Isaac Aguirre's Thesis Presentation

Title: Enhancing Feature Backprojection for Robust 3D Symmetry Detection

Abstract: La visión computacional y el Aprendizaje profundo han revolucionado la forma en las que las máquinas interpretan información visual. En el análisis de objetos 3D, la información del objeto está codificada como vectores de números, usualmente llamados descriptores, que capturan la geometría, patrones o texturas del objeto de la misma forma como los humanos perciben estas características a simple vista. La detección de simetrías es una tarea específica en la que mediante descriptores es posible detectar usando algoritmos o inteligencia artificial planos de simetrías en objetos 3D. Actualmente existe un método llamado retroproyección de características de imágenes o Feature Backprojection (FBP), el cual consiste en la captura de imágenes alrededor de un objeto 3D a las cuales mediante una red neuronal de visión computacional se les calculan descriptores que luego se envían de vuelta a la superficie del objeto. En el trabajo se proponen mejoras a la metodología de FBP, como lo son distribuir de forma más uniforme los puntos de captura de imágenes al objeto 3D, como también la rotación de estas imágenes para, de esta forma, obtener descriptores más robustos para la detección de simetrías. La finalidad es utilizar estos nuevos descriptores para detectar simetrías planares y axiales tanto para objetos normales como para objetos con alguna transformación geométrica, como lo son rotaciones, adición de ruido u extracción de partes.

Details

• Room: Ada Lovelace, West Building
• Date: Friday the 27th at 12:00 PM