Theoretical analysis of advanced mathematical methods and computational algorithms which are applied to various areas of problems in computer vision and signal processing with applications to machine learning. Each year that the course is offered, it covers a subset of the following topics:

Part I:

• Introduction to Metric Spaces.
• Wavelets and Frames.
• Fractals
• Sparse Modeling, Compressed Sensing
• Nonlinear Signal/Image Operators on Lattices. Minimax Algebra. Tropical Geometry.

Part II :

• Theory of Symmetry Groups and Applications to Vision and Robotics.
• Multi-view Geometry and 3D Reconstruction.
• Partial Differential Equations and Variational Calculus for Computer Vision.
• Graph-theoretic Methods for Computer Vision and Networks.

Σειρές θεωρητικών (και μερικών υπολογιστικών) προβλημάτων, και δυνητικά κάποια εργασία.

Βαθμολογία: 2/3 από σειρές αναλυτικών ασκήσεων και 1/3 από μια εξαμηνιαία εργασία.

Προαπαιτούμενα: Προηγούμενο Μάθημα σε Επεξεργασία Σημάτων ή σε Οραση Υπολογιστών και Εγκριση Διδάσκοντος.