Aprendizaje no Supervisado de Representaciones Interpretables y Desenredadas de la Apariencia de Materiales

Resumen

Los seres humanos hemos aprendido a través de la experiencia a interpretar la apariencia visual de los materiales en nuestro entorno, lo que nos permite predecir las propiedades de un objeto con solo mirarlo durante unos pocos segundos. Aunque esto parece una tarea sencilla, la apariencia final de un material es el resultado de una interacción compleja entre factores como la geometría, la iluminación o el ángulo de visión, que no comprendemos completamente. Crear un algoritmo capaz de desentrañar los factores perceptuales de la apariencia de los materiales presentes en una imagen, tal como lo hacen los humanos, sería un avance significativo en diversos campos (por ejemplo, en arquitectura, podría ayudar a crear prototipos que reproduzcan con precisión cómo serán percibidos en la vida real; siguiendo el camino inverso de ir desde los factores perceptuales a las imágenes, podría usarse en el diseño de productos para definir intuitivamente las características perceptuales de un material deseado, en vez de interactuar con complejas funciones matemáticas). Aquí, proponemos un algoritmo de aprendizaje automático capaz de desenredar eficazmente ciertas características perceptuales de las imágenes de forma no supervisada.