Dr. Gerard Pons-Moll wurde zum Sommersemser 2021 auf die Professur für Kontinuierliches Lernen auf Multimodalen Datenströmen an der Mathematisch-Naturwissenschaftlichen Fakultät berufen. Die Professur wird von der Carl-Zeiss-Stiftung gefördert.
Pons-Moll studierte Telekommunikationstechnik an der Technical University of Catalonia (UPC) und promovierte 2014 an der Leibniz Universität Hannover in Computer Vision. Von 2007 bis 2008 arbeitete er an der Northeastern University in Boston im Bereich der medizinischen Bildanalyse. 2012 war er Gastwissenschaftler an der University of Toronto und forschte zudem bei Microsoft Research Cambridge. Von 2013 bis 2017 arbeitete er erst als Postdoc und danach als wissenschaftlicher Mitarbeiter am Max-Planck-Institut für Intelligente Systeme in Tübingen. Seit 2017 ist er „Senior Researcher“ am Max-Planck-Institut für Informatik (MPII) in Saarbrücken und leitet seit 2018 die Emmy Noether-Forschungsgruppe „Real Virtual Humans“.
Seine Forschung liegt an der Schnittstelle zwischen Computer Vision, Computergrafik und maschinellem Lernen. Pons-Moll und seine Forschungsgruppe entwickeln Rechenalgorithmen, um virtuelle Menschenmodelle zu erstellen und um Maschinen zu trainieren, Menschen aus visuellen Daten zu erkennen. Er hat einige der fortschrittlichsten statistischen menschlichen Körpermodelle, sowie wegweisende Algorithmen zum Rekonstruieren von 3D-Personenmodellen entwickelt. Aktuelle Computer-Vision-Algorithmen können Menschen in Bildern erkennen. Menschen sind jedoch weitaus komplexer - sie erkennen mühelos den emotionalen Zustand anderer Menschen anhand von Gesichtsausdrücken und Körperbewegungen, oder sie stellen Vermutungen über die Vorlieben von Menschen an, basierend auf der Kleidung, die sie tragen. Das Ziel seiner Forschungsgruppe "Real Virtual Humans" ist es, virtuelle Menschen zu bauen, die wie echte Menschen aussehen, sich bewegen und schließlich auch denken.
Seine Arbeit wurde mehrfach ausgezeichnet, unter anderem mit dem renommierten Emmy Noether Grant (2018), einem Google Faculty Research Award (2019) und mit dem Deutschen Mustererkennungspreis (2019).
Alisa Koch