Das Forschungsprogramm der Arbeitsgruppe ‚Computational Vision and Neuroscience‘ (CVN) lässt sich mit zwei Grundfragen zusammenfassen, die bereits Hermann von Helmholtz (1867, 1878) formulierte: „Welche Prinzipien bestimmen, wie das visuelle System Schlussfolgerungen aus einem Bild zieht?  Wie werden die Bildinformationen genutzt um solche Schlussfolgerungen zu treffen?“ Eine grundlegende Schwierigkeit beim Versuch, das Sehen in biologischen Systemen zu verstehen, besteht darin, dass die zu Grunde liegenden Inferenzleistungen äußerst komplex sind – dies ist sowohl  im Verhalten als auch auf neuronaler Ebene beobachtbar. Diese Komplexität ergibt sich vor allem durch die große Anzahl an Freiheitsgraden im sensorischen Eingabesignal und in den neuronalen Antworten. 
 
Mithilfe von Methoden der Lerntheorie,  der Signalverarbeitung, der nicht-linearen Dynamik und der Optimierungstheorie werden Probleme der perzeptuellen Inferenz von natürlichen Bildern und die neuronale Basis der Verarbeitung auf drei verschiedenen Ebenen untersucht:

• Entwicklung von mathematischen generativen Modellen natürlicher Bilder und Bildtransformationen mit Hilfe von unüberwachtem Lernen.  Ein besonderer Schwerpunkt liegt dabei auf dem quantitativen Vergleich solcher Bildmodelle.

• Durchführung psychophysischer Studien um festzustellen, wie gut die Variablen der mathematischen Bildmodelle auch die tatsächlich wahrnehmbaren Änderungen in natürlichen Bildern beschreiben.

• Entwicklung von neuen effizienten Methoden, um Spike-Antworten von Neuronen auf natürliche Stimuli vorherzusagen. Ziel ist den Beitrag dieser Neurone hinsichtlich der Bildverarbeitung im frühen visuellen System zu erschließen.