Busque entre los 157003 recursos disponibles en el repositorio
Mostrar el registro sencillo del ítem
dc.date.accessioned | 2024-04-15T16:01:32Z | |
dc.date.available | 2024-04-15T16:01:32Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | http://sedici.unlp.edu.ar/handle/10915/164827 | |
dc.description.abstract | Obtener datos etiquetados para el entrenamiento de redes neuronales en tareas de reconocimiento de lengua de señas es un desafío difícil y costoso. En este artículo investigamos la factibilidad de generar datos utilizando Generative Adversarial Networks (GAN), para mejorar el entrenamiento de redes neuronales. Específicamente, generamos imágenes de manos condicionando los modelos GAN con información semántica de poses y etiquetas. Comparamos los modelos ReACGAN y SPADE en la generación de nuevas imágenes de alta calidad. Evaluamos la generación de señas en dos conjuntos de datos: RWTH y HaGRID. Se entrenaron modelos generativos utilizando subconjuntos de tamaño reducido para probar el efecto de la reducción de datos de entrenamiento. Medimos la calidad de los modelos resultantes utilizando métricas cuantitativas (FID, IS, cobertura y densidad) y cualitativas (encuestas). Como resultado obtuvimos modelos GAN capaces de generar señas con un buen nivel de realismo que luego podrán ser utilizados para aumentar conjuntos de datos de lengua de señas. | es |
dc.format.extent | 18-26 | es |
dc.language | es | es |
dc.subject | Reconocimiento de señas | es |
dc.subject | Lengua de señas | es |
dc.subject | Red generativa antagónica | es |
dc.subject | SPADE | es |
dc.subject | ACGAN | es |
dc.subject | Estimación de pose | es |
dc.title | Generación de gestos de lengua de señas con redes neuronales generativas basadas en poses y etiquetas | es |
dc.type | Objeto de conferencia | es |
sedici.identifier.isbn | 978-987-9285-51-0 | es |
sedici.creator.person | Ríos, Gastón Gustavo | es |
sedici.creator.person | Dal Bianco, Pedro Alejandro | es |
sedici.creator.person | Ronchetti, Franco | es |
sedici.creator.person | Quiroga, Facundo Manuel | es |
sedici.creator.person | Stanchi, Oscar | es |
sedici.creator.person | Hasperué, Waldo | es |
sedici.subject.materias | Ciencias Informáticas | es |
sedici.description.fulltext | true | es |
mods.originInfo.place | Red de Universidades con Carreras en Informática | es |
mods.originInfo.place | Instituto de Investigación en Informática | es |
sedici.subtype | Objeto de conferencia | es |
sedici.rights.license | Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) | |
sedici.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | |
sedici.date.exposure | 2023-10 | |
sedici.relation.event | XXIX Congreso Argentino de Ciencias de la Computación (CACIC) (Luján, 9 al 12 de octubre de 2023) | es |
sedici.description.peerReview | peer-review | es |
sedici.relation.isRelatedWith | https://sedici.unlp.edu.ar/handle/10915/163107 | es |
sedici.relation.bookTitle | Libro de actas - XXIX Congreso Argentino de Ciencias de la Computación - CACIC 2023 | es |