Durante los días del 18 al 22 de junio del 2023, se desarrolló la conferencia del CVPR 2023, sobre visión por computador y reconocimiento de patrones 2023 en el centro de convenciones de la ciudad de Vancouver – Canadá, en dicha conferencia se aceptaron 2359 artículos de 9155, entre los aceptados se encontraban 3 artículos presentados por investigadores del CIDIS.
El Centro de Investigación, Desarrollo e Innovación de Sistemas Computacionales (CIDIS) en representación de ESPOL asistió a dicha conferencia a través de los investigadores: PhD. Boris Vintimilla, PhD. Angel Sappa y PhD. Rafael Rivadeneira, quienes participaron en la presentación de los artículos descritos a continuación:
“Thermal Image Super-Resolution Challenge Results - PBVS 2023”
En este artículo se presentan los resultados de dos pistas del cuarto desafío de Superresolución de Imágenes Térmicas (TISR). La pista 1 utiliza el mismo conjunto de datos térmicas de los desafíos anteriores, con 951 imágenes de entrenamiento y 50 imágenes de validación en cada resolución, se realizaron dos evaluaciones: la primera consiste en generar una imagen SR de una imagen con ruido térmico HR reducida por cuatro, y la segunda consiste en generar una imagen SR a partir de una imagen de resolución media y compararla con su semi-registrada Imagen HR (adquirida con otra cámara). Los resultados de la pista 1 superó a los del desafío del año pasado. La pista 2 utiliza un nuevo conjunto de datos adquiridos que consiste en 160 imágenes visibles y térmicas registradas del mismo escenario para el entrenamiento y 30 imágenes de validación. y 30 imágenes de validación. Este año más de 150 equipos participaron en las pistas del reto, lo que demuestra el interés constante de la comunidad por este tema.
“Multi-modal Aerial View Image Challenge: Translation from Synthetic Aperture Radar to Electro-Optical Domain Results - PBVS 2023”
El objetivo principal de este concurso es estimular la investigación de modelos capaces de traducir imágenes coalineadas entre múltiples modalidades. Para realizar la traducción de imágenes, el concurso utiliza imágenes obtenidas tanto por radar de apertura sintética (SAR) y de fuentes electro-ópticas (EO). En concreto, el reto se centra en la traducción de la modalidad SAR a la modalidad EO, un área de investigación que ha acaparado atención. El conjunto de datos utilizado en este reto es que procede de la base de datos UNIfied COincident Optical and Radar por reconocimiento (UNICORN). Se presenta una nueva versión del conjunto de datos UNICORN que se centra en permitir la tarea de traducción de sensores. La evaluación del rendimiento se realiza utilizando una combinación de medidas para garantizar traducciones de alta fidelidad y precisión.
“Multi-modal Aerial View Object Classification Challenge Results - PBVS 2023”
Este artículo presenta las conclusiones y los resultados de la tercera edición del desafío de Clasificación de Objetos de Vista Aérea Multimodal (MAVOC) de manera detallada y exhaustiva. El reto consta de dos pistas, el objetivo principal de ambas es fomentar la investigación sobre la creación de modelos de reconocimiento que utilicen tanto el radar de apertura sintética (SAR) y electroópticas (EO). Se destacan dos tareas: Clasificación SAR y clasificación SAR + EO. Además, para medir la precisión de los modelos, también se introduce fuera de distribución medidas para fomentar la solidez del modelo. La mayor parte de este trabajo está dedicada a discutir los Métodos de alto rendimiento y evaluación de su rendimiento. Cabe destacar que los diez primeros equipos superaron la línea de base de Resnet-50. La mejor de clasificación SAR consiguió una mejora del 173%, mientras que el mejor equipo en clasificación SAR+ EO logró una mejora del 175%.
 |
 |
 |