Probabilistische Präferenzmaße für wissensbasierte Szeneninterpretation

Das Vorhaben befasst sich mit allgemeingültigen rechnerbasierten Methoden zur Deutung komplexer stationärer or der zeitveränderlicher visueller Szenen aus der Alltagswelt，z.B.在辅助容器中的内部空间或在超重力容器中的外部空间。Szeneninterpretationen dieser Art erfordern einerseits umfangreiches Vorwissen über die relevanten Alltagsvorgänge，repräsentierbar mit Methoden der Wissensrepräsentation，anddererseits probabilistische Modelle zur Steuerung unsicherer Entscheidungen und zur Prädiktion.在本文中，我们提出了一种基于知识表示的概率论模型的集成形式，即基于经典逻辑推理的概率论推理，以及基于经验解释的概率论推理。Logikbasierte Inferenzen（逻辑基础推理）是一种对空间进行一致性解释的推理，而对逻辑进行一致性解释的概率推理则是最好的推理。

Das Vorhaben befasst sich mit allgemeingültigen rechnerbasierten Methoden zur Deutung komplexer stationärer oder zeitveränderlicher visueller Szenen aus der Alltagswelt, z.B. Innenraumszenen im Kontext von Assistenzaufgaben oder Verkehrsszenen im Kontext von Überwachungsaufgaben. Szeneninterpretationen dieser Art erfordern einerseits umfangreiches Vorwissen über die relevanten Alltagsvorgänge, repräsentierbar mit Methoden der Wissensrepräsentation, andererseits probabilistische Modelle zur Steuerung unsicherer Entscheidungen und zur Prädiktion. In diesem Vorhaben wird eine besondere Form der Integration von probabilistischen Modellen mit formaler Wissensrepräsentation untersucht, bei der probabilistische Inferenzen mit klassischen logikbasierten Inferenzen bei der Szeneninterpretation kooperieren. Logikbasierte Inferenzen grenzen den Raum möglicher konsistenter Szeneninterpretationen ab, während probabilistische Inferenzen unter den logisch möglichen Interpretationen bevorzugte bestimmen.