Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning

Autores
Trujillo Jiménez, Magda Alexandra; Navarro, Jose Pablo; Gonzalez-Jose, Rolando
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En campos como la salud, la antropología, el deporte, el diseño de indumentaria y otros ámbitos relacionados, la obtención de medidas antropométricas precisas es esencial para diversas aplicaciones prácticas, abarcando desde la forma y el tamaño del cuerpo humano hasta la medición de perímetros y volúmenes.El avance de métodos basados en redes neuronales profundas y técnicas de Machine Learning ha revolucionado la capacidad para crear modelos tridimensionales precisos, especialmente en el análisis de mallas 3D, con un enfoque particular en cuerpos humanos. Se presentará una revisión exhaustiva de los avances más recientes en este campo, destacando los modelos y técnicas utilizados para la generación y análisis de mallas 3D aplicados a la reconstrucción antropométrica utilizando modelos basados en Deep Learning.Se abordarán métodos innovadores de segmentación y clasificación, así como técnicas para la estimación precisa de la pose y forma humana, enfatizando los modelos basados en Deep Learning que han simplificado estas tareas. Además, se compartirán resultados preliminares sobre la reconstrucción 3D de cuerpos humanos a partir de video, junto con una discusión sobre los desafíos continuos en términos de precisión y calidad de las reconstrucciones, así como la importancia de optimizar los recursos computacionales para avanzar en este campo prometedor.
Fil: Trujillo Jiménez, Magda Alexandra. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina
Fil: Navarro, Jose Pablo. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina
Fil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina
53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión
Bahia Blanca
Argentina
Sociedad Argentina de Informática
Universidad Nacional del Sur
Materia
3D
RECONSTRUCCIÓN CORPORAL
DEEP LEARNING
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/263257
Acceder
id CONICETDig_a300cabb11ee1ae12cc592990f40d696
oai_identifier_str oai:ri.conicet.gov.ar:11336/263257
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep LearningTrujillo Jiménez, Magda AlexandraNavarro, Jose PabloGonzalez-Jose, Rolando3DRECONSTRUCCIÓN CORPORALDEEP LEARNINGhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1En campos como la salud, la antropología, el deporte, el diseño de indumentaria y otros ámbitos relacionados, la obtención de medidas antropométricas precisas es esencial para diversas aplicaciones prácticas, abarcando desde la forma y el tamaño del cuerpo humano hasta la medición de perímetros y volúmenes.El avance de métodos basados en redes neuronales profundas y técnicas de Machine Learning ha revolucionado la capacidad para crear modelos tridimensionales precisos, especialmente en el análisis de mallas 3D, con un enfoque particular en cuerpos humanos. Se presentará una revisión exhaustiva de los avances más recientes en este campo, destacando los modelos y técnicas utilizados para la generación y análisis de mallas 3D aplicados a la reconstrucción antropométrica utilizando modelos basados en Deep Learning.Se abordarán métodos innovadores de segmentación y clasificación, así como técnicas para la estimación precisa de la pose y forma humana, enfatizando los modelos basados en Deep Learning que han simplificado estas tareas. Además, se compartirán resultados preliminares sobre la reconstrucción 3D de cuerpos humanos a partir de video, junto con una discusión sobre los desafíos continuos en términos de precisión y calidad de las reconstrucciones, así como la importancia de optimizar los recursos computacionales para avanzar en este campo prometedor.Fil: Trujillo Jiménez, Magda Alexandra. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; ArgentinaFil: Navarro, Jose Pablo. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; ArgentinaFil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y VisiónBahia BlancaArgentinaSociedad Argentina de InformáticaUniversidad Nacional del SurSociedad Argentina de Informática e Investigación Operativa2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectJornadaJournalhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/263257Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning; 53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión; Bahia Blanca; Argentina; 2024; 99-1042451-7496CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17881Nacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-10-15T14:36:47Zoai:ri.conicet.gov.ar:11336/263257instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-10-15 14:36:47.915CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning
title Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning
spellingShingle Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning
Trujillo Jiménez, Magda Alexandra
3D
RECONSTRUCCIÓN CORPORAL
DEEP LEARNING
title_short Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning
title_full Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning
title_fullStr Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning
title_full_unstemmed Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning
title_sort Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning
dc.creator.none.fl_str_mv Trujillo Jiménez, Magda Alexandra
Navarro, Jose Pablo
Gonzalez-Jose, Rolando
author Trujillo Jiménez, Magda Alexandra
author_facet Trujillo Jiménez, Magda Alexandra
Navarro, Jose Pablo
Gonzalez-Jose, Rolando
author_role author
author2 Navarro, Jose Pablo
Gonzalez-Jose, Rolando
author2_role author
author
dc.subject.none.fl_str_mv 3D
RECONSTRUCCIÓN CORPORAL
DEEP LEARNING
topic 3D
RECONSTRUCCIÓN CORPORAL
DEEP LEARNING
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv En campos como la salud, la antropología, el deporte, el diseño de indumentaria y otros ámbitos relacionados, la obtención de medidas antropométricas precisas es esencial para diversas aplicaciones prácticas, abarcando desde la forma y el tamaño del cuerpo humano hasta la medición de perímetros y volúmenes.El avance de métodos basados en redes neuronales profundas y técnicas de Machine Learning ha revolucionado la capacidad para crear modelos tridimensionales precisos, especialmente en el análisis de mallas 3D, con un enfoque particular en cuerpos humanos. Se presentará una revisión exhaustiva de los avances más recientes en este campo, destacando los modelos y técnicas utilizados para la generación y análisis de mallas 3D aplicados a la reconstrucción antropométrica utilizando modelos basados en Deep Learning.Se abordarán métodos innovadores de segmentación y clasificación, así como técnicas para la estimación precisa de la pose y forma humana, enfatizando los modelos basados en Deep Learning que han simplificado estas tareas. Además, se compartirán resultados preliminares sobre la reconstrucción 3D de cuerpos humanos a partir de video, junto con una discusión sobre los desafíos continuos en términos de precisión y calidad de las reconstrucciones, así como la importancia de optimizar los recursos computacionales para avanzar en este campo prometedor.
Fil: Trujillo Jiménez, Magda Alexandra. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina
Fil: Navarro, Jose Pablo. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina
Fil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina
53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión
Bahia Blanca
Argentina
Sociedad Argentina de Informática
Universidad Nacional del Sur
description En campos como la salud, la antropología, el deporte, el diseño de indumentaria y otros ámbitos relacionados, la obtención de medidas antropométricas precisas es esencial para diversas aplicaciones prácticas, abarcando desde la forma y el tamaño del cuerpo humano hasta la medición de perímetros y volúmenes.El avance de métodos basados en redes neuronales profundas y técnicas de Machine Learning ha revolucionado la capacidad para crear modelos tridimensionales precisos, especialmente en el análisis de mallas 3D, con un enfoque particular en cuerpos humanos. Se presentará una revisión exhaustiva de los avances más recientes en este campo, destacando los modelos y técnicas utilizados para la generación y análisis de mallas 3D aplicados a la reconstrucción antropométrica utilizando modelos basados en Deep Learning.Se abordarán métodos innovadores de segmentación y clasificación, así como técnicas para la estimación precisa de la pose y forma humana, enfatizando los modelos basados en Deep Learning que han simplificado estas tareas. Además, se compartirán resultados preliminares sobre la reconstrucción 3D de cuerpos humanos a partir de video, junto con una discusión sobre los desafíos continuos en términos de precisión y calidad de las reconstrucciones, así como la importancia de optimizar los recursos computacionales para avanzar en este campo prometedor.
publishDate 2024
dc.date.none.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Jornada
Journal
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/263257
Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning; 53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión; Bahia Blanca; Argentina; 2024; 99-104
2451-7496
CONICET Digital
CONICET
url http://hdl.handle.net/11336/263257
identifier_str_mv Avances en Reconstrucción 3D de Cuerpos Humanos mediante Deep Learning; 53° Jornadas Argentinas de Informática; Simposio Argentino de Imágenes y Visión; Bahia Blanca; Argentina; 2024; 99-104
2451-7496
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17881
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Sociedad Argentina de Informática e Investigación Operativa
publisher.none.fl_str_mv Sociedad Argentina de Informática e Investigación Operativa
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1846082836055982080
score 13.22299

Publicaciones similares