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.
Starkregenereignisse nehmen in ganz Europa zu. Im EU-Projekt RAINMAN hat das VRVis ein interaktives Modell zur Visualisierung von Verlauf und Folgen von möglichen Hochwasserszenarien durch Starkregen für die Stadt Graz entwickelt.
VRVis ist Gründungsmitglied von Austrian BioImaging/CMI. Dies ist ein professionelles Konsortium aus verschiedenen österreichischen Forschungseinrichtungen und die offizielle Euro-BioImaging Initiative Österreichs.
COMULIS (Correlated Multimodal Imaging in Life Sciences) ist eine EU-geförderte COST Action mit dem Ziel, Kollaborationen im Feld des Correlated Multimodal Imaging (CMI) voranzutreiben.
Die hydrodynamischen Simulationen von Visdom ermöglichen in der App "PegelAlarm" punktgenaue Wasserstandsprognosen an beliebigen Punkten einer Gewässeroberfläche.
Um die Daten aus Simulationen und Messungen im Automobilbereich voll auszuschöpfen, kombinieren wir interaktive und automatische Visual Computing-Methoden, um intuitive, effiziente und effektive Lösungen zu finden, die in der täglichen Routine von Ingenieurinnen und Ingenieuren anwendbar sind.
MINERVA ist ein integriertes Framework für die Planetenforschung, das es Wissenschaftlerinnen und Wissenschaftlern aus verschiedenen Teams ermöglicht, in virtuellen Arbeitsbereichen zusammenzuarbeiten.
ARCHES - Accessible Resources for Cultural Heritage EcoSystems war ein EU-gefördertes Horizon2020-Projekt, das von VRVis koordiniert wurde.
Die langfristige Vision dieses angewandten Forschungsprojekts ist die Nutzung der verfügbaren Datenressourcen zur Verbesserung der bildbasierten Diagnostik auf der Grundlage komplexer Daten in der täglichen klinischen Routine.
Die Kombination von "Liquid Biopsies", maschinellen Lernverfahren und Datenvisualisierung soll eine frühere und genauere Vorhersage eines Rückfalls bei Kindern mit einer Krebserkrankung ermöglichen.