Bachelor-/Masterseminar:
Optimierung (Flow Matching und Inverse Probleme)
WS 2026/27
| Dozent: |
Prof. Dr. Steffen Dereich Prof. Dr. Benedikt Wirth |
Informationen zum Seminar
| Zeit, Ort: |
noch festzulegen |
| Learnweb: | bitte registrieren unter https://sso.uni-muenster.de/LearnWeb/learnweb2/course/view.php?id=95229 |
| Inhalt: | Dieses Seminar widmet sich den theoretischen und algorithmischen Grundlagen von „Flow Matching“, einem hochaktuellen Paradigma der generativen Künstlichen Intelligenz. Anstatt Wahrscheinlichkeitsdichten direkt zu modellieren, lernen diese Verfahren zeitabhängige Vektorfelder, die eine einfache Ausgangsverteilung kontinuierlich in eine komplexe Datenverteilung transformieren. Wir betrachten Flow Matching dabei nicht als isolierten Algorithmus, sondern als flexiblen Baukasten, der aus Wahrscheinlichkeitspfaden, stochastischen Prozessen und Maßkopplungen besteht. Ein zentraler Fokus des Seminars liegt auf der Verbindung zur Theorie des Optimalen Transports (OT), einschließlich bedingter Wasserstein-Distanzen und Minibatch-Kopplungen. Darüber hinaus beleuchtet das Seminar praktische Anwendungen in der modernen Bildverarbeitung. Insbesondere diskutieren wir, wie vortrainierte generative Modelle als „Plug-and-Play“-Priore zur Lösung inverser Probleme eingesetzt werden können, wodurch eine Brücke zwischen klassischer Bildrekonstruktion und Bayes'scher Inferenz geschlagen wird. Ziel des Seminars ist es, sowohl das vereinheitlichende mathematische Fundament als auch modernste architektonische Entwicklungen in diesem dynamischen Forschungsfeld zu verstehen. |
| Voraussetzungen: | Analysis I-III, Vorkenntnisse in Modulen in einem der Felder Numerik, Analysis, Stochastik sind hilfreich. |
| Leistungsnachweis: | 90-minütiger Seminarvortrag und didaktisch aufbereitete Ausarbeitung (ca. 7-seitiges Handout, dieses soll ca. 10 Tage vor dem Vortrag vorgelegt werden, um zusätzliche Hilfestellungen geben zu können) |
| Teilnahme: | Bei Interesse melden Sie sich bitte per E-Mail. |
| Vortrags-Themen: |
|