A téma a BME VIK és Continental Deep Machine Learning Competence Center együttműködésében létrejött PIA (Professional Intelligence for Automotive) részeként kerül meghirdetésre. A témára magyar és külföldi hallgatókat egyaránt várunk. A téma részletes kiírása angol nyelven érhető el. Részletek a PIA programról: https://smartlabai.medium.com/pia-projects-perseverance-e3a659bfca82 Tudományos érdeklődés esetén lehetőség van kutatási munkára is, a téma elméleti kihívásokat tartalmaz, amely TDK konferencián való részvételhez is megfelel. A téma diplomáig, illetve akár PhD témaként is folytatható. Elvárás: Korrekt, egyenletes munkavégzés, proaktívitás, olvasás szintű angoltudás. Előny: "Deep Learning a gyakorlatban Python és LUA alapon" (VITMAV45) tárgyban szerzett 4-es vagy 5-ös osztályzat.

Visual localization is an important topic in vision-powered autonomous driving. The following codebase implements a localization pipeline that first creates a 3D reconstruction of a scene from multiple images, then, given a new image of the same scene, localizes the camera that captured this new image: https://github.com/cvg/Hierarchical-Localization. There are two types of resources in this problem that are scarce in automotive applications: 1) runtime, 2) storage for storing the 3D reconstruction. The project would involve replacing, and modifying different parts of the pipeline in order to decrease runtime and reduce storage needs while keeping the performance as good as possible.