L2S für CMOS-Bildsensor-Design und Überbrückung der Lücke

• Antragsteller: Professor Dr. Bhaskar Choubey
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459284860

CMOS-Bildsensoren haben unser Leben in den letzten Jahren revolutioniert. Darüber hinaus tragen die von diesen Digitalkameras erzeugten Bilder auch maßgeblich zum jüngsten Wachstum der KI-Technologien bei. Herkömmliche Digitalkameras wurden jedoch für zur Betrachtung auf Computermonitoren und Papier entwickelt, anstatt für verschiedene Aufgaben des maschinellen Lernens optimiert zu werden. Obwohl eine Reihe von KI-Algorithmen vom menschlichen Gehirn inspiriert sind, lässt sich der Bildsensor kaum vom menschlichen Auge inspirieren und führt fast keine Bildverarbeitung durch. Infolgedessen sind die meisten Digitalkameras reine Datenlieferanten mit begrenzter Informationsextraktion. In diesem Projekt werden wir neuartige Bildsensorarchitekturen entwickeln und bauen, die gemeinsam mit intelligenten Algorithmen entworfen werden. Zu diesem Zweck werden wir einerseits die Pixelgeometrie und -anordnung überarbeiten und neu gestalten, um optimale Eingaben für verschiedene Bildverarbeitungsaufgaben zu liefern, die von unseren Forschungskollegen in anderen L2S-Projekten entwickelt werden. Gleichzeitig werden wir die frühe analoge Signalverarbeitung in Form mathematischer Operatoren wie Ableitungen und Faltung sowie Inputs typischer neuronaler Netze in nahe an Pixel und Array einbetten. Diese sollen die Komplexität der nachfolgenden Berechnungsaufgaben von KI-Systemen in der Software reduzieren. Durch die Zusammenarbeit von Sensorentwicklern und KI-Forschern wird sichergestellt, dass weder optische noch rechnerische Effizienz in diesem Prozess verloren gehen. Darüber hinaus wird dieses Projekt eine Brücke zwischen Forschern intelligenter Algorithmen und verschiedenen Sensorentwicklern schlagen, indem es die Bemühungen um Wissensaustausch und gemeinsame Forschung zwischen den beiden Gemeinschaften koordiniert.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5336: KI-FOR Lernen optimaler Bilddatensensorik