Mensgerichte afbeeldingen leren analyseren en synthetiseren

De mogelijkheid om automatisch mensgerichte gegevens te analyseren en te synthetiseren, heeft de afgelopen jaren veel belangstelling gekregen. Het werd voortgestuwd door de toenemende eisen van toepassingen in de echte wereld. Traditionele computergegenereerde beeldtechnologie vereist enorme hoeveelheden menselijk werk en is moeilijk toe te passen op terloops vastgelegde dagelijkse foto's. Recente op deep learning gebaseerde methoden maken datagestuurde benaderingen mogelijk. Mijn onderzoek richt zich op gegevens uit de echte wereld en onderzoekt gegevensgestuurde methoden om de structuur van het menselijk lichaam af te leiden en realistische nieuwe beelden te genereren. Mijn onderzoek omvat in het bijzonder drie delen: 1) schatting van de menselijke pose, leren om 2D-beelden in kaart te brengen op een 3D-lichaamsoppervlak; 2) menselijke pose-overdracht, leren om de houding van een mens te veranderen vanuit een enkele 2D-afbeelding; 3) mensgerichte beeldsynthese, het leren hallucineren van zowel het menselijk lichaam als de omgeving.