Lampert Group
Maschinelles Lernen und Computer Vision
Heutige Computerprogramme sind “inselbegabt”: Software, die eine bestimmte Aufgabe wie Schachspielen sehr gut erfüllt, ist für die meisten anderen Aufgaben, wie das Durchsuchen einer Datenbank, völlig nutzlos – und umgekehrt. Die Lampert Gruppe arbeitet an Methoden, mit denen Computer aus dieser Einschränkung ausbrechen können, indem sie Informationen zwischen verschiedenen Aufgaben teilen.
Moderne Computersoftware passt sich ihren NutzerInnen an, z.B. lernt die Spracherkennungssoftware den Sprecher mit der Zeit besser zu verstehen, und E-Mail Programme lernen, welche der eingehenden E-Mails Spam sind und daher unterdrückt werden sollten. Dieser Lernprozess findet jedoch für jede Aufgabe, die der Computer lösen sollte, unabhängig statt. Die Lampert-Gruppe entwickelt und analysiert Algorithmen, die es Computern ermöglichen, neue Aufgaben zu erlernen und dabei das aus früheren Aufgaben gewonnene Wissen zu nutzen. Ein besonders Anwendungsgebiet ist das automatische Bildverständnis. Das Ziel der Software dabei ist, den Inhalt eines natürlichen Bildes zu analysieren und automatisch Fragen dazu zu beantworten, wie etwa: Welche Objekte sind im Bild sichtbar? Wo befinden sie sich? Wie interagieren sie?
Team
Laufende Projekte
Vertrauenswürdiges Machine Learning | Transfer und lebenslanges Lernen | Deep Learning-Theorie
Publikationen
Scott JA, Cahill Á. 2024. Improved modelling of federated datasets using mixtures-of-Dirichlet-multinomials. Proceedings of the 41st International Conference on Machine Learning. ICML: International Conference on Machine Learning, PMLR, vol. 235, 44012–44037. View
Zakerinia H, Behjati A, Lampert C. 2024. More flexible PAC-Bayesian meta-learning by learning learning algorithms. Proceedings of the 41st International Conference on Machine Learning. ICML: International Conference on Machine Learning, PMLR, vol. 235, 58122–58139. View
Prach B, Brau F, Buttazzo G, Lampert C. 2024. 1-Lipschitz layers compared: Memory, speed, and certifiable robustness. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. CVPR: Conference on Computer Vision and Pattern Recognition, 24574–24583. View
Zakerinia H, Talaei S, Nadiradze G, Alistarh D-A. 2024. Communication-efficient federated learning with data and client heterogeneity. Proceedings of the 27th International Conference on Artificial Intelligence and Statistics. AISTATS: Conference on Artificial Intelligence and Statistics, PMLR, vol. 238, 3448–3456. View
Scott JA, Zakerinia H, Lampert C. 2024. PEFLL: Personalized federated learning by learning to learn. 12th International Conference on Learning Representations. ICLR: International Conference on Learning Representations. View
ReX-Link: Christoph Lampert
Karriere
Seit 2015 Professor, Institute of Science and Technology Austria (ISTA)
2010 – 2015 Assistant Professor, Institute of Science and Technology Austria (ISTA)
2007 – 2010 Senior Research Scientist, Max Planck Institute for Biological Cybernetics, Tübingen, Deutschland
2004 – 2007 Senior Researcher, German Research Center for Artificial Intelligence, Kaiserslautern, Deutschland
2003 PhD, University of Bonn, Deutschland
Ausgewählte Auszeichnungen
Seit 2015 Associate Editor in Chief of the IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI)
2012 ERC Starting Grant (consolidator phase)
2008 Best Paper Award, IEEE Conference for Computer Vision and Pattern Recognition (CVPR)
2008 Best Student Paper Award, European Conference for Computer Vision (ECCV)
2008 Main Prize, German Society for Pattern Recognition (DAGM)