Dos trabajos de investigación, que son parte de las memorias de  títulos de los estudiantes del Departamento de Ciencias la Computación, Pablo Torres y Andrés Baloian, guiados por el profesor part-time del DCC José Manuel Saavedra y director de Imprese eCommerce Labs, fueron  aceptados en dos workshops de la International Conference on Computer Vision (CVPR), una de las más importantes conferencias en el área, que cubre visión por computadora, aprendizaje automático e inteligencia artificial, y que este año se realizará virtualmente la semana del 19 al 25 de junio.

“Compact and Effective Representations for Sketch-based Image Retrieval”, es el trabajo de desarrollado por Pablo Torres que fue aceptado en la conferencia on Computer Vision como “full-paper” en  la 1st Workshop on Sketch-Oriented Deep Learning (SketchDL). “En este trabajo presentamos una estrategia para reducir la dimensión del espacio de características inducido por modelos convolucionales en el contexto de sketch-based image retrieval. Observamos que los espacios de características actuales forman una topología local que puede ser aprovechada por métodos de reducción de dimensión que preserven la localidad”, explicó el profesor José M. Saavedra.

A su vez el profesor destacó que: “nuestros experimentos muestran que el uso de UMAP como método de reducción permite obtener espacios de baja dimensión, incrementando, además, la efectividad del método original. Este incremento en la efectividad se debe a que al preservar la localidad se extraen características relevantes a la vecindad de cada punto, descartando características ruidosas. Así, objetos que comparten una semántica similar tienden a ser atraídos entre sí”.

En tanto, “Scalable Visual Attribute Extraction through Hidden Layers of a Residual ConvNet”, desarrollado por Pablo Baloian (estudiante del DCC), Nils Murrugarra-Llerena (Investidor Snap Inc.) y José M. Saavedra (Director de Impresee eCommerce Labs y profesor del  DCC),  fue aceptado como “Extended Abstract” para ser presentado en el workshop LatinXinCV Research de CVPR-2021.

Los atributos visuales juegan un rol muy importante en aplicaciones basadas en recuperación de imágenes, como es el caso de los motores de búsqueda para eCommerce. La manera tradicional de afrontar la clasificación de atributos es entrenando una red CNN que se ajusta a un conjunto determinado de clases. Esta aproximación no escala a problemas donde los atributos de interés pueden cambiar con frecuencia. “En este trabajo proponemos un método para extraer atributos visuales de imágenes, particularmente como las que podemos encontrar en un eCommerce, aprovechando la capacidad que tienen las capas ocultas de una red convolucional, entrenada en un problema general, para aprender características visuales”, señaló el profesor del DCC.

Para finalizar, José M. Saavedra destacó la importancia de desarrollar investigación aplicada con estudiantes. “Creo que para hacer buena investigación se necesita contar con recursos humanos capacitados, con excelente capacidad intelectual, análisis crítico y argumentativo, que es justamente lo que necesitamos formar". Y agregó: “En estos tiempos, las y los profesionales tienen que ser competitivas/os a nivel mundial, por lo tanto, debemos formar profesionales que no teman entablar una discusión con sus pares de otros países. Cuanto antes las y los estudiantes participen de estos eventos, junto con investigadores, más seguridad y confianza tomarán al momento de enfrentar los desafíos profesionales que se les presenten”, concluyó.

--

Comunicaciones DCC