{"id":1139,"date":"2020-04-29T14:55:27","date_gmt":"2020-04-29T17:55:27","guid":{"rendered":"http:\/\/datamining.dc.uba.ar\/predictivos\/?p=1139"},"modified":"2020-05-04T09:10:55","modified_gmt":"2020-05-04T12:10:55","slug":"innovaciones-en-aprendizaje-profundo-para-computacion-grafica","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1139","title":{"rendered":"Innovaciones en aprendizaje profundo para computaci\u00f3n gr\u00e1fica"},"content":{"rendered":"

Por Ignacio Uman.\u00a0Emmanuel Iarussi<\/a> es investigador de CONICET en la Universidad Tecnol\u00f3gica Nacional, Facultad Regional Buenos Aires (FRBA UTN), donde desarrolla proyectos centrados en la computaci\u00f3n gr\u00e1fica y la explotaci\u00f3n de grandes vol\u00famenes de informaci\u00f3n para mejorar el dise\u00f1o industrial.\u00a0\u00a0<\/em>Es Ingeniero en Sistemas de la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNICEN), Doctor en Computaci\u00f3n del INRIA (Francia) y curs\u00f3 un Posdoctorado en el IST de Viena (Austria). Sus estudios de doctorado se basaron en el aprendizaje de dibujo asistido por computadora utilizando algoritmos de visi\u00f3n. Tambi\u00e9n realiz\u00f3 una pasant\u00eda en Adobe (Estados Unidos), donde trabaj\u00f3 sobre herramientas de dise\u00f1o para usuarios no expertos.<\/strong><\/p>\n

\u00a0Como \u00e9l mismo define en su perfil<\/a>, sus intereses se centran en profundizar t\u00e9cnicas de interacci\u00f3n humano-computadora para crear y manipular im\u00e1genes. En di\u00e1logo con Predictivos, Iarussi nos comenta sobre sus temas actuales de investigaci\u00f3n en computaci\u00f3n gr\u00e1fica apoyados en Deep Learning y su reciente incorporaci\u00f3n como docente de Visualizaci\u00f3n de la Informaci\u00f3n en la Maestr\u00eda en Data Mining.<\/strong><\/p>\n

————————————————————————————————————————–<\/p>\n

Contanos en qu\u00e9 consisten tus proyectos en computaci\u00f3n gr\u00e1fica y qu\u00e9 aportes novedosos dan a los dise\u00f1adores industriales.<\/strong><\/p>\n

Considero que la computaci\u00f3n gr\u00e1fica tiene dos grandes objetivos, uno es la capacidad de interpretar contenido o informaci\u00f3n visual que puede ser 2D o 3D y el otro ser\u00eda generar esa informaci\u00f3n visual, trabajar con ese contenido generado. En este sentido, lo que m\u00e1s me interesa es el dise\u00f1o industrial de productos, cualquier producto que hoy se manufactura pasa por varias etapas de dise\u00f1o, los dise\u00f1adores van testeando si el producto cumple con los requisitos o no, y en ese proceso adem\u00e1s de l\u00e1piz y papel tambi\u00e9n usan herramientas digitales. Mi prop\u00f3sito es acercar esas herramientas digitales al dominio particular del dise\u00f1o industrial, hacerlas m\u00e1s adaptables para las personas, y espec\u00edficamente trabajar en un problema abierto de la computaci\u00f3n: poder interpretar la informaci\u00f3n que vemos.<\/p>\n

\u00bfPor qu\u00e9 es un problema abierto de la computaci\u00f3n y c\u00f3mo se relaciona con los problemas que abord\u00e1s en modelado 3D?<\/strong><\/p>\n

Es buena la pregunta. Te la respondo con un ejemplo, generalmente el ser humano reconstruye formas en 3D a partir de informaci\u00f3n 2D, una foto, un dibujo, ilustraci\u00f3n o imagen. Con una foto de un auto, podr\u00edamos inferir su tama\u00f1o y forma, podr\u00edamos moldearlo en plastilina por ejemplo. Ahora, la pregunta es si un programa de computadora puede hacer esa tarea.<\/p>\n

\"\"<\/a>Estas capacidades humanas de interpretar informaci\u00f3n visual son tareas cognitivas complejas, que de alg\u00fan modo se intentan imitar con el avance de la computaci\u00f3n gr\u00e1fica. Un dise\u00f1ador hace un dise\u00f1o conceptual de un auto o de una silla a partir de una foto o de un dibujo preciso en dos dimensiones, para luego armar el modelo 3D. Es ese pasaje de informaci\u00f3n de 2D a 3D el que nos interesa y sobre todo indagar cu\u00e1nta informaci\u00f3n se pierde con esa inferencia.<\/p>\n

 <\/p>\n

\u00bfC\u00f3mo cambi\u00f3 el \u00e1rea a partir de los avances del aprendizaje profundo, conocido como Deep Learning?<\/strong><\/p>\n

\"\"<\/a>Con la irrupci\u00f3n del Deep Learning se redefinen algunos problemas cl\u00e1sicos que se sol\u00edan resolver con algoritmos a partir de reglas simples sobre las caracter\u00edsticas de la imagen y donde se ve\u00eda c\u00f3mo funcionaban para el ojo humano. Un detalle importante es que adem\u00e1s de la interpretaci\u00f3n de la informaci\u00f3n visual 2D, en computaci\u00f3n gr\u00e1fica muchas veces trabajamos con modelos 3D. Un problema que me interesa particularmente y que sirve para ilustrar esto es el siguiente: supongamos que entre miles de modelos 3D que tengo de sillas, quiero encontrar aquella con 5 rueditas, este dise\u00f1o ergon\u00f3mico y una forma particular del apoya brazos, es algo realmente dif\u00edcil de buscar. La soluci\u00f3n m\u00e1s simple es dibujarla y a partir de ello encontrar el modelo (este problema se llama 3D Shape Retrieval<\/em>), y la idea es encontrar una correspondencia entre el dise\u00f1o en 2D con aquel que la base de datos me ofrece en 3D.<\/p>\n

Es un gran desaf\u00edo y estamos empezando a resolverlo con redes neuronales. Para esto, primero necesitamos alguna forma de acercar ambos mundos: el de los modelos 3D y el de los dibujos en el que se hace la consulta sobre la base de datos. No es trivial, ya que los modelos est\u00e1n casi siempre representados como mallas poligonales (o de tri\u00e1ngulos), es decir, puntos en tres dimensiones cuya conectividad conforma el modelo 3D. Por otro lado, las im\u00e1genes est\u00e1n representadas en dos dimensiones, con intensidades sobre una grilla rectangular de p\u00edxeles. Trabajar con dominios de informaci\u00f3n tan diferentes es complicado y las arquitecturas de red neuronal profunda nos est\u00e1n ayudando en ese proceso. Una posible estrategia que exploramos es encontrar las correspondencias a partir de convertir la informaci\u00f3n 3D a 2D, renderizando vistas bidimensionales desde varios \u00e1ngulos (fotograf\u00edas) y permitiendo a la red neuronal encontrar los mejores descriptores para realizar la correspondencia.<\/p>\n

\u00bf<\/strong>Podr\u00edas mencionar alg\u00fan ejemplo de desarrollo concreto para el dise\u00f1o industrial?<\/strong><\/p>\n

\"\"Una de las cosas que hicimos con nuestro grupo de investigaci\u00f3n de FRBA UTN<\/a> es utilizar estos modelos de computaci\u00f3n gr\u00e1fica para optimizar la impresi\u00f3n industrial 3D, en particular pudiendo simular el dise\u00f1o de moldes o matrices. Usualmente es un proceso que lleva varios meses y suele depender de la expertise del dise\u00f1ador industrial, cuanto m\u00e1s experiencia tiene el dise\u00f1ador m\u00e1s r\u00e1pido se hace y sin fallas. Pero aun as\u00ed el proceso podr\u00eda tener fallas que se descubran luego de la fabricaci\u00f3n, que la pieza no desmolde o que tenga burbujas. Con nuestras herramientas de computaci\u00f3n gr\u00e1fica podemos realizar este proceso de forma semi-autom\u00e1tica, partiendo de un modelo 3D, de una descripci\u00f3n 3D de un objeto. Esto ayuda sustancialmente al dise\u00f1ador, porque le permite anticipar por computadora el comportamiento que va a tener el material y otras variables de acuerdo a la pieza que se quiera fabricar despu\u00e9s con ese molde, optimizando el proceso.<\/p>\n

Este trabajo de computaci\u00f3n gr\u00e1fica lo publicamos en la revista de la ACM Transactions Graphics<\/a>, publicaci\u00f3n de mayor impacto del \u00e1rea, y luego lo presentamos en SIGGRAPH<\/a>, la conferencia anual m\u00e1s grande en computaci\u00f3n, donde asisten m\u00e1s de 15 mil personas y se re\u00fanen participantes tanto de la academia como de la industria.<\/p>\n

A\u00fan no es un desarrollo que se haya transferido a empresas de la industria, pero las posibilidades est\u00e1n latentes. Si bien en Argentina la computaci\u00f3n gr\u00e1fica es un campo incipiente, paulatinamente est\u00e1n creciendo este tipo de aportes locales.<\/p>\n

\u00bfQu\u00e9 rol ocupa la ciencia de datos en estos temas y de qu\u00e9 modo converge con el trabajo del data scientist?<\/strong><\/p>\n

La realidad es que actualmente si no domin\u00e1s de alg\u00fan modo herramientas de Machine Learning y Ciencia de Datos, si trabajabas en algo de im\u00e1genes es imposible que contin\u00faes sin eso. Creo que es un antes y despu\u00e9s para el \u00e1rea. Pero ahora hubo una clara inversi\u00f3n en el trabajo: en vez de encontrar el modelo que pueda aprender, necesito encontrar los datos, proveerle los datos justos a ese modelo. Si bien hay much\u00edsima disponibilidad de fotos, en el dominio que trabajo (im\u00e1genes que son dibujos, que se conocen como Sketching<\/em>) es sumamente dif\u00edcil conseguir datos. No es el \u00fanico dominio en que sucede eso. Si bien se est\u00e1n empezando a generar bases de datos p\u00fablicas, cada vez m\u00e1s grandes, a\u00fan estamos lejos de conseguir datos reales (incluso recuerdo que hace a\u00f1os, un grupo de cient\u00edficos public\u00f3 un paper<\/em> donde se dedic\u00f3 durante un a\u00f1o a taggear fotos de Flickr y construir una base de datos, lo cual tuvo valor en s\u00ed mismo).<\/p>\n

Ante esta situaci\u00f3n, lo que hacemos es generar lo que se conoce como datos sint\u00e9ticos, usamos algoritmos de rendering que pueden generar dibujos que nos sirven para entrenar al modelo. Es decir, no s\u00f3lo se usan para videojuegos, animaciones o fotos realistas, tambi\u00e9n puede simular el dibujo que necesitamos para cada proyecto. Trabajar con esos datos sint\u00e9ticos nos genera problemas adicionales, ya que no es lo mismo entrenar un modelo con datos de dibujos generados por humanos que por una computadora.<\/p>\n

Por \u00faltimo, \u00bfqu\u00e9 balance hac\u00e9s sobre tu incorporaci\u00f3n como profesor de la Maestr\u00eda, con qu\u00e9 te encontraste en las clases de Visualizaci\u00f3n de la Informaci\u00f3n?<\/strong><\/p>\n

Me resulta muy interesante, claramente es distinto\u00a0a trabajar en investigaci\u00f3n, ya que en las clases no nos dedicamos a procesar contenido gr\u00e1fico sino m\u00e1s bien a generarlo y visualizarlo. Algunos de los alumnos vienen con un preconcepto sobre la materia, a veces llegan pensando que van a dedicarse a hacer gr\u00e1ficos de barra en Excel. No es que tenga nada contra esa herramienta, la cuesti\u00f3n es que la forma en que nos ense\u00f1an a generar contenido visual o gr\u00e1fico suele ser muy b\u00e1sica, y estamos hablando de egresados de carreras de grado.\u00a0 Lo que hacemos es dar un paso atr\u00e1s y que los alumnos entiendan c\u00f3mo se genera ese contenido gr\u00e1fico, no es que le damos la tabla de datos y la herramienta nos arma autom\u00e1ticamente el gr\u00e1fico, sino que escribimos el programa que toma los datos y tambi\u00e9n que compila los elementos gr\u00e1ficos. Es todo un reto para los que no tienen conocimientos previos de programaci\u00f3n, pero salen adelante. Despu\u00e9s de todo se trata de prescindir un poco de la herramienta y entender el proceso, las t\u00e9cnicas para construir la imagen con la computadora. Obviamente tambi\u00e9n se ven todos los principios te\u00f3ricos asociados a la visualizaci\u00f3n.<\/p>\n

Otra cuesti\u00f3n desafiante es que solemos incentivar a nuestros alumnos a participar en la \u00a0IEEE Visual Analytics Science and Technology (VAST) Challenge<\/em><\/a>, que se realiza todos los a\u00f1os. La competencia propone desaf\u00edos de visualizaci\u00f3n resolviendo y simulando problemas en equipo, siendo una especie de \u201cdetectives\u201d de los datos. Es una experiencia muy enriquecedora.<\/p>\n","protected":false},"excerpt":{"rendered":"

Emmanuel Iarussi es investigador de CONICET en la Universidad Tecnol\u00f3gica Nacional, Facultad Regional Buenos Aires (FRBA UTN), donde desarrolla proyectos centrados en la computaci\u00f3n gr\u00e1fica y la explotaci\u00f3n de grandes vol\u00famenes de informaci\u00f3n para mejorar el dise\u00f1o industrial. Es Ingeniero en Sistemas de la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNICEN), Doctor en Computaci\u00f3n del INRIA (Francia) y curs\u00f3 un Posdoctorado en el IST de Viena (Austria). Sus estudios de doctorado se basaron en el aprendizaje de dibujo asistido por computadora utilizando algoritmos de visi\u00f3n. Tambi\u00e9n realiz\u00f3 una pasant\u00eda en Adobe (Estados Unidos), donde trabaj\u00f3 sobre herramientas de dise\u00f1o para usuarios no expertos.<\/p>\n","protected":false},"author":4,"featured_media":1140,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[24,36,25],"tags":[21,37,31],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1139"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1139"}],"version-history":[{"count":4,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1139\/revisions"}],"predecessor-version":[{"id":1148,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1139\/revisions\/1148"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/1140"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1139"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1139"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1139"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}