Skip to main content

Lampert Group

Maschinelles Lernen und Computer Vision

Die Lampert Gruppe erforscht, wie Methoden der künstlichen Intelligenz vertrauenswürdiger gemacht werden können. Sie untersucht Fragen wie: Können wir verstehen, was moderne maschinelle Lernsysteme tun, aber auch, warum? Können wir Garantien für ihr Verhalten geben? Können wir Systeme bauen, die lernen und eines Tages intelligent werden könnten, ohne dass wir auf unsere Rechte auf Datenschutz und Privatsphäre verzichten müssen?

Computer werden immer leistungsfähiger bei der Datenverarbeitung und haben gelernt, viele Aufgaben zu bewältigen, die man ihnen bisher nicht zugetraut hat, wie z. B. erfolgreiche Finanzinvestitionen, die Diagnose von Krebs anhand medizinischer Bilder und sogar das Fahren von Autos im Straßenverkehr. Warum verlassen wir uns dann nicht auf sie als Finanzberater, Onkologen und Chauffeure? Wahrscheinlich, weil wir Computern nicht genug vertrauen, um sie wichtige Systeme autonom und außerhalb unserer Kontrolle betreiben zu lassen. Neben der theoretischen Forschung wendet die Gruppe ihre Ergebnisse auf Anwendungen in der Computervision an, wie z. B. das Bildverständnis, bei dem das Ziel darin besteht, automatische Systeme zu entwickeln, die den Inhalt natürlicher Bilder analysieren können.




Team


Laufende Projekte

Vertrauenswürdiges Machine Learning | Transfer und lebenslanges Lernen | Deep Learning-Theorie


Publikationen

Henzinger TA, Kresse F, Mallik K, Yu E, Zikelic D. 2025. Predictive monitoring of black-box dynamical systems. 7th Annual Learning for Dynamics & Control Conference. L4DC: Learning for Dynamics & Control, PMLR, vol. 283, 804–816. View

Kresse F, Yu E, Lampert C, Henzinger TA. 2025. Logic gate neural networks are good for verification. 2nd International Conferenceon Neuro-Symbolic Systems. NeuS: International Conferenceon Neuro-Symbolic Systems, PMLR, vol. 288, 26. View

Prach B. 2025. Robust image classification with 1-Lipschitz networks. Institute of Science and Technology Austria. View

Kalinin N, Steinberger L. 2025. Efficient estimation of a Gaussian mean with local differential privacy. Proceedings of the 28th International Conference on Artificial Intelligence and Statistics. AISTATS: Conference on Artificial Intelligence and Statistics, PMLR, vol. 258, 118–126. View

Lutsai K, Lampert C. 2024. Predicting the geolocation of tweets using transformer models on customized data. Journal of Spatial Information Science. (29), 69–99. View

Zu Allen Publikationen

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)


Zusätzliche Informationen

Lampert Group Website



theme sidebar-arrow-up
Nach Oben