Generación de gestos de lengua de señas con redes neuronales generativas basadas en poses y etiquetas (Record no. 57891)

MARC details
000 -CABECERA
campo de control de longitud fija 02172naa a2200289 a 4500
003 - IDENTIFICADOR DEL NÚMERO DE CONTROL
campo de control AR-LpUFIB
005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN
campo de control 20250311170530.0
008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL
campo de control de longitud fija 230201s2023 ag a o 000 0 spa d
024 8# - Otro identificador estandar
Número estándar o código DIF-M8856
-- 9082
-- DIF008119
040 ## - FUENTE DE LA CATALOGACIÓN
Centro catalogador/agencia de origen AR-LpUFIB
Lengua de catalogación spa
Centro/agencia transcriptor AR-LpUFIB
100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA
Nombre de persona Ríos, Gastón Gustavo
245 10 - MENCIÓN DE TÍTULO
Título Generación de gestos de lengua de señas con redes neuronales generativas basadas en poses y etiquetas
300 ## - DESCRIPCIÓN FÍSICA
Extensión 1 archivo (629,5 kB) :
Otras características físicas il. col.
500 ## - NOTA GENERAL
Nota general Formato de archivo PDF. -- Este documento es producción intelectual de la Facultad de Informática - UNLP (Colección BIPA/Biblioteca)
520 ## - SUMARIO, ETC.
Sumario, etc. 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.
534 ## - NOTA SOBRE LA VERSIÓN ORIGINAL
Encabezamiento principal del original Congreso Argentino de Ciencias de la Computación (29no : 2023 : Luján, Argentina)
650 #4 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia o nombre geográfico como elemento de entrada REDES NEURONALES
653 ## - TÉRMINO DE INDIZACIÓN--NO CONTROLADO
Término no controlado reconocimiento de señas
653 ## - TÉRMINO DE INDIZACIÓN--NO CONTROLADO
Término no controlado red generativa antagónica
700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Dal Bianco, Pedro A.
700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Ronchetti, Franco
700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Quiroga, Facundo Manuel
700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Stanchi, Oscar
700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Hasperué, Waldo
856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS
Identificador Uniforme del Recurso <a href="http://sedici.unlp.edu.ar/handle/10915/164827">http://sedici.unlp.edu.ar/handle/10915/164827</a>
942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA)
Tipo de ítem Koha Capítulo de libro
Holdings
Estado de retiro Estado de pérdida Estado dañado Disponibilidad Colección Biblioteca permanente Biblioteca actual Fecha de adquisición Total de préstamos Signatura topográfica completa Fecha visto por última vez Identificador Uniforme del Recurso Precio válido a partir de Tipo de ítem Koha
      Recurso en Línea Biblioteca digital Biblioteca de la Facultad de Informática Biblioteca de la Facultad de Informática 11/03/2025   A1340 11/03/2025 http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2745 11/03/2025 Capítulo de libro