Unterstützung für die Planetenforschung: Visuelle Analyse von Rekonstruktionen der Mars-Oberfläche und Ansichtsplanung für Rover-Kamerainstrumente.
Visuelle Analyse der Ablenkung eines Asteroiden.
Die hydrodynamischen Simulationen von Visdom ermöglichen in der App "PegelAlarm" punktgenaue Wasserstandsprognosen an beliebigen Punkten einer Gewässeroberfläche.
Businesses go smart with Data Science: mit Hilfe visueller Datenanalyse, maschinellem Lernen, Deep Learning, Data Mining und visueller Datenverarbeitung helfen wir Unternehmen das Potenzial ihrer Daten voll auszuschöpfen.
Seit vielen Jahren befassen wir uns mit allen Aspekten rund um hydrodynamische Modellierung. Mit unserer Software Visdom können wir verschiedene Szenarien modellieren und bieten dies auch als Service an.
Diese Virtual Reality-Anwendung bietet neue Möglichkeiten für die österreichischen Streitkräfte: für Kampf-, Sicherheits- und Rettungsmanöver.
Wir erstellen eine digitale Kopie einer Gemeinde und simulieren Wetterereignisse, um gefährdete Gebäude und Infrastrukturschwachstellen zu finden.
Zu verstehen, wie das Gehirn funktioniert, ist eine der größten Herausforderungen, mit denen sich die Neurowissenschaften heute befassen. Dazu bedarf es spezieller Software-Infrastrukturen, um die Erforschung des komplexen Zusammenspiels von Genen, Struktur und Funktion zu ermöglichen und zu beschleunigen.
Ziel des angewandten Forschungsprojekts En2VA ist es, die Effizienz und die Qualität der fortgeschrittenen Analytik für hochdimensionale Daten aus Fertigung, Technik und dem Energiesektor zu erhöhen.
DEXHELPP entwickelt neue Methoden zur Unterstützung der Analyse, Planung und Steuerung im Gesundheitswesen durch die Kombination von Entscheidungsanalyse, Datensicherheit, Datenmanagement, Statistik, mathematischer Modellierung, Simulation und visueller Analyse.
Im Forschungsprojekt Lightbox 2.0 wird die Entwicklung eines photogrammetrischen 3D-Scanners für die automatische und Deep Learning-gestützte Modellierung von Schlüssel vorangetrieben.
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.