Die preisgekrönte Arbeit beschreibt die Wiederherstellung von 31-Kanal-Hyperspektralinformationen aus 3-Kanal-RGB-Bildern natürlicher Szenen. Trotz der extremen Reduktion der Dimensionalität von 31:3 bei der Projektion von hyperspektralen Informationen zu RGB erlaubt es das vorgestellte Verfahren, bei einer Vielzahl von Szenen die Hyperspektraldaten mit einer Genauigkeit von 90 bis 95 % aus den RGB-Daten zu gewinnen. 

Hyperspektrale (HS) Imaging-Systeme können die komplette Spektralsignatur erfassen, die von jedem Punkt einer Szene reflektiert wird. Dadurch entsteht ein wesentlich detaillierteres Spektralbild, als mit Hilfe von RGB-Kameras möglich ist. Bis vor kurzem haben sich wissenschaftliche und industrielle Anwendungen, die auf hyperspektrale Bildinformationen angewiesen sind, fast ausschließlich auf die bekannte Technologie der hyperspektralen Scanning-Systeme verlassen. Diese Systeme sind jedoch teuer, unhandlich und benötigen oft bis zu einer Minute für die vollständige Aufnahme einer Szene. Ein Ersatz dieser Systeme durch kostengünstige, kompakte und schnelle RGB-Kameras würde in vielen Anwendungsgebieten interessante neue Möglichkeiten eröffnen.

Der 32 jährige Arad erhielt seinen Bachelor of Science (B.Sc.) in Informatik 2012 von der Ben-Gurion University of the Negev (BGU). Auf dem beschleunigten Weg zu einem Doktortitel am BGU Interdisciplinary Computational Vision Laboratory (ICVL) erhielt er 2014 seinen Mastertitel (M.Sc.) und hofft im Jahr 2018 seine Promotion abzuschließen. Zusätzlich zu seinem Studium ist Boaz derzeit als CTO des Startup-Unternehmens „HC-Vision" tätig.

Der EMVA Young Professional Award ist ein jährlich ausgelobter Preis, der die außergewöhnliche und innovative Arbeit Studierender oder Berufseinsteiger in der Bildverarbeitung honoriert. Ziel der European Machine Vision Association (EMVA) ist es, Innovation in der Bildverarbeitung weiter zu fördern, einen Beitrag zur Ausbildung in der Bildverarbeitungsdisziplin zu leisten sowie eine Brücke zwischen Forschung und Industrie zu bilden.