Konferenzseminar WS 2021/22

Themenvorschläge

(sortiert nach Betreuer)

Prof. Dr. Christian Gawron

• Beim diesjährigen Wettbewerb GermEval2021 gab es einen Shared Task on the Identification of Toxic, Engaging, and Fact-Claiming Comments (Proceedings s. https://doi.org/10.48415/2021/fhw5-x128). Dabei ging es darum, in Facebook-Kommentaren zur Sendung Hart aber Fair per KI "toxische" Kommentare, motivierende Kommentare und Tatsachenbehauptungen zu erkennen.
  Die besten Ergebnisse erzielte dabei das Team der FH Aachen, das dabei Teams von renommierten Unis und Forschungseinrichtungen wie DFKI, TU Wien, Uni Regensburg, Uni Potsdam, Austrian Institute of Technology und University of New York sowie der FH Südwestfalen hinter sich gelassen hat.
  Ziel des Vortrags sollte sein, die Aufgabenstellung des Shared Task vorzustellen sowie den Ansatz des Aachener Teams nachzuvollziehen und vorzustellen. Ein Zweierteam ist möglich.

• Das Paper Extractive Opinion Summarization in Quantized Transformer Spaces von Stefanos Angelidis, Reinald Kim Amplayo, Yoshihiko Suhara, Xiaolan Wang und Mirella Lapata (https://arxiv.org/abs/2012.04443) stellt einen neuen Ansatz für die themenbasierte Zusammenfassung von Nutzerbewertungen vor. Das Team hat neben dem Paper auch einen Corpus mit Bewertungen von Hotels aus TripAdvisor und eine Implementierung des Verfahrens veröffentlicht (https://github.com/stangelid/qt).
  Ziel ist es, das Verfahren vorzustellen und (optional) auf deutschsprachige Kommentare (etwa Rezepte von http://chefkoch.de/ oder deutsche Produktkommentare auf Amazon) anzuwenden. Eine Gruppenarbeit ist möglich, speziell für den Transfer auf deutsche Texte.

• Auf der diesjährigen SIGGRAPH hat ein Team von der ShanghaiTech ein KI-basiertes System vorgestellt, mit dem sich Schauspieler in Videos vervielfältigen und verändern lassen (https://youtu.be/-pDFbD-smmQ) (s. Zhang et al, Editable Free-Viewpoint Video using a Layered Neural Representation, https://jiakai-zhang.github.io/st-nerf). Der Code und die Daten zu dem Paper sind auf GitHub verfügbar (https://github.com/DarlingHang/ST-NeRF).
  Der Beitrag sollte die Technik hinter dem Paper erläutern und ggf. auf Basis des Codes und der Daten der Autoren eine kleine Demo erstellen. Eine Gruppenarbeit ist möglich.

Prof. Dr. Heiner Giefers

• Google TPU (1)
  Paper: Norman P. Jouppi, et al., "Ten Lessons From Three Generations Shaped Google's TPUv4i," ISCA'21, IEEE 2021.

• Google TPU (2)
  Paper: Amir Yazdanbakhsh et al., "An Evaluation of Edge TPU Accelerators for Convolutional Neural Networks," preprint, arXiv 2021

• Survey
  Paper: Albert Reutheret al., "Survey of Machine Learning Accelerators," HPEC'20, IEEE 2020

• GPU Multitasking
  Paper: Chen Zhao et al., "A Survey of GPU Multitasking Methods Supported by Hardware Architecture," IEEE Trans. Parallel and Distributed Systems, (early access) 2021

• AI Benchmarks
  Fei Tang et al., "AIBench Training: Balanced Industry-Standard AI Training Benchmarking." ISPASS'21, IEEE 2021

• RaPiD
  Paper: Swagath Venkataramani et al., "RaPiD: AI Accelerator for Ultra-low Precision Training and Inference," ISCA'21, IEEE 2021.

• RISC-V
  Paper: Marcia Sahaya Louis et al. "Towards Deep Learning using TensorFlow Lite on RISC-V," CARRV ´19, ACM 2019

Prof. Andreas Göbel

• Hochriskante KI-Systeme: Rechtliche Anforderungen und deren technische Umsetzung am Beispiel einer (einsetzen: typische KI- Anwendung).
  Im April 2021 hat die EU den Entwurf einer Verordnung über den Umgang mit KI- Systemen verabschiedet. Diese Verordnung verfolgt einen risikobasierten Ansatz und macht von der Höhe der Risiken abhängig, welche Maßnahmen von wem zu treffen sind.
  Die Maßnahmen sind dabei notwendigerweise recht abstrakt gehalten. Am umfangreichsten sind dabei die Vorschriften zur Kontrolle von Hochrisiko - KI- Systemen.
  An der konkreten KI- Anwendung soll der Studierende die Anforderungen der Verordnung erfassen, die Risiken der konkreten Anwendung ermitteln und Möglichkeiten der technischen Umsetzung erarbeiten.
  Arbeitsgrundlage ist der Entwurf einer Verordnung der EU zu KI vom April 2021.

Prof. Dr. Hans-Georg Eßer

• XFUSE: An Infrastructure for Running Filesystem Services in User Space (Qianbo Huai, Windsor Hsu, Jiwei Lu, Hao Liang, Haobo Xu, and Wei Chen, Alibaba Group),
  https://www.usenix.org/conference/atc21/presentation/hsu ,
  https://www.usenix.org/system/files/atc21-huai.pdf

• One key to rule them all: Recovering the master key from RAM to break Android's file-based encryption (Tobias Groß, Marcel Busch, Tilo Müller),
  https://dfrws.org/wp-content/uploads/2021/03/FSIDI301113_proof.pdf

• In Search of Lost Data: A Study of Flash Sanitization Practices (Janine Schneider, Immanuel Lautner et al.),
  https://dfrws.org/presentation/in-search-of-lost-data-a-study-of-flash-sanitization-practices/

• What's on the Horizon? An In-Depth Forensic Analysis of Android and iOS Applications (Fahad E. Salamh, Mohammad Meraj Mirza et al.),
  https://ieeexplore.ieee.org/document/9477591

Kontakt:

Prof. Eßer, Hans-Georg: esser.hans-georg@fh-swf.de

Prof. Gawron, Christian: gawron.christian@fh-swf.de

Prof. Giefers, Heiner: giefers.heiner@fh-swf.de

Prof. Göbel, Andreas: ag@goebel.law

(hge, 2021-10-13)