Encontrando correspondências entre representações de diferentes domínios usando combinações de características não-supervisionadas

• Processo: 19/02808-1
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 17 de julho de 2019
• Data de Término da vigência: 16 de julho de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Moacir Antonelli Ponti
• Beneficiário: Leo Sampaio Ferraz Ribeiro
• Supervisor: John Collomosse
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: University of Surrey, Inglaterra
• Vinculado à bolsa: 17/22366-8 - Redes geradoras e aprendizado de características para busca entre domínios visuais, BP.DD
• Assunto(s): Recuperação de imagens Visão computacional Aprendizagem profunda Redes neurais convolucionais
• Palavra(s)-Chave do Pesquisador: Convolutional Neural Networks | Deep Learning | Feature Learning | Generative Adversarial Networks | unsupervised learning | Visão Computacional

Resumo

Avanços atuais na área de recuperação de imagens entre domínios são bastante dependentes na disponibilidade de grandes quantidades de dados anotados. Neste projeto desejamos explorar o uso e desenvolvimento de métodos não-supervisionados de aprendizado de características que possam superar a lacuna natural que há entre domínios diferentes. Estamos particularmente interessados em representações inferidas por variantes das Redes Geradoras Adversariais (GANs) e como os pesos aprendidos por autoencoders podem ser usados como uma representação concreta da lacuna mencionada. Esperamos que ambos estudos levem ao desenvolvimento de novos métodos de combinação de características não-supervisionados e de recuperação de imagens entre domínios no estado da arte. (AU)

Publicações científicas

(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)

FERRAZ RIBEIRO, LEO SAMPAIO; BUI, TU; COLLOMOSSE, JOHN; PONTI, MOACIR; IEEE COMP SOC. Scene Designer: a Unified Model for Scene Search and Synthesis from Sketch. 2021 IEEE/CVF INTERNATIONAL CONFERENCE ON COMPUTER VISION WORKSHOPS (ICCVW 2021), v. N/A, p. 10-pg., 2021-01-01. (19/02808-1, 17/22366-8, 19/07316-0)

SAMPAIO FERRAZ RIBEIRO, LEO; BUI, TU; COLLOMOSSE, JOHN; PONTI, MOACIR. Scene designer: compositional sketch-based image retrieval with contrastive learning and an auxiliary synthesis task. MULTIMEDIA TOOLS AND APPLICATIONS, v. N/A, p. 23-pg., 2022-12-20. (19/02808-1, 17/22366-8, 19/07316-0)