Ntumba Elie Nsampi erhält Doktorgrad (Dr-Ing.)

Am Donnerstag, den 16. Juli 2026, verteidigte Ntumba Elie Nsampi seine Dissertation mit dem Titel: „Aggregation in Neural Fields via Differential Constraints”. Seit Mai 2022 war er Doktorand der Informatik an der Universität des Saarlandes in Saarbrücken und am Max-Planck-Institut für Informatik unter der Betreuung von Dr. Thomas Leimkühler und Prof. Hans-Peter Seidel, Leiter der Abteilung „Computergrafik”. Der Doktorgrad wird von der Universität des Saarlandes verliehen.

Zusammenfassung der Dissertationsschrift:

Aggregationsoperatoren, also Operatoren, die durch Integration über kontinuierliche Domänen wie den Raum, Richtungen oder Lichtpfade definiert sind, bilden einen zentralen Bestandteil des Visual Computing. In der Praxis wird die Aggregation kontinuierlicher Funktionen typischerweise entweder durch diskrete Approximationen oder mittels Monte-Carlo-Stichprobenverfahren durchgeführt. Neuronale Felder haben sich als flexible Repräsentationen kontinuierlicher Signale etabliert. Trotz ihrer attraktiven Eigenschaften ist jedoch bislang unklar, wie sich Aggregationsoperatoren direkt auf neuronalen Feldern realisieren lassen, ohne auf konventionelle Verfahren zurückzugreifen.

Diese Dissertation adressiert dieses Problem mit der Beobachtung, dass sich bestimmte Aggregationsoperatoren trotz ihres globalen Charakters in einigen Fällen als lokale Differentialbedingungen formulieren lassen. Dadurch wird es möglich, Aggregationen auf neuronalen Feldern zu realisieren, ohne auf explizite numerische Integration angewiesen zu sein. Aufbauend auf dieser Beobachtung leistet diese Dissertation zwei methodische Beiträge, die dieses Prinzip in unterschiedlichen Anwendungsbereichen umsetzen. Der erste Beitrag ist ein Verfahren zur kontinuierlichen Faltung von als neuronale Felder kodierten Funktionen, das auf Faltungsidentitäten sowie der durch wiederholte Differentiation stückweise polynomialer Kerne induzierten Sparsität basiert. Der zweite Beitrag ist eine neuartige Formulierung für das volumetrische inverse Rendering unter vollständiger globaler Beleuchtung, bei der sowohl die optischen Eigenschaften des Mediums als auch das transportierte Lichtfeld als neuronale Felder repräsentiert werden, während die globale Beleuchtung durch eine differentielle Formulierung der Strahlungstransportgleichung in Verbindung mit bildbasierter Supervision erzwungen wird.