BEGIN:VCALENDAR
VERSION:2.0
PRODID:https://github.com/derhansen/sf_event_mgt
BEGIN:VTIMEZONE
TZID:CET
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:Central European Summer Time
DTSTART:20160327T020000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:Central European Time
DTSTART:20161030T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
METHOD:PUBLISH
BEGIN:VEVENT
UID:4133-449@www.htw-dresden.de
CLASS: PUBLIC
SUMMARY:Forschungsaustausch
DESCRIPTION:<p><strong>Thema: </strong>Von großen Vision‑ zu Weltmodellen: 
 Effizientes Bildverstehen mit modernen Deep-Learning-Architekturen</p>\n\n<
 p><strong>Inhalt:&nbsp;</strong>Aufbauend auf der Transformer-Architektur m
 oderner Large Language Models (LLMs) haben sich in der Bildverarbeitung Lar
 ge Vision Models (LVMs) etabliert. Durch die Kombination visueller und spra
 chlicher Informationen entstanden daraus multimodale Vision-Language Models
  (VLMs), die komplexe semantische Zusammenhänge in Bilddaten erfassen könne
 n. Gleichzeitig sind diese Modelle mit hohen Anforderungen an Daten, Rechen
 leistung und Trainingszeit verbunden. Aktuelle Forschungsansätze wie sogena
 nnte „World Models“ adressieren diese Herausforderungen durch effizientere 
 und stärker generalisierende Lernverfahren. Der Vortrag stellt verschiedene
  moderne Modellarchitekturen vor und diskutiert deren Eigenschaften, Vor- u
 nd Nachteile sowie Einsatzmöglichkeiten in unterschiedlichen Anwendungsdomä
 nen.</p>
LOCATION:Z 355
DTSTAMP:20260521T105215
DTSTART:20260528T153000
DTEND:20260528T163000
END:VEVENT
END:VCALENDAR