Professor Dr.

Reinhard Klein

Leiter der Abteilung Computer Graphik
 
Friedrich-Hirzebruch-Allee 8, Raum
D-53115 Bonn
Germany
3.016
Telefon: +49 (0) 228 73-4201
Fax: +49 (0) 228 73-4212
E-Mail: rk@REMOVETHISPART.cs.uni-bonn.de

Reinhard Klein studierte Mathematik und Physik an der externUniversität Tübingen.1989 schloss er das Studium mit dem Titel Diplom-Mathematiker ab. 1995 promovierte er in Informatik. 1999 erhielt er einen Ruf als Professor für Informatik an die Universität Tübingen; seine Habilitation schrieb er ebenfalls im Bereich Informatik. Im September 1999 wurde er Professor an der externUniversität Darmstadt und Leiter der Forschungsgruppe extern"Echtzeitlösungen für Simulation und Visual Analytics" am externFraunhofer-Institut für Computergraphik. Seit Oktober 2000 ist er Professor an der externUniversität Bonn und Leiter der externAbteilung II des Instituts für Informatik.

Liste der Publikationen

Liste der betreuten Dissertationen

Veranstaltungen

Laufende Projekte

logo=anticipation_02.png 
In diesem Projekt geht es um die Entwicklung neuer Technologie, welche die Grundlage für Anwendungen darstellen, bei denen es um die Antizipation von menschlichem Verhalten ankommt. Es werden alle relevanten Aspekte adressiert: Zeithorizonte von Millisekunden bis unendlich und Granularitäten von detailierten menschlichen Bewegungen bis hin zu groben Aktivtätsbezeichnungen.
logo=BTFDBB_Logo_200x160.jpg 
Die bildbasierte Erfassung der optischen Erscheinung von komplexen Materialien ist eines der zentralen Forschungsgebiete unserer Arbeitsgruppe. Das Ziel dieses Projektes ist die Entwicklung neuer Techniken zur hochqualitativen und effizienten Erfassung von hoch-dimensionalen Materialrepräsentationen wie bspw. der Bidirektionalen Textur Funktion (BTF). Über die BTF Datenbank Bonn sind einige Beispieldatensätze des Projekts öffentlich zugänglich.
logo=PerceptualGraphics.png 
In diesem Projekt arbeiten wir an der Entwicklung eines statistischen Modells für den Raum der durch eine Datenbank an gemessenen BTFs aufgespannt wird. Auf diese Weise soll eine Repräsentation für Materialien entwickeln werden, die viel allgemeingültiger ist als die heute verfügbaren. Das Ziel ist es, eine Reparametrisierung des hochdimensionalen Raumes der Materialien zu finden, die eine perzeptuell sinnvolle Interpolation zwischen den gemessenen Material ermöglicht, also neue Materialien zu finden, die die Eigenschaften mehrere Samples aus der Datenbank mischen.
logo=NFDI4C_logo.png 
Digitale Daten zu materiellen und immateriellen Kulturgütern sind ein wesentlicher Bestandteil des täglichen Lebens, der Kommunikation und der kulturellen Erfahrung. Sie haben einen bedeutenden Einfluss auf die Wahrnehmung kultureller Identitäten und erzeugen wichtige Wechselwirkungen zwischen Forschung, Kulturwirtschaft und Gesellschaft. In den letzten drei Jahrzehnten haben viele Institutionen eine Fülle an digitalen Repräsentationen von Kulturgütern (2D-Digitalreproduktionen von Gemälden oder Noten, 3D-Digitalmodelle von Skulpturen, Denkmälern, Räumen und Gebäuden), audiovisuellen Daten (Musik, Film, Bühnenaufführungen) und prozeduralen Forschungsdaten (z.B. spezifische Codierungs- und Annotationsformate) erzeugt. Die langfristige Sicherung und Verfügbarkeit dieser Forschungsdaten im Einklang mit den FAIR-Prinzipien ist von zentraler Bedeutung, nicht nur für den zukünftigen wissenschaftlichen Erfolg in den Geisteswissenschaften, sondern auch für das kulturelle Selbstverständnis des Einzelnen und der Gesellschaft insgesamt. Auf nationaler Ebene existiert bislang keine koordinierte Initiative für ein professionelles Forschungsdatenmanagement in dieser Fachdomäne. NFDI4Culture will diese Lücke schließen und eine nut- zerorientierte, forschungsgeleitete Infrastruktur schaffen, die ein breites Spektrum von der Musikwissenschaft, Kunstgeschichte und Architektur bis hin zur Theater-, Tanz-, Film- und Medienwissenschaft abdeckt.
logo=shape_detection.png 
3D acquisition devices usually produce unstructured point-clouds as primary output. A challenge in this context is the decomposition of the point-cloud data into known parts in order to introduce abstractions of the originally unorganized data. This information can be used for compression, recognition and reconstruction.
logo=shape-logo.png 
Dieses Projekt beschäftigt sich mit einer interaktiven, visuellen Herangehensweise an das Gebiet der Shape Analysis. Als exemplarischer Anwendungsfall dient hier die morphologische Untersuchung von Schädeln europäischer Mäuse und Ratten anhand von hochauflösenden 3D Scans.
logo=figure_WardParams_04.png 
In diesem Projekt geht es um die bildbasierte Messung von Reflektanz, welche anschließend zu hochqualitativen SVBRDFs prozessiert wird. Für diesen kostspieligen Prozess entwickeln wir alternative Methoden basierend auf Deep-Learning.

Abgeschlossene Projekte