Christian Benz

Name:Christian Benz, M.Sc.
Raum:Bauhausstraße 11, Raum 009
Telefon:+49 (0) 36 43/58 37 31
E-Mail:christian.benz[at]uni-weimar.de
Sprechstunde:Auf Anfrage
Abgeschlossene Projekte:
  • AISTEC - Bewertung alternder Infrastrukturbauwerke mit digitalen Technologien

Christian Benz ist seit 2019 wissenschaftlicher Mitarbeiter an der Fakultät für Medien der Bauhaus-Universität. Er hat Informatik an der TU Darmstadt studiert (B. Sc. und M. Sc.) und sich auf Maschinelles Lernen auf Bilddaten spezialisiert. Parallel zum Abschluss seiner Doktorarbeit im Bereich Risserkennung, geht er seit Herbst 2023 einer Teilzeittätigkeit als Computer Vision Scientist bei ZEISS nach.

 

Ausgewählte Veröffentlichungen:

  • Benz, C., & Rodehorst, V. (2024). OmniCrack30k: A Benchmark for Crack Segmentation and the Reasonable Effectiveness of Transfer Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops. [Paper]

  • Benz, C., & Rodehorst, V. (2024). ENSTRECT: A Stage-based Approach to 2.5D Structural Damage Detection. In European Conference on Computer Vision (ECCV) Workshops. Cham: Springer. (Accepted manuscript) [Preprint]

  • Benz, C., & Rodehorst, V. (2024). MVCrackViT: Robust Multi-View Crack Detection for Point Cloud Segmentation using View Attention. In International Conference on Image Processing (ICIP). IEEE. (Accepted manuscript)

  • Flotzinger, J., Rösch, P. J., Benz, C., Ahmad, M., Cankaya, M., Mayer, H., ... & Braml, T. (2024). dacl-challenge: Semantic Segmentation during Visual Bridge Inspections. In Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) Workshops. [Paper]

  • Benz, C., & Rodehorst, V. (2022). Image-based Detection of Structural Defects using Hierarchical Multi-Scale Attention. In DAGM German Conference on Pattern Recognition (GCPR). Springer, Cham. [Paper]

  • Benz, C., & Rodehorst, V. (2021). Model-based Crack Width Estimation using Rectangle Transform. In 2021 17th International Conference on Machine Vision and Applications (MVA). IEEE. [Paper]

  • Benz, C., Debus, P., Ha, H.-K., & Rodehorst, V. (2019). Crack Segmentation on UAS-based Imagery using Transfer Learning. In Image and Vision Computing New Zealand (IVCNZ). [Paper]