovat uusia haasteita tietojen pakkaamiseen. Viime aikoina koneoppimismenetelmät ovat yleistyneet useilla tietotekniikan aloilla, ja ne tarjoavat uusia tehokkaita tapoja esittää tietoja. Näissä lähestymistavoissa datan redundanssi voidaan oppia datasta itsestään tai samankaltaisesta datasta.

Diplomi-insinööri Emre Can Kayan tietojenkäsittelyn ja sähkötekniikan alaan kuuluva väitöskirja Visual and Geometric Data Compression for Immersive Technologies tarkastetaan julkisesti Tampereen yliopiston informaatioteknologian ja viestinnän tiedekunnassa perjantaina 4.11.2022 klo 12. Vastaväittäjänä toimii apulaisprofessori Simone Milani Padovan yliopistosta. Kustoksena toimii professori Ioan Tabus Tampereen yliopistosta.

Väitöskirja on luettavissa verkossa.

Valokuva: Andrea Corsini