IMMERSE ‑ Förstärkt fjärrnärvaro och fjärrstyrning

IMMERSE strävar efter att omvandla fjärrstyrda handlingar med hjälp av tekniker för förstärkta och immersiva upplevelser, inriktade på regionens utmaningar. Målet är att förbättra tillgången till, och användningen av, specialiserad expertis i avlägsna områden, med fokus på hållbarhet och inkludering.

An image divided into two that shows a woman wearing a virtual reality headset in a comfortable office on the left and a humanoid robot with a hard hat working in a mine with a pickaxe on the right.

Projektets kärninnovation ligger i utvecklingen av avancerad digital bildbehandling, datorseende och förstärkt verklighet, som möjliggör anpassad information och immersiva upplevelser vid fjärrstyrning. Med en eller flera 360-graderskameror, fångar IMMERSE detaljerade scener av avlägsna platser och skapar användaren en känsla av fysisk närvaro och förmågan att virtuellt interagera med fjärrplatsen. Detta teknologiska språng är särskilt fördelaktigt för sektorer inom Auroraregionen som gruvdrift, skogsbruk och tillverkning, där det ökar driftseffektivitet, säkerhet och miljöhållbarhet genom att avsevärt minska behovet av resor.

Förväntade resultat i projektet inkluderar:

Skapande av proof-of-concept-demonstrationer på Technology Readiness Levels (TRL) 4, 5 och 6 för att visa teknikens förmåga att förbättra fjärrstyrda handlingar.
Bygga akademisk och professionell kompetens genom partnerskap med svenska och finska universitet.
Delning av projektinsikter genom forskningspublikationer för att berika kunskapsbasen inom akademi och industri.

IMMERSE bidrar till följande hållbarhetsmål.

Image not found

Aktuellt i projektet

A man with a green shirt is interviewing a man with a navy shirt

Sveriges Radio uppmärksammar Mittuniversitetets forskning om AI och fjärrstyrning

Forskning om hur artificiell intelligens och fjärrstyrning kan användas i praktiken uppmärksammas i Sveriges Radio P4 Västernorrland. I ett...

Forestmachine in the forest with digital symbols around

Industrin redo för immersiv fjärrstyrning – ny behovsanalys visar tydliga krav och möjligheter

En ny behovsanalys visar att skogsbruk, gruvdrift och tillverkningsföretag är redo att utveckla fjärrverksamhet med immersiva teknologier. Höga...

Six men stands up towards the camera an smiles.

Främjar framtidens distansarbete: IMMERSE-teamet samlades i Sundsvall

I början av december träffades IMMERSE:s forskargrupp vid Mittuniversitetet i Sundsvall för att gå igenom projektets framsteg, dela resultat...

A person stands at a podium and speaks with a presentation screen behind them.

Mårten Sjöström presenterade IMMERSE på CIVITs 10 års jubileum

Den 27 november firade Centre for Immersive Visual Technologies sitt 10-årsjubileum med ett evenemang fyllt av expertföreläsningar, demonstratio...

Mohammadreza vill förbättra med AI

Mohammadreza Shamshirgarha startade nyligen sina doktorandstudier vid Mittuniversitetet inom forskningsprojektet IMMERSE. Med en stark bakgrund...

Project members from Immerse met i Oulu University

Maskinseende ersätter expertnärvaro

Universitetet i Uleåborghar i samarbete med Mittuniversitetet utvecklat en ny typ av immersiv AR-applikation (augmented reality) som möjliggör utförande av uppgifter som kräver särskild expertis, såsom att reparera en enhet, utan närvaro av en expert. Läs nyheten från Univeristiy of Oulu. (Engelska)

Irida Shallari och Mårten Sjöström, TSG Tillverkarseminarium Uppsala

STCs forskningsprojekt presenterades på TSG - Tillverkarseminarium

Den 27–28 november samlade TSG:s tillverkarseminarium i Uppsala 80 deltagare för att diskutera skogsmaskinteknik och ta del av banbrytande...

Mårten Sjöström stand in the stairs at campus.

Lyssna på Mårten Sjöström i ABB:s podcast The Process Automation Podcast

Professor Mårten Sjöström medverkar i det senaste avsnittet av ABB:s podcast, Remote industrial operations – beyond distance. Lyssna på samtalet...

A group picture with eight people, one woman and the rest men.

Uppstart för nordiskt samarbete inom fjärrstyrning

Mittuniversitetet och University of Oulu i Finland startar ett nytt samarbete för att utveckla tekniker för förstärkt närvarokänsla...

Publikationer inom IMMERSE

Artiklar i tidskrifter

Hassan, A. , Zhang, T. , Egiazarian, K. & Sjöström, M. (2025). CR-DARTS: Channel Redistribution-Based Differentiable Architecture Search, in IEEE Access, vol. 13, pp. 201166-201182, 2025, doi: 10.1109/ACCESS.2025.3637375.

Takhtardeshir, S. , Olsson, R. , Guillemot, C. & Sjöström, M. (2026). DUALF-D : Disentangled dual-hyperprior approach for light field image compression. Signal processing. Image communication, vol. 140

Hassan, A. , Sjöström, M. , Zhang, T. & Egiazarian, K. (2025). REDARTS : Regressive Differentiable Neural Architecture Search for Exploring Optimal Light Field Disparity Estimation Network. IEEE Transactions on Emerging Topics in Computational Intelligence.

Takhtardeshir, S. , Olsson, R. , Guillemot, C. & Sjöström, M. (2025). Efficient and Fast Light Field Compression via VAE-Based Spatial and Angular Disentanglement. IEEE Access, vol. 13, pp. 18594-18607.

Alhawwary, A., Mustaniemi, J., Nguyen-Ha, P., & Heikkilä, J. (2025). An End-to-End Depth-Based Pipeline for Selfie Image Rectification. IEEE Transactions on Pattern Analysis and Machine Intelligence.

Konferensbidrag

Gond, M. , Zerman, E. , Shamshirgarha, M. , Knorr, S. & Sjöström, M. (2025). A Visual Quality of Experience Toolkit for Realistic Immersive Telepresence Applications. In 2025 17th International Conference on Quality of Multimedia Experience (QoMEX), Madrid, Spain, Sept 30 - Oct 3, 2025.

Gond, M. , Shamshirgarha, M. , Zerman, E. , Knorr, S. & Sjöström, M. (2025). Real-Time View Synthesis with Multiplane Image Network using Multimodal Supervision. In 2025 IEEE 27th International Workshop on Multimedia Signal Processing (MMSP), Beijing, China, Sept 21-23, 2025.

Zerman, E. , Takhtardeshir, S. , Trioux, A. , Qin, J. , Wu, W. , Olsson, R. & Sjöström, M. (2025). Subjective Visual Quality Assessment of Compressed Light Field Images:Learning-based vs. Conventional Methods. Paper presented at the MMSP, Paper presented at the MMSP

Hassan, A. , Zhang, T. , Egiazarian, K. & Sjöström, M. (2025). EPINET-Lite: Rethinking Mixed Convolutions for Efficient Light Field Disparity Estimation Network. In 2025 IEEE 27th International Workshop on Multimedia Signal Processing (MMSP), Beijing, China, Sept 21-23, 2025.

Mustaniemi, J., Liu, L., & Heikkilä, J. (2025). FaDeN: Fast Depth-Supervised NeRFs with RGB-D Cameras. In International Conference on Computer Analysis of Images and Patterns (pp. 341-352), Las Palmas, Spain, Sept 22-25, 2025.

Willingham, S. , Sjöström, M. & Guillemot, C. (2025). Maximum A Posteriori Training of Diffusion Models for Image Restoration. In 2025 33rd European Signal Processing Conference (EUSIPCO).. pp. 1882--1886.

Alhawwary, A., Mustaniemi, J., & Heikkilä, J. (2025, September). Synthesizing Images with Different Exposure Settings for Low-Light Image Enhancement. In International Conference on Computer Analysis of Images and Patterns (pp. 270-280), Las Palmas, Spain, Sept 22-25, 2025.