Integración escalable de realidad aumentada basada en imágenes y rostros

Autores
Mangiarua, Nahuel Adiel
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Ierache, Jorge Salvador
Abásolo Guerrero, María José
Descripción
La Realidad Aumentada (RA) consiste en la creación de un entorno en el que la información y los objetos virtuales se fusionan con la realidad, ofreciendo al usuario una experiencia enriquecida sin interferir con su percepción natural. Esta tesis se centra en la integración de dos tipos particulares de aumentación de la realidad: la basada en imágenes arbitrarias y la basada en rostros humanos, e incluyendo en esta última el reconocimiento facial de individuos y la estimación de parámetros biométricos. Se persigue por una parte la escalabilidad, en el sentido de no tener una limitación en la cantidad de objetivos de aumentación (imágenes o rostros) almacenados en una base de datos, y por otra parte, la independencia de servicios externos en línea a la hora de la explotación. Se propone utilizar descriptores de rostros con ciertas similitudes morfológicas a otros populares descriptores de imágenes. Esta similitud permite tratarlos como un mismo problema. Dado que el cuello de botella identificado en el proceso de RA es la búsqueda de correspondencias, es decir la búsqueda de una imagen o rostro en la base de datos, se propone obtener escalabilidad mediante el uso de algoritmos avanzados de búsqueda aproximada de vecinos más cercanos o ANN. Se realizan estudios cuantitativos de desempeño de diversas implementaciones de algoritmos ANN utilizando un nuevo esquema de evaluación. Como resultado se establece a HNSW como el algoritmo más apropiado para la tarea. Se consigue diseñar, implementar y evaluar una arquitectura integrada y escalable de RA basada en imágenes y reconocimiento de rostros con inferencia biométrica, basada en procesamiento paralelo y asíncrono.
Augmented Reality (AR) consists in the creation of an environment in which information and virtual elements fuse with the physical reality. It offers the user an enriched experience without interfering with its natural perception. This thesis develops around the scalable integration of two types of augmentation: arbitrary image based augmentation and face based augmentation with recognition capabilities and estimation of biometric parameters. It is intended to increase the scalability, that is the number of augmentation targets (images or faces) that a single application can have in its database, and to process without relying on an external online service during the exploitation phase. It is proposed the use of face descriptors with certain morphological similarities to other popular image descriptors. This similarity allows turning the bottlenecks of both image and face based processes into the same problem. Given that the bottleneck identified in the AR process is the search for matches, that is, the search for an image or face in the database, it is proposed to obtain scalability through the use of advanced Approximate Nearest Neighbor (ANN) search algorithms. A series of quantitative performance studies over several ANN algorithms are carried out using a novel benchmarking scheme designed for this particular context. In contrast with other state-of-theart studies HSNW results in the best alternative. The design, prototype implementation and evaluation of an scalable architecture that makes use of parallel and asynchronous execution to achieve scalable augmentation of images, face recognition and biometric inference are presented.
Doctor en Ciencias Informáticas
Universidad Nacional de La Plata
Facultad de Informática
Materia
Ciencias Informáticas
Realidad aumentada
Imágenes
Rostros
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/111301

id SEDICI_7e63585476ee0a94708820187d8c3964
oai_identifier_str oai:sedici.unlp.edu.ar:10915/111301
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Integración escalable de realidad aumentada basada en imágenes y rostrosScalable integration of image and face based augmented realityMangiarua, Nahuel AdielCiencias InformáticasRealidad aumentadaImágenesRostrosLa Realidad Aumentada (RA) consiste en la creación de un entorno en el que la información y los objetos virtuales se fusionan con la realidad, ofreciendo al usuario una experiencia enriquecida sin interferir con su percepción natural. Esta tesis se centra en la integración de dos tipos particulares de aumentación de la realidad: la basada en imágenes arbitrarias y la basada en rostros humanos, e incluyendo en esta última el reconocimiento facial de individuos y la estimación de parámetros biométricos. Se persigue por una parte la escalabilidad, en el sentido de no tener una limitación en la cantidad de objetivos de aumentación (imágenes o rostros) almacenados en una base de datos, y por otra parte, la independencia de servicios externos en línea a la hora de la explotación. Se propone utilizar descriptores de rostros con ciertas similitudes morfológicas a otros populares descriptores de imágenes. Esta similitud permite tratarlos como un mismo problema. Dado que el cuello de botella identificado en el proceso de RA es la búsqueda de correspondencias, es decir la búsqueda de una imagen o rostro en la base de datos, se propone obtener escalabilidad mediante el uso de algoritmos avanzados de búsqueda aproximada de vecinos más cercanos o ANN. Se realizan estudios cuantitativos de desempeño de diversas implementaciones de algoritmos ANN utilizando un nuevo esquema de evaluación. Como resultado se establece a HNSW como el algoritmo más apropiado para la tarea. Se consigue diseñar, implementar y evaluar una arquitectura integrada y escalable de RA basada en imágenes y reconocimiento de rostros con inferencia biométrica, basada en procesamiento paralelo y asíncrono.Augmented Reality (AR) consists in the creation of an environment in which information and virtual elements fuse with the physical reality. It offers the user an enriched experience without interfering with its natural perception. This thesis develops around the scalable integration of two types of augmentation: arbitrary image based augmentation and face based augmentation with recognition capabilities and estimation of biometric parameters. It is intended to increase the scalability, that is the number of augmentation targets (images or faces) that a single application can have in its database, and to process without relying on an external online service during the exploitation phase. It is proposed the use of face descriptors with certain morphological similarities to other popular image descriptors. This similarity allows turning the bottlenecks of both image and face based processes into the same problem. Given that the bottleneck identified in the AR process is the search for matches, that is, the search for an image or face in the database, it is proposed to obtain scalability through the use of advanced Approximate Nearest Neighbor (ANN) search algorithms. A series of quantitative performance studies over several ANN algorithms are carried out using a novel benchmarking scheme designed for this particular context. In contrast with other state-of-theart studies HSNW results in the best alternative. The design, prototype implementation and evaluation of an scalable architecture that makes use of parallel and asynchronous execution to achieve scalable augmentation of images, face recognition and biometric inference are presented.Doctor en Ciencias InformáticasUniversidad Nacional de La PlataFacultad de InformáticaIerache, Jorge SalvadorAbásolo Guerrero, María José2020-12-18info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionTesis de doctoradohttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/111301https://doi.org/10.35537/10915/111301spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:25:40Zoai:sedici.unlp.edu.ar:10915/111301Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:25:41.097SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Integración escalable de realidad aumentada basada en imágenes y rostros
Scalable integration of image and face based augmented reality
title Integración escalable de realidad aumentada basada en imágenes y rostros
spellingShingle Integración escalable de realidad aumentada basada en imágenes y rostros
Mangiarua, Nahuel Adiel
Ciencias Informáticas
Realidad aumentada
Imágenes
Rostros
title_short Integración escalable de realidad aumentada basada en imágenes y rostros
title_full Integración escalable de realidad aumentada basada en imágenes y rostros
title_fullStr Integración escalable de realidad aumentada basada en imágenes y rostros
title_full_unstemmed Integración escalable de realidad aumentada basada en imágenes y rostros
title_sort Integración escalable de realidad aumentada basada en imágenes y rostros
dc.creator.none.fl_str_mv Mangiarua, Nahuel Adiel
author Mangiarua, Nahuel Adiel
author_facet Mangiarua, Nahuel Adiel
author_role author
dc.contributor.none.fl_str_mv Ierache, Jorge Salvador
Abásolo Guerrero, María José
dc.subject.none.fl_str_mv Ciencias Informáticas
Realidad aumentada
Imágenes
Rostros
topic Ciencias Informáticas
Realidad aumentada
Imágenes
Rostros
dc.description.none.fl_txt_mv La Realidad Aumentada (RA) consiste en la creación de un entorno en el que la información y los objetos virtuales se fusionan con la realidad, ofreciendo al usuario una experiencia enriquecida sin interferir con su percepción natural. Esta tesis se centra en la integración de dos tipos particulares de aumentación de la realidad: la basada en imágenes arbitrarias y la basada en rostros humanos, e incluyendo en esta última el reconocimiento facial de individuos y la estimación de parámetros biométricos. Se persigue por una parte la escalabilidad, en el sentido de no tener una limitación en la cantidad de objetivos de aumentación (imágenes o rostros) almacenados en una base de datos, y por otra parte, la independencia de servicios externos en línea a la hora de la explotación. Se propone utilizar descriptores de rostros con ciertas similitudes morfológicas a otros populares descriptores de imágenes. Esta similitud permite tratarlos como un mismo problema. Dado que el cuello de botella identificado en el proceso de RA es la búsqueda de correspondencias, es decir la búsqueda de una imagen o rostro en la base de datos, se propone obtener escalabilidad mediante el uso de algoritmos avanzados de búsqueda aproximada de vecinos más cercanos o ANN. Se realizan estudios cuantitativos de desempeño de diversas implementaciones de algoritmos ANN utilizando un nuevo esquema de evaluación. Como resultado se establece a HNSW como el algoritmo más apropiado para la tarea. Se consigue diseñar, implementar y evaluar una arquitectura integrada y escalable de RA basada en imágenes y reconocimiento de rostros con inferencia biométrica, basada en procesamiento paralelo y asíncrono.
Augmented Reality (AR) consists in the creation of an environment in which information and virtual elements fuse with the physical reality. It offers the user an enriched experience without interfering with its natural perception. This thesis develops around the scalable integration of two types of augmentation: arbitrary image based augmentation and face based augmentation with recognition capabilities and estimation of biometric parameters. It is intended to increase the scalability, that is the number of augmentation targets (images or faces) that a single application can have in its database, and to process without relying on an external online service during the exploitation phase. It is proposed the use of face descriptors with certain morphological similarities to other popular image descriptors. This similarity allows turning the bottlenecks of both image and face based processes into the same problem. Given that the bottleneck identified in the AR process is the search for matches, that is, the search for an image or face in the database, it is proposed to obtain scalability through the use of advanced Approximate Nearest Neighbor (ANN) search algorithms. A series of quantitative performance studies over several ANN algorithms are carried out using a novel benchmarking scheme designed for this particular context. In contrast with other state-of-theart studies HSNW results in the best alternative. The design, prototype implementation and evaluation of an scalable architecture that makes use of parallel and asynchronous execution to achieve scalable augmentation of images, face recognition and biometric inference are presented.
Doctor en Ciencias Informáticas
Universidad Nacional de La Plata
Facultad de Informática
description La Realidad Aumentada (RA) consiste en la creación de un entorno en el que la información y los objetos virtuales se fusionan con la realidad, ofreciendo al usuario una experiencia enriquecida sin interferir con su percepción natural. Esta tesis se centra en la integración de dos tipos particulares de aumentación de la realidad: la basada en imágenes arbitrarias y la basada en rostros humanos, e incluyendo en esta última el reconocimiento facial de individuos y la estimación de parámetros biométricos. Se persigue por una parte la escalabilidad, en el sentido de no tener una limitación en la cantidad de objetivos de aumentación (imágenes o rostros) almacenados en una base de datos, y por otra parte, la independencia de servicios externos en línea a la hora de la explotación. Se propone utilizar descriptores de rostros con ciertas similitudes morfológicas a otros populares descriptores de imágenes. Esta similitud permite tratarlos como un mismo problema. Dado que el cuello de botella identificado en el proceso de RA es la búsqueda de correspondencias, es decir la búsqueda de una imagen o rostro en la base de datos, se propone obtener escalabilidad mediante el uso de algoritmos avanzados de búsqueda aproximada de vecinos más cercanos o ANN. Se realizan estudios cuantitativos de desempeño de diversas implementaciones de algoritmos ANN utilizando un nuevo esquema de evaluación. Como resultado se establece a HNSW como el algoritmo más apropiado para la tarea. Se consigue diseñar, implementar y evaluar una arquitectura integrada y escalable de RA basada en imágenes y reconocimiento de rostros con inferencia biométrica, basada en procesamiento paralelo y asíncrono.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-18
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
Tesis de doctorado
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/111301
https://doi.org/10.35537/10915/111301
url http://sedici.unlp.edu.ar/handle/10915/111301
https://doi.org/10.35537/10915/111301
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616134398050304
score 13.070432