La dirección de investigación
Explorar sistemas de inspección visual que conviertan colecciones de imágenes en informes estructurados sobre el estado de los objetos, mapas de defectos y anotaciones semánticas. La inspección de vehículos y el análisis de imágenes sintéticas ofrecen contextos concretos de investigación.
Preguntas centrales
- ¿Cómo puede un resultado de inspección mantener el vínculo con la evidencia visual que lo sustenta?
- ¿Qué tan confiables son las señales de defectos y de contenido sintético ante cambios en la iluminación, los puntos de vista y la calidad de imagen?
Mecanismos y enfoques
- Imágenes de vehículos en alta definición
- Detección de objetos
- Segmentación semántica
- Reconocimiento de daños
- Navegación de evidencia desde miniaturas hasta vistas ampliadas
- Indexación visual
- Análisis de artefactos en imágenes sintéticas
- Informes de inspección generados por IA
Aplicaciones y resultados posibles
- Posibles productos de inspección
- Interfaces de navegación de evidencia
- Formatos de informes de estado
- Experimentos de análisis de autenticidad
Qué necesita validarse
Evaluar la confiabilidad del modelo, los falsos positivos, la capacidad de generalización y la incertidumbre. Una señal de autenticidad no constituye una prueba por sí sola.
Conexiones
- AI Car Inspection
- Análisis forense visual
- Moderación empresarial
- NaXhioUI
Contexto de investigación
Las aplicaciones educativas, de identidad, de inspección y de veracidad requieren medidas de protección, pruebas y revisión humana adecuadas antes de utilizarse en situaciones reales.