PRISMA-V

The PRISMA-V collaborative project combines neuroscientific research with machine learning methods to develop a neurobiologically inspired, resource-efficient architecture for computer vision. The goal is to draw on the biological principles of human vision—in particular, focused image processing in the fovea, active gaze control, and spatial memory. By combining these mechanisms, we are developing an approach designed to enable a novel and energy-efficient form of visual perception in technical systems. Potential applications range from robotics and autonomous navigation to mobile devices that require real-time image processing with low power consumption. In this project, the Georg-August-Universität Göttingen is taking on key roles in the areas of machine learning and coordinating the networking of projects under the BMFTR Neuro-AI funding initiative. In this way, it plays a key role in strengthening the synergies between neuroscience and artificial intelligence and providing new impetus for the development of sustainable AI systems.

Das kollaborative Projekt PRISMA-V verbindet neurowissenschaftliche Forschung mit Methoden des maschinellen Lernens, um eine neurobiologisch inspirierte, ressourceneffiziente Architektur für Computer Vision zu entwickeln. Ziel ist es, die biologischen Prinzipien des menschlichen Sehens zu nutzen – insbesondere die fokussierte Bildverarbeitung in der Fovea, aktive Blicksteuerung und räumliches Gedächtnis. Durch die Kombination dieser Mechanismen entwickeln wir einen Ansatz, der eine neuartige und energieeffiziente Form der visuellen Wahrnehmung in technischen Systemen ermöglichen soll. Mögliche Anwendungen reichen von der Robotik und autonomen Navigation bis hin zu mobilen Geräten, die eine Echtzeit-Bildverarbeitung mit geringem Energieverbrauch erfordern. Im Rahmen dieses Projekts übernimmt die Georg-August-Universität Göttingen Schlüsselrollen in den Bereichen maschinelles Lernen und koordiniert die Vernetzung von Projekten im Rahmen der BMFTR-Förderinitiative Neuro-KI. Damit spielt sie eine zentrale Rolle bei der Stärkung der Synergien zwischen Neurowissenschaften und Künstlicher Intelligenz und gibt neue Impulse für die Entwicklung nachhaltiger KI-Systeme.