Avances en reconstrucción 3D de cuerpos humanos mediante Deep Learning

Autores
Trujillo-Jiménez, Magda Alexandra; Navarro, José Pablo; González-José, 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.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
3D
Reconstrucción corporal
Deep Learning
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:10915/178484
Acceder
id SEDICI_ebc7e071f3a580c4d8f3ce91595b4598
oai_identifier_str oai:sedici.unlp.edu.ar:10915/178484
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Avances en reconstrucción 3D de cuerpos humanos mediante Deep LearningTrujillo-Jiménez, Magda AlexandraNavarro, José PabloGonzález-José, RolandoCiencias Informáticas3DReconstrucción corporalDeep LearningEn 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.Sociedad Argentina de Informática e Investigación Operativa2024-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf99-104http://sedici.unlp.edu.ar/handle/10915/178484spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/17881info:eu-repo/semantics/altIdentifier/issn/2451-7496info: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:UNLP2025-10-22T17:28:38Zoai:sedici.unlp.edu.ar:10915/178484Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:28:39.242SEDICI (UNLP) - Universidad Nacional de La Platafalse
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
Ciencias Informáticas
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, José Pablo
González-José, Rolando
author Trujillo-Jiménez, Magda Alexandra
author_facet Trujillo-Jiménez, Magda Alexandra
Navarro, José Pablo
González-José, Rolando
author_role author
author2 Navarro, José Pablo
González-José, Rolando
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
3D
Reconstrucción corporal
Deep Learning
topic Ciencias Informáticas
3D
Reconstrucción corporal
Deep Learning
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.
Sociedad Argentina de Informática e Investigación Operativa
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 2024-08
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/178484
url http://sedici.unlp.edu.ar/handle/10915/178484
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
info:eu-repo/semantics/altIdentifier/issn/2451-7496
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
99-104
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_ 1846783771951497216
score 12.982451

Publicaciones similares