Personenprofil

Univ.Ass.

Rafael Sterzinger

BSc MSc ETH

Telefon +43 1 58801 193173

E-Mailrafael.sterzinger@tuwien.ac.at

Zugeordnet

E193-01

Visitenkarte

https://orcid.org/0009-0001-0029-8463

Zugehörigkeit
Profil

Forschungsbereich

Name	Leitung/Mitglied
Forschungsbereich Computer Vision	Mitglied

Profil

Forschungsprofil (Deutsch):

Forschungs- und Entwicklungsprofil: Rafael Sterzinger

Mein Forschungsschwerpunkt liegt an der Schnittstelle zwischen Computer Vision und Digital Humanities. Ich untersuche, wie großskalige Vision Foundation Models (VFMs) für spezialisierte, ressourcenarme Domänen adaptiert werden können. Das Ziel ist die Überwindung der technologischen Lücke zwischen allgemeiner KI und den hochspezifischen Anforderungen der Wissenschaft, insbesondere bei der Analyse historischer Artefakte.

Kernforschungsgebiete

Cross-Domain Few-Shot Segmentation (CDFSS): Entwicklung von Methoden, die es Modellen ermöglichen, präzise Segmentierungen in völlig neuen Bilddomänen (z. B. etruskische Spiegel oder historische Karten) auf Basis von nur ein bis fünf Beispielen zu erstellen.
Adaptive Modellarchitekturen (MoE): Erforschung von Mixture-of-Experts (MoE)-Strategien zur dynamischen Kombination spezialisierter Expertenmodule, um domänenspezifische Merkmale effizient zu erfassen, ohne das gesamte Modell neu trainieren zu müssen.
Active Learning & Uncertainty Quantification: Nutzung von Ensembles und MoE-Modellen zur Schätzung der Vorhersageunsicherheit. Dies dient der Optimierung von Human-in-the-Loop-Workflows, indem gezielt die informativsten Proben für die Expertenannotation ausgewählt werden.

Wissenschaftlicher Beitrag

Meine Arbeit adressiert die fundamentalen Herausforderungen des Domain Shifts und der Datenknappheit in Nischenbereichen. Durch die Integration modellzentrierter Adaption und datenzentrierter Active-Learning-Strategien entwickle ich Workflows, die den Annotationsaufwand für Experten drastisch reduzieren und gleichzeitig die analytische Präzision in der computergestützten Forschung maximieren.

Forschungsprofil (Englisch):

Research and Development Profile: Rafael Sterzinger

My research focuses on the intersection of Computer Vision and Digital Humanities, specifically exploring how Vision Foundation Models (VFMs) can be adapted for specialized, low-resource domains. The core objective is to bridge the gap between large-scale AI and the high-precision requirements of scientific analysis, where data is inherently scarce.

Core Research Interests

Cross-Domain Few-Shot Segmentation (CDFSS): Developing methodologies to generate precise pixel-level masks in visually disjoint target domains using only one to five examples.
Adaptive Model Architectures (MoE): Researching Mixture-of-Experts (MoE) strategies to dynamically merge specialized expert modules at inference time, allowing models to capture a broader spectrum of semantic concepts without extensive retraining.
Active Learning & Uncertainty Quantification: Leveraging MoE ensembles to reliably estimate predictive uncertainty, thereby optimizing human-in-the-loop workflows by identifying the most informative samples for expert annotation.

Scientific Contribution

My work addresses the fundamental challenges of domain shift, data scarcity, and high annotation costs in niche fields. By integrating model-centric adaptation with data-centric active learning, I aim to create optimized scientific workflows that minimize the need for expert labor while maximizing analytical capabilities for historical artifacts, such as ancient mirrors, manuscripts, and maps.