Gan-based realistic face pose synthesis

• Ano de defesa: 2018
• Autor(a) principal: Souza, Douglas Matos de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul; Escola Politécnica; Brasil; PUCRS; Programa de Pós-Graduação em Ciência da Computação
• Palavras-chave em Português: Síntese de poses de faces; Aprendizado de máquina; Aprendizado profundo; Visão computacional; Redes geradoras adversárias; Face pose synthesis; Machine learning; Deep learning; Computer vision; Generative adversarial networks; CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
• Link de acesso: http://tede2.pucrs.br/tede2/handle/tede/9250

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.