Das Forschungsziel des Projekts Ingress besteht darin, die Prozesse von Data Scientists, die mit Industrie 4.0- und IoT-Daten arbeiten, zu beschleunigen, indem eine engere Integration der visuellen Analyse in bestehenden Arbeitsabläufe ermöglicht wird.
Das RAILING-Projekt beschäftigt sich mit der Erforschung und Entwicklung von interaktiven, skalierbaren und vertrauensschaffenden Visualisierungs- und Analysewerkzeugen für die Exploration von zeitabhängigen und komplexen Daten.
Das Hauptziel dieses Projekts ist es, eine zuverlässige Entscheidungshilfe für große Infrastrukturprojekte zu ermöglichen, indem Lösungen für eine kollaborative visuelle Analyse von digitalen Zwillingen bereitgestellt werden.
Das Ziel des strategischen Projekts ARCS ist der Entwurf von Software-Architekturen, die interaktive Visualisierungssysteme in die Lage versetzen, große Mengen und Geschwindigkeiten räumlicher und damit verbundener nicht-geometrischer Daten aufzunehmen.
Mit Hilfe des Einsatzes von Augmented Reality-Technologie wird im Projekt MARAMT ein Software-Framework entwickelt, das den Aufwand für die Arbeit mit bestehenden und zukünftigen komplexen cyber-physikalischen Systemen erheblich reduziert.
Im Projekt Larvalbrain 2.0 soll durch die Integration von Daten über strukturelle, molekulare, physiologische und verhaltensbedingte Ergebnisse von Drosophila-Melanogaster-Larven ein dynamischer, mehrstufiger Gehirnatlas etabliert werden.
Ziel von HORA 3D ist die Entwicklung und Wartung einer öffentlich zugänglichen Webanwendung zur objektbezogenen Visualisierung der Ergebnisse des Forschungsprojekts HORA 3.
Im Forschungsprojekt Lightbox 2.0 wird die Entwicklung eines photogrammetrischen 3D-Scanners für die automatische und Deep Learning-gestützte Modellierung von Schlüssel vorangetrieben.
Eine Augmented Reality-Lösung zur Optimierung von Prozessentwicklung in Labors sowie zum Monitoring laufender Experimente unterstützt die pharmazeutische Forschung.
Entwicklung von Extended Reality-Technologien zur Erstellung virtueller Manöverszenarien, basierend auf realen geografischen Daten.
XREye kombiniert innovative VR-, Eye-Tracking- und Sehsimulatiostechnologien für die realitätsnahe Simulation von Sehbehinderungen in Virtual und Augmented Reality.
Im Projekt "Mars-DL" wird erforscht, wie ein Deep Learning-System durch Objekt- und Mustererkennung die Arbeit von Planetenforscherinnen und -forschern unterstützen kann. VRVis hat für dieses Projekt die Funktionalität von PRo3D erweitert, um Shatter Cone-Trainingsbilder automatisch zu rendern.