Horário: 14h

Palestrante: Aloisio Dourado Neto (doutorado)

Orientador: Prof. Teófilo E. de Campos

Title: Data Augmented 3D Semantic Scene Completion with 2D Segmentation Priors

Abstract: Semantic scene completion (SSC) is a challenging Computer Vision task with many practical applications, from robotics to assistive computing. Its goal is to infer the 3D geometry in a field of view of a scene and the semantic labels of voxels, including occluded regions. In this work, we present SPAwN, a novel lightweight multimodal 3D deep CNN that seamlessly fuses structural data from the depth component of RGB-D images with semantic priors from a bimodal 2D segmentation network. A crucial difficulty in this field is the lack of fully labeled real-world 3D datasets which are large enough to train the current data-hungry deep 3D CNNs. In 2D computer vision tasks, many data augmentation strategies have been proposed to improve the generalization ability of CNNs. However, those approaches cannot be directly applied to the RGB-D input and output volume of SSC solutions. In this paper, we introduce the use of a 3D data augmentation strategy that can be applied to multimodal SSC networks. We validate our contributions with a comprehensive and reproducible ablation study. Our solution consistently surpasses previous works with a similar level of complexity.

Horário: 14h20

Palestrante: Helena Schubert da Incarnação Lima da Silva (mestrado)

Orientador: Profa Alba Melo

Título: Tuning de parâmetros em processos paralelos

Resumo: Se uma tarefa pode ser subdividida e paralelizada em n processos, então ela deve ser nvezes mais rápida que a original. Mas e se os recursos que cada processo usa não podem ser divididos simultaneamente entre todos os processos? Se houver fila de espera, n ainda será o número ideal ou seria melhor talvez n-5 para dado contexto? Essas perguntas são feitas um ajuste ideal desse parâmetro é procurado, ajuste conhecido como tuning.

Horário: 14h40

Palestrante: Lucas Silva Lopes (doutorado)

Orientador: Prof. Ricardo Queiroz 

Title: Deep Learning para qualidade de Point Clouds

Resumo: Meu trabalho tem como foco o uso de técnicas baseadas em deep learning para a melhoria da qualidade visual de point clouds. Seja no momento da aquisição ou após passar por compressão, point clouds apresentam vários tipos de artefatos que prejudicam a sua qualidade visual. Técnicas de Deep Learning, como Generative Adversarial Networks (GAN), Variational Autoencoders (VAE), entre outras, podem ser utilizadas para corrigir alguns destes artefatos.

Horário: 15h

Palestrante: Jucélio de Oliveira Reis (mestrado)

Orientador: Prof Eduardo Adilio Pelinson Alchieri

Título: Gestão da confiança definido por software

Resumo: A identidade digital é o elemento-chave da transformação digital ao representar qualquer conjunto de informação de uma dada entidade do mundo real para o digital. Dessa forma, um futuro digital bem-sucedido exige uma gestão de identidade digital eficaz, especialmente porque a demanda para serviços digitais tem aumentado.  Gerenciamento de identidades são desenvolvidos para lidar eficazmente com o conjunto de informações da identidade em um contexto, no entanto, esses sistemas possuem algumas limitações correspondentes à identidade e sua gestão, tais como armazenamento, controle de acesso, privacidade e soberania, exigindo algumas melhorias adicionais para estar em conformidade a legislação corrente como a LGPD. A Self-Sovereign Identity (SSI) é um sistema de gerenciamento emergente que incorpora várias características para garantir que a identidade seja soberana, segura, confiável e genérica.  SSI está em evolução, portanto, é fundamental analisar suas diversas características para determinar sua eficácia seguindo um paradigma zero trust. 

Horário: 15h20

Palestrante: Michel Junio Ferreira Rosa (doutorado)

Orientador: Profa Aletéia Patrícia Favacho de Araújo

Título: Predição de Tempo, Custo e Agendamento de Workflows Científicos em Sistemas de Computação Multi Cloud-Fog

Abstract: Cloud provides an interesting computacional model which allows a set of features, such as storage, database, and processing power, all made available as services. Recently, the concept of cloud computing has been extended to cloud federations in which different providers interconnect to provide more resources to the end user in an integrated and transparent way. The use of cloud platforms has been widely encouraged in applications that require a lot of processing and/or storage power, such as bioinformatics workflows. However, users who operate such workflows are faced with a very large variety and quantity of available resources making difficult to choose the correct ones for a certain workflow.

Horário: 15h40

Palestrante: Fernanda Amaral Melo (mestrado)

Orientador: Prof. Teófilo E. de Campos

Título: Meta learning para data streams

Resumo: Ambientes dinâmicos e em evolução geralmente fornecem fluxos de dados não estacionários, fazendo com que os modelos treinados percam eficácia ao longo do tempo devido à sazonalidade ou concept/data drift. Uma solução para este problema é o uso de meta learningpara a seleção dinâmica de algoritmos, definindo a cada batch o viés que melhor se adequa ao conjunto de dados analisados.

Local: Teams MS - Equipe PPGI-316415 Seminário, Canal Seminários 2-2021

https://teams.microsoft.com/l/channel/19%3a24b3ddb0b17b46c6be17254988b22cc1%40thread.tacv2/Semin%25C3%25A1rios%25202-2021?groupId=93b66213-b249-467a-bcbe-dcd4255edf95&tenantId=ec359ba1-630b-4d2b-b833-c8e6d48f8059

Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)

Coordenadora Seminários de Pós-Graduação em Informática 2-2021