000110888 001__ 110888 000110888 005__ 20220308092817.0 000110888 037__ $$aTESIS-2022-057 000110888 041__ $$aeng 000110888 080__ $$a004 000110888 1001_ $$aLagunas Arto, Manuel 000110888 24500 $$aLeaming Visual Appearance: Perception, Modeling and Editing. 000110888 260__ $$aZaragoza$$bUniversidad de Zaragoza, Prensas de la Universidad$$c2021 000110888 300__ $$a209 000110888 4900_ $$aTesis de la Universidad de Zaragoza$$v2021-372$$x2254-7606 000110888 500__ $$aPresentado: 17 12 2021 000110888 502__ $$aTesis-Univ. Zaragoza, , 2021$$bZaragoza, Universidad de Zaragoza$$c2021 000110888 506__ $$aby-nc$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc/3.0/es 000110888 520__ $$aLa apariencia visual determina como entendemos un objecto o imagen, y, por tanto, es un aspecto fundamental en la creación de contenido digital. Es un término general, englobando otros como la apariencia de los materiales, definida como la impresión que tenemos de un material, y la cual supone una interacción física entre luz y materia, y como nuestro sistema visual es capaz de percibirla. Sin embargo, modelar computacionalmente el comportamiento de nuestro sistema visual es una tarea difícil, entre otros motivos porque no existe una teoría definitiva y unificada sobre la percepción visual humana. Además, aunque hemos desarrollado algoritmos capaces de modelar fehacientemente la interacción entre luz y materia, existe una desconexión entre los parámetros físicos que usan estos algoritmos, y los parámetros perceptuales que el sistema visual humano entiende. Esto hace que manipular estas representaciones físicas, y sus interacciones, sea una tarea tediosa y costosa, incluso para usuarios expertos. Esta tesis busca mejorar nuestra comprensión de la percepción de la apariencia de materiales y usar dicho conocimiento para mejorar los algoritmos existentes para la generación de contenido visual. Específicamente, la tesis tiene contribuciones en tres áreas: proponiendo nuevos modelos computacionales para medir la similitud de apariencia; investigando la interacción entre iluminación y geometría; y desarrollando aplicaciones intuitivas para la manipulación de apariencia, en concreto, para el re-iluminado de humanos y para editar la apariencia de materiales.<br />Una primera parte de la tesis explora métodos para medir la similaridad de apariencia. Ser capaces de medir cómo de similares son dos materiales, o imágenes, es un problema clásico en campos de la computación visual como visión por computador o informática gráfica. Abordamos primero el problema de similaridad en la apariencia de materiales. Proponemos un método basado en deep learning que combina imágenes con juicios subjetivos sobre la similitud de materiales, recogidos mediante estudios de usuario. Por otro lado, se explora el problema de la similaridad entre iconos. En este segundo caso, se hace uso de redes neuronales siamesas, y el estilo y la identidad que dan los artistas juega un papel clave en dicha medida de similaridad. <br />La segunda parte avanza en la comprensión de cómo los factores de confusión (confounding factors) afectan a nuestra percepción de la apariencia de los materiales. Dos factores de confusión claves son la geometría de los objetos y la iluminación de la escena. Comenzamos investigando el efecto de dichos factores a la hora de reconocer los materiales a través de diversos experimentos y estudios estadísticos. También investigamos el efecto del movimiento del objeto en la percepción de la apariencia de materiales.<br />En la tercera parte exploramos aplicaciones intuitivas para la manipulación de la apariencia visual. Primero, abordamos el problema de la re-iluminación de humanos. Proponemos una nueva formulación del problema, y basándonos en ella, se diseña y entrena un modelo basado en redes neuronales profundas para re-iluminar una escena. Por último, abordamos el problema de la edición intuitiva de materiales. Para ello, recopilamos juicios humanos sobre la percepción de diferentes atributos y presentamos un modelo, basado en redes neuronales profundas, capaz de editar materiales de forma realista simplemente variando el valor de los atributos recogidos.<br /> 000110888 520__ $$a<br /> 000110888 521__ $$97100$$aPrograma de Doctorado en Ingeniería de Sistemas e Informática 000110888 6531_ $$ainteligencia artificial 000110888 6531_ $$avision artificial 000110888 6531_ $$aterminales dispositivos graficos y trazadores 000110888 6531_ $$ateoria de la percepcion 000110888 700__ $$aDra. Dª. Masía Corcoy, Belén$$edir. 000110888 700__ $$aDr. D. Gutiérrez Pérez, Diego$$edir. 000110888 7102_ $$aUniversidad de Zaragoza$$b 000110888 830__ $$9512 000110888 8560_ $$fcdeurop@unizar.es 000110888 8564_ $$s42513432$$uhttps://zaguan.unizar.es/record/110888/files/TESIS-2022-057.pdf$$zPDF 000110888 909CO $$ooai:zaguan.unizar.es:110888$$pdriver 000110888 909co $$ptesis 000110888 9102_ $$a$$b 000110888 980__ $$aTESIS