Sören Dittmer

Projekte

1. Design-KIT: Künstliche Intelligenz in der mechanischen Bauteilentwicklung; TP: Deep Learning zur Geometrieerzeugung von mechanischen Bauteilen (01.10.2020 - 31.03.2022)
2. Magnetic Particle Imaging (seit 01.03.2016)

Abschlussarbeiten (Auswahl)vollständige Liste

1. Differentiable architecture search - Fractional Kernel sizes in convolutional neural networks (Daniel Klosa)

Publikationen (Auswahl)vollständige Liste

1. S. . Mukherjee, S. Dittmer, Z. . Shumaylov, S. Lunz, O. Öktem, C. Schönlieb.
   Learned convex regularizers for inverse problems.
   Zur Veröffentlichung eingereicht.

   online unter: https://arxiv.org/abs/2008.02839

2. S. Dittmer, T. Kluth, D. Otero Baguer, B. Maass.
   A Deep Prior Approach to Magnetic Particle Imaging.
   Machine Learning for Medical Image Reconstruction 2020.
   Springer International Publishing, F. Deeba, P. Johnson, T. Würfl, J. C. Ye (Hrsg.), S. 113-122, 2020.
3. S. Dittmer, T. Kluth, P. Maaß, D. Otero Baguer.
   Regularization by architecture: A deep prior approach for inverse problems.
   Journal of Mathematical Imaging and Vision, :456-470, Springer Verlag, 2020.

   DOI: 10.1007/s10851-019-00923-x
   online unter: http://link.springer.com/article/10.1007/s10851-019-00923-x

4. S. Dittmer, C. Schönlieb, P. Maaß.
   Ground Truth Free Denoising by Optimal Transport.
   Zur Veröffentlichung eingereicht.

   online unter: https://arxiv.org/abs/2007.01575

5. S. Dittmer, T. Kluth, M. Henriksen, P. Maaß.
   Deep image prior for 3D magnetic particle imaging: A quantitative comparison of regularization techniques on Open MPI dataset.
   Zur Veröffentlichung eingereicht.

   online unter: https://arxiv.org/abs/2007.01593