A Próxima Fronteira do DEEP LEARNING | Representações de Dados 3D | Diário de Pesquisa #15

No Diário de Pesquisa de hoje, Hallison fala sobre a próxima fronteira explorada com Deep Learning: o aprendizado com dados 3D. Neste vídeo, damos uma introdução à ideia de machine learning na computação gráfica apresentando algumas das possíveis representações de dados 3D para redes neurais.
🔥 Faça parte, gratuitamente, da comunidade Programação Mais Dinâmica: bit.ly/pgsparkle (baixe o app e entre na comunidade)
Em seu doutorado no IMPA, Hallison está estudando alguns tópicos de machine learning voltados para novas mídias - aplicações que podem ainda vir a existir ou se popularizar com o avanço das tecnologias de computação gráfica. Já presenciamos enormes avanços no campo da inteligência artificial a partir da aplicação de técnicas de deep learning a conteúdos como textos, áudios, imagens e até mesmo vídeos. Em particular, na computação visual, resultados como reconhecimento facial, segmentação semântica, detecção e objetos e deep fakes, estão em níveis bem impressionantes e gerando novas aplicações ao redor do mundo.
As imagens, no entanto, enquanto representações visuais em 2D, são amostras da realidade que simplificam bastante o nosso mundo. Assim, perdemos dados importantes que existem na cena e que poderiam ser utilizados para construir novas soluções e algoritmos inteligentes. Para iniciar essa discussão de como processar dados 3D, Hallison apresenta algumas representações possíveis para esses dados, mostrando que a adição de uma outra dimensão ao problema aumenta bastante a complexidade das abordagens. Para citar algumas, temos: nuvens de pontos, multiview, RGB-D, voxels, malhas poligonais e funções implícitas.
Confira a playlist Diário de Pesquisa e acompanhe conteúdos de divulgação científica e a jornada de um cientista em formação no doutorado no Instituto de Matemática Pura e Aplicada (IMPA): • Diário de Pesquisa
- Vídeos Relacionados
1.Explorando REDES NEURAIS em 3D • Explorando REDES NEURA...
2. O PODER das Redes Neurais de GRAFOS: • O PODER das Redes Neur...
3. Achei um BUG num Repositório do FACEBOOK! • Achei um BUG num Repos...
4. GRÁFICOS Realistas com DEEP LEARNING • GRÁFICOS Realistas com...
Referências para você se aprofundar no tema:
1. A survey on Deep Learning Advances on Different 3D Data
Representations: arxiv.org/abs/...
2. Occupancy Networks: Learning 3D Reconstruction in Function Space
github.com/aut...
3. Geometric Deep Learning: geometricdeeple...
📚 Livros recomendados de Data Science: amzn.to/2XZyxUr
📚 Livros de Algoritmos e Estruturas de Dados: amzn.to/3d5wK4m
SetUp - Equipamentos: amzn.to/37Cg3N2
🟣 Aprenda sobre programação ao vivo na Twitch: / pgdinamica
🟦 Canal do Telegram para receber os vídeos: t.me/joinchat/...
✉️ E-mails:
- Propostas comerciais: [e-mail]
- Demais assuntos: [e-mail]
👩🏾‍💻👨🏾‍💻 Confira mais conteúdo em nosso blog: blog.programac...
📸 Nos siga no Instagram: / pgdinamica
📸 @kizzy_terra @hallpaz
🐦 Nos siga no Twitter: / pgdinamica
🐦 @kizzy_terra @hallpaz
Curta a Programação Dinâmica no facebook: pgdinamica
Nosso repositório no Github: github.com/pro...
Confira o nosso Medium: / programacaodinamica
Confira os artigos no Python Café: pythoncafe.com.br
#DiarioDePesquisa #3DDeepLearning

[@jadsoj]

Continuem fazendo vídeos sobre o que há de mais novos nas áreas que vocês estão pesquisando. Certamente trarão muitas ideias para quem tá pensando em fazer pesquisa na área.

[@pgdinamica]

Valeu, Jadson!

[@talismamanuel]

acertou em cheio Hallison, e sim, eu pessoalmente espero mais conteúdo do gênero por favor

[@pgdinamica]

🥰🥰🥰🥰

[@lucascosta6260]

Conteúdo fantástico! 🤩

[@marcosoliveira8731]

Muito bom mesmo! Não deixem de produzir estes "documentários".

[@pgdinamica]

Obrigado pelo apoio!

[@gvmorais]

parabéns pelo vídeo! é sempre refrescante ver um conteúdo de pesquisa novo em português. espero que motive mais pesquisadores e pesquisadoras a fazer o mesmo. :D

[@pgdinamica]

Obrigado! 🙂

[@marcospontes5606]

Conteúdo incrível! Continuem produzindo estes vídeos!!

[@pgdinamica]

Obrigado! 🙌🏾

[@pedrovictor9088]

Olá Hallison, vou ingressar no curso de Ciência da Computação da Federal do meu estado, como um entusiasta da matemática e da ciência, tomo a sua como um exemplo de carreira acadêmica, poderia gravar um vídeo falando sobre as dificuldades para chegar ao nível que você está?

[@sidneyferreira3233]

Parabéns, pelo vídeo!

[@pgdinamica]

Muito obrigado!

[@rodrigocardoso7846]

Opa Mr. Hallison, tudo bom? A um tempinho atrás eu estudei sobre um topico de visão computacional bastante interessante chamado capsule network, que tenta trazer uma forma de solucionar os problemas com pooling em redes convolucionais. Se possível, tenta trazer um material desses ou ao menos mostrando que as redes convolucionais também tem seus problemas hehehe. Forte abraco meu caro, teu canal e tua didática são top!

[@pgdinamica]

Opa, obrigado, Rodrigo! Valeu pela sugestão!

[@phdabel]

Ótimo vídeo.

[@pgdinamica]

Obrigado

[@rogeriopst450]

conteudo sensacional demais e fico feliz c varios comentarios super positivos e incentivando vcs tb.. c ctz gostaria de ver mais conteudos assim. Uma parte q me intrigou bastante foi essa ultima parte de reconstrucao dos obj 3d, sabendo se está dentro ou fora. como!? hahaha obs: estou no começo, mas voltei a estudar grafos, após ver seus videos e tb pensei em grafos qdo ouvi da malha dos objetos 3d, mas nesse caso as conexoes entre os pontos tem distancias diferentes. como se calcula esse peso?! obs2: compartilhando em 3,2,1.... parabens demais. Obrigado!!!!

[@pgdinamica]

Muito obrigado, Rogério! A representação por funções implícitas é bem interessante mesmo, vou trazer algum conteúdo mais específico mostrando como funciona. Quanto à modelagem com grafos, em geral as propriedades estão nos vértices e as arestas são importantes apenas para identificar a topologia da malha, a forma como ela é conectada. Durante as operações, o tamanho das arestas é modificado conforme os vértices forem deslocados no espaço. É provável que tenha algum trabalho que considere informações nas arestas também e diferencie elas (talvez com um mecanismo chamado Graph Attention), mas o campo é novo e eu não conheço ainda :)

[@arthurrodrigues259]

Pra CFD isso vai ser sensasional!!

[@pgdinamica]

🌊 🌊

[@andreemidio1]

Orra, claro que tenho interesse, eu e uma amiga já estamos brincando com o Kinect. Hallison , tu sabe de algum artigo ou repo, para fazer o kinect V1 funcionar no PC ? Seja Linux ou Windows

[@pgdinamica]

Cara, eu não lembro de nenhum material específico, mas quando eu fiz o mestrado, usava num Linux (Ubuntu), lembro de ter que instalar libfreenect, openNI, umas coisas assim. No começo era tudo gambiarra, mas quando eu tava trabalhando com isso (2016) a Microsoft já tava mais de boa com esses usos pra pegar dados no PC. Tinha até um artigo da própria Microsoft chamado KinectFusion que fazia reconstrução 3D a partir de dados de Kinect.

[@victorpinasarnault9135]

Você faz alguma interpolação por curva de nível? Diagrama de Voronoi?

[@pgdinamica]

Não entendi a pergunta 🤔

[@victorpinasarnault9135]

@@pgdinamica Quando você diz no vídeo sobre interpolação de pontos, existe uma metodologia de maximizar o ângulo mínimo, a triângulação de Delaunay e, em cima dela, pode se fazer o Diagrama de Voronoi, que indica qual é o vértice mais próximo de outro.

[@fotofestaeternize740]

Halisson, fala sobre cyber security!

[@pgdinamica]

Conheço pouco sobre o tema, só o que ainda lembro da faculdade...não tinha interesse em me especializar em segurança 🙃. Já segue o Gabriel Pato?

[@fotofestaeternize740]

@@pgdinamica Oi!! Já sigo ele! Vou começar a estudar cyber security agora, em fevereiro! Tudo o que pudesse me ajudar de algum jeito nesse meio seria show conhecer! Comecei a seguir vocês pelos vídeos de data science também, é um mundo muito interessante! Parabéns pelo canal!

[@wsricardo23]

Qual vídeo que o Hallison constrói dados sintético na prática?

[@pgdinamica]

Este: kzbin.info/www/bejne/oX3ad6yPmdxsedU É o segundo de uma série de 3 seminários no canal do Visgraf.

[@wagnerjorge1204]

Man, dá uma lida sobre análise de dados simbólicos. Meu doutorado é nisso, posso bater um papo contigo.

[@pgdinamica]

Agradeço a sugestão, Wagner!

[@marqueschristmann7512]

Conteúdo foda pq vcs não fazem um curso básico voltado pra essa área queria ver um curso assim tem alguns no KZbin mais não são tão bons pelo menos os que eu vii.

[@pgdinamica]

Não tá no horizonte de curto prazo, mas quem sabe no futuro? 🤔

[@marqueschristmann7512]

@@pgdinamica séria um spoiler kkkk bom pense bem sei que é bastante complicado ministra a vida acadêmica e KZbin mais seria de grande valia você nus fornece um pouco do seu conhecimento, é uma área que eu gosto muito. E eu tenho em mente desenvolver projetos nessa área na minha faculdade. E tipo nada como um Norte pra dar um rumo a Pessoa desde ja agradeço por me responder.

[@pgdinamica]

@Marques christmann rolou uma live de introdução a Deep Learning com PyTorch aqui no canal: kzbin.info/www/bejne/mXjbp2uqhMZ0bas É praticamente um curso, haha. Mês que vem, deve ter mais uma específica para imagens e redes convolucionais.

[@marqueschristmann7512]

@@pgdinamica sério, pow cara o KZbin não me notificou sobre a live não estranhamente.

[@victorpinasarnault9135]

Já sobre representação B-Rep?

[@pgdinamica]

Não vi trabalhos de deep learning com B-rep, mas vi com CSG.

[@victorpinasarnault9135]

@@pgdinamica Sim, eu também vi sobre isso.

[@Pedro_Nora]

Seria a partir dessas tecnologias que poderemos ter logo hologramas? www.independent.co.uk/life-style/gadgets-and-tech/news/6g-samsung-digital-twins-holograms-a9620071.html

[@pgdinamica]

Pode ajudar nos desafios de ter formas mais realistas para hologramas e talvez com uma representação mais compacta, o que é importante, pois tem que ser transmitido pela rede :)