Am 14. Mai 2026 hielt Professor Vasileios Belagiannis auf dem 6. Workshop on Advanced Imaging and Visualisation (CAMPing 2026) in Faak am See, Österreich, einen keynote-Vortrag zum Thema „Memory and Uncertainty Quantification in the Optimisation of Generative Models“. Der Vortrag zeigte die neuesten Fortschritte der Gruppe bei der Verbesserung der Zuverlässigkeit und Effizienz von Deep-Learning-Modellen auf. Er ging insbesondere auf die aktuelle Methodik der Gruppe zur gradientbasierten Unsicherheitsschätzung bei der Tiefenschätzung sowie auf die nachträgliche Erkennung von Verteilungsverschiebungen für eine robuste Trajektorienvorhersage im automatisierten Fahren ein. Außerdem stellte er die Arbeit der Gruppe zur neuronalen Architektursuche vor, bei der diskrete Graphdiffusion genutzt wird, um leistungsstarke und hardwareoptimierte Architekturen zu generieren. Darüber hinaus befasste sich der Vortrag mit dem Problem der Memorisierung in Diffusionsmodellen, indem eine denoising-freie Erkennungsmetrik auf Basis der Log-Probabilitäts-Anisotropie vorgeschlagen wurde. Abschließend demonstrierte er, wie die pixelweise aleatorische Unsicherheitsschätzung den generativen Sampling-Prozess optimieren kann, um die Bildqualität zu verbessern.
Zugehörige Veröffentlichungen
- R. Asthana & V. Belagiannis. „Detecting and Mitigating Memorization in Diffusion Models through Anisotropy of the Log-Probability.“ International Conference on Learning Representations (ICLR), 2026.
- M. De Vita, J. Wiederer, & V. Belagiannis. „Forecasting the Past: Gradient-Based Distribution Shift Detection in Trajectory Prediction.“ CVPR Workshops, 2026.
- J. Hornauer, A. El-Ghoussani, & V. Belagiannis. „Revisiting Gradient-Based Uncertainty for Monocular Depth Estimation.“ IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2025.
- R. Asthana, J. Conrad, M. Ortmanns, & V. Belagiannis. „Dextr: Zero-Shot Neural Architecture Search with Singular Value Decomposition and Extrinsic Curvature.“ Transactions on Machine Learning Research (TMLR), 2025.
- M. De Vita & V. Belagiannis. „Diffusion Model Guided Sampling with Pixel-Wise Aleatoric Uncertainty Estimation.“ IEEE Winter Conference on Applications of Computer Vision (WACV), 2025.
- Y. Yao, S. Bhatnagar, M. Mazzola, V. Belagiannis, I. Gilitschenski, L. Palmieri, S. Razniewski, & M. Hallgarten. „AGENTS-LLM: Augmentative Generation of Challenging Traffic Scenarios with an Agentic LLM Framework.“ IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2025.
- M. Hölle, W. Kellermann, & V. Belagiannis. „Uncertainty-Aware Likelihood Ratio Estimation for Pixel-Wise Out-of-Distribution Detection.“ ICCV Workshops, 2025.
- R. Asthana, J. Conrad, Y. Dawoud, M. Ortmanns, & V. Belagiannis. „Multi-conditioned Graph Diffusion for Neural Architecture Search.“ Transactions on Machine Learning Research (TMLR), 2024.
- J. Hornauer & V. Belagiannis. „Heatmap-based out-of-distribution detection.“ IEEE Winter Conference on Applications of Computer Vision (WACV), 2023.
- J. Hornauer & V. Belagiannis. „Gradient-based Uncertainty for Monocular Depth Estimation.“ European Conference on Computer Vision (ECCV), 2022.
- J. Wiederer, A. Bouazizi, M. Troina, U. Kressel, & V. Belagiannis. „Anomaly detection in multi-agent trajectories for automated driving.“ Conference on Robot Learning (CoRL), 2022.