Philipp Hü.

Entwicklung von Computer-Vision-Lösungen für Anwendungen im Gesundheitswesen auf mobilen Endgeräten, zugeschnitten auf die Therapie von Kindern im häuslichen Umfeld. Entwurf und Implementierung von Echtzeit-Sequenzmodellen zur Erkennung menschlicher Bewegungsmuster auf iOS und Android. Aufbau von KI-Pipelines, die für hardwarebeschränkte Systeme optimiert sind und eine zuverlässige Leistung in alltäglichen Umgebungen gewährleisten.

Arbeit an Vision- und Steuerungssystemen für Industrieroboter mit Fokus auf die verlässliche Nutzbarkeit fortgeschrittener KI. Design und Optimierung von Lernarchitekturen sowie Trainingspipelines für die Robotersteuerung. Entwicklung von Tooling zur Verbesserung von Zuverlässigkeit und Bedienbarkeit, sodass Kunden Roboter in ihrer Fabrikumgebung einfacher trainieren und anpassen konnten.

Weiterentwicklung von Pose-Estimation-Prototypen zu einsatzfähigen Systemen für mobile Geräte, nutzbar in realen Umgebungen. Aufbau von Multi-Kamera-Pipelines für 3D-Pose-Estimation und Tracking, die präzise Athletenanalysen im Spielfeld- und Wettkampfbereich ermöglichten. Entwicklung von Pose-Estimation optimiert für ressourcenbeschränkte mobile Hardware (iOS und Android), wodurch Echtzeit-AR-Anwendungen außerhalb des Labors möglich wurden.

Arbeit an Prototypen für Athletentracking und Pose-Estimation im Bereich AR und Live-Sport. Entwicklung eines Athletentrackings mit Tiefenkameras für robuste Echtzeitanalyse. Prototypische Entwicklung von Pose-Estimation-Systemen, die als Grundlage für produktionsreife Tracking-Systeme dienten.

Forschung zu maschinellem Sehen für biologische Signalverfolgung. Entwicklung von Segmentierungs- und Registrierungs-Pipelines für komplexe, sich verändernde Strukturen. Enge Zusammenarbeit mit Biologen, die in einer Nature-Publikation mündete.

Schwerpunkt: Maschinelles Lernen, Computer Vision, Bildregistrierung

Schwerpunkt: Algorithmisches Modellieren und Analyse biologischer Signalwege