Coerência espaço-temporal e de características a partir de dados heterogêneos

• Processo: 18/05668-3
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de maio de 2018
• Data de Término da vigência: 30 de abril de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Anderson de Rezende Rocha
• Beneficiário: Bahram Lavi Sefidgari
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 17/12646-3 - Déjà vu: coerência temporal, espacial e de caracterização de dados heterogêneos para análise e interpretação de integridade, AP.TEM
• Assunto(s): Visão computacional Aprendizado computacional Forense digital
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | forense digital | Visão Computacional | Computação Forense Digital

Resumo

Nesta pesquisa, procuramos principalmente responder à questão de como sincronizar diferentes fontes de informação (conteúdos de textos, posts, imagens e vídeos) em uma forma abrangente e coerente de espaço-tempo para posterior inferência, um problema a que nos referimos como coerência X. Esta questão é precisamente a questão de pesquisa número 1 (Q1) do projeto de pesquisa temático DéjàVu. Os resultados finais esperados são métodos para se obter a coerência X e combinar diferentes informações em de uma forma abrangente para inferência e interpretação, bem como soluções para transformar fontes de informação heterogêneas em uma representação unificada de características.

Publicações científicas

(6)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

RODRIGUES, CAROLINE MAZINI; SORIANO-VARGAS, AUREA; LAVI, BAHRAM; ROCHA, ANDERSON; DIAS, ZANONI. Manifold Learning for Real-World Event Understanding. IEEE Transactions on Information Forensics and Security, v. 16, p. 2957-2972, 2021. (18/16548-9, 18/16214-3, 17/16246-0, 15/11937-9, 18/05668-3, 13/08293-7, 17/12646-3, 17/16871-1)

PEIXOTO, BRUNO M.; LAVI, BAHRAM; DIAS, ZANONI; ROCHA, ANDERSON. Harnessing high-level concepts, visual, and auditory features for violence detection in videos. JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, v. 78, JUL 2021. (17/12646-3, 18/05668-3)

LAVI, BAHRAM; NASCIMENTO, JOSE; ROCHA, ANDERSON; IEEE. SEMI-SUPERVISED FEATURE EMBEDDING FOR DATA SANITIZATION IN REAL-WORLD EVENTS. 2021 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP 2021), v. N/A, p. 5-pg., 2021-01-01. (17/12646-3, 20/02241-9, 18/05668-3)

PADILHA, RAFAEL; ANDALO, FERNANDA A.; LAVI, BAHRAM; PEREIRA, LUIS A. M.; ROCHA, ANDERSON. Temporally sorting images from real-world events. PATTERN RECOGNITION LETTERS, v. 147, p. 212-219, JUL 2021. (17/21957-2, 18/16548-9, 18/05668-3, 17/12646-3)

PEIXOTO, BRUNO; LAVI, BAHRAM; BESTAGINI, PAOLO; DIAS, ZANONI; ROCHA, ANDERSON; IEEE. MULTIMODAL VIOLENCE DETECTION IN VIDEOS. 2020 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, v. N/A, p. 5-pg., 2020-01-01. (18/05668-3, 17/12646-3)

VEGA-OLIVEROS, DIDIER A.; NASCIMENTO, JOSE; LAVI, BAHRAM; ROCHA, ANDERSON. Real-world-events data sifting through ultra-small labeled datasets and graph fusion. APPLIED SOFT COMPUTING, v. 132, p. 17-pg., 2023-01-01. (17/12646-3, 20/02241-9, 19/26283-5, 18/05668-3)