Campo DC | Valor | Idioma |
dc.contributor.advisor | Ruiz, Duncan Dubugras Alcoba | |
dc.contributor.author | Souza, Douglas Matos de | |
dc.date.accessioned | 2020-10-09T12:04:00Z | - |
dc.date.available | 2020-10-09T12:04:00Z | - |
dc.date.issued | 2018 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10923/16729 | - |
dc.description.abstract | Em visão computacional, o processamento de imagens de faces vem acompanhado de uma série de complexidades. Exemplos incluem a variação de pose, luz, expressão facial, e maquiagem. Embora todos os aspectos sejam considerados importantes, o que apresenta o maior impacto em sistemas de visão computacional que trabalham com faces é a variação de pose. Em reconhecimento facial, por exemplo, há muito tempo em que se deseja um método capaz de transformar imagens de faces para a mesma pose, geralmente, uma visão frontal, de modo a facilitar o reconhecimento. A síntese de diferentes visões de um rosto é um grande desafio, principalmente porque em visões não-frontais há uma perda de informação quando um lado da face obstrui o outro. Vários métodos para resolver a síntese de pose de faces foram propostos, mas os resultados geralmente deixam a desejar detalhes realísticos. Neste trabalho, nós apresentamos novos métodos que aprimoram os resultados em relação aos anteriores, apresentando uma maior qualidade na síntese de poses de faces. | pt_BR |
dc.description.abstract | In computer vision, processing face images are accompanied by a series of complexities. Examples include variation of pose, light, face expression, and make up. Although all aspects are considered important, the one that impacts the most face-related computer vision systems is pose. In face recognition, for example, it has been long desired to have a method capable of bringing faces to the same pose, usually a frontal view, in order to ease recognition. Synthesizing different views of a face is a great challenge, mostly because in non-frontal face images there are loss of information when one side of the face occludes the other (also known as self-occlusion). Several methods to address face pose synthesis were proposed, but the results usually miss a realistic finish. In this work, we present novel methods that improve on the previous ones, showing higher synthesis quality. | en_US |
dc.language.iso | Português | pt_BR |
dc.publisher | Pontifícia Universidade Católica do Rio Grande do Sul | pt_BR |
dc.rights | openAccess | en_US |
dc.subject | INTELIGÊNCIA ARTIFICIAL | pt_BR |
dc.subject | APRENDIZADO DO COMPUTADOR | pt_BR |
dc.subject | VISÃO POR COMPUTADOR | pt_BR |
dc.subject | INFORMÁTICA | pt_BR |
dc.title | Gan-based realistic face pose synthesis | pt_BR |
dc.type | masterThesis | pt_BR |
dc.degree.grantor | Pontifícia Universidade Católica do Rio Grande do Sul | pt_BR |
dc.degree.department | Faculdade de Informática | pt_BR |
dc.degree.program | Programa de Pós-Graduação em Ciência da Computação | pt_BR |
dc.degree.level | Mestrado | pt_BR |
dc.degree.date | 2018 | pt_BR |
dc.publisher.place | Porto Alegre | pt_BR |
Aparece nas Coleções: | Dissertação e Tese
|