Wir forschen an hochmodernen Deep Generative Models, die dazu dienen, reale Bosch-Systeme dateneffizient zu machen. Wir suchen eine:n Doktorandin bzw. Doktoranden, der sich für die Erforschung kreativer Anwendungen generativer Modelle (z.B. Stable Diffusion) als kontrollierbare Datensatzdarstellung für Training sowie Validierung von Netzwerken für nachgelagerte Aufgaben interessiert.

Entwicklung neuer Lernalgorithmen zur Generierung relevanter Daten „on Demand“ als Reaktion auf den Bedarf des Netzwerks; Verbesserung der Trainingseffizienz durch die Synthese von Daten besserer Relevanz; gezielte Erstellung von Beispielen, um die gewünschte Invarianz zu erzielen; Entwicklung neuartiger Ansätze zur Anpassung von Deep Generative Models (z.B. Diffusion Models, GANs, VAEs) als Datenquellen, um nachgelagerte Modelle besser zu trainieren und zu validieren; Nutzung der Steuerbarkeit und des Wissens generativer Basismodelle, um Datensätze nicht mehr nur als eine lose Sammlung von Bildern zu betrachten; Diskussion und Entwicklung neuer Ideen mit Expertinnen bzw. Experten für Deep Learning und Computer Vision im Bosch Center for AI; Veröffentlichung der Ergebnisse in hochrangigen Fachzeitschriften und Konferenzen.