| Resumen: | A percepção humana é o processo que captura estímulos físicos mensuráveis e os converte em compreensão do mundo. O estudo da percepção humana, no que tange estímulos visuais, é uma ampla área de pesquisa que tem sido estudada de forma multidisciplinar. Com os diversos avanços da computação e da capacidade de processamento e análise de imagens, a percepção humana passou a ser estudada computacionalmente. Uma das áreas que aborda essa discussão é a área da estética computacional, um subcampo da visão computacional, que visa pesquisar métodos computacionais que tomem decisões estéticas semelhantes às dos humanos. Uma das aplicações da estética computacional hoje é a previsão de classificações de imagens e vídeos e sua popularidade. Outra área muito explorada pela estética computacional é a área de análise de artes e pinturas. Para construir esses algoritmos, características (features) visuais extraídas de imagens são usadas como forma de descrever seu conteúdo. A interpretabilidade dessas features é de grande valor para áreas como a estética empírica e experimental, assim como para gerar insights a partir dos resultados encontrados. No presente trabalho, exploramos três problemas diferentes com a abordagem de estética computacional. No primeiro problema, desenvolvemos um modelo para prever a popularidade de vídeos postados no Facebook usando um conjunto de dados de features visuais. No segundo problema, usamos também features visuais e informações de categoria de imagem (animação ou live-action) para criar um sistema de recomendação de filmes, baseado em conteúdo. No terceiro problema, propomos uma metodologia para identificar e sugerir relações de influência entre pintores a partir de features visuais extraídas das faces de suas obras de arte.Nossos principais objetivos neste trabalho são: explorar diferentes problemas envolvendo diferentes tipos de imagens do ponto de vista da estética computacional; usar apenas features visuais para resolver problemas como forma de testar o poder e a utilidade dessas informações em diferentes aplicações; e usar apenas features visuais interpretáveis para gerar insights sobre a área de estética e áreas relacionadas. Os resultados encontrados neste trabalho sugerem que as features visuais, extraídas de imagens e vídeos, são recursos importantes para a solução dos problemas propostos. Além disso, os resultados indicam que as metodologias propostas são promissoras em tentar responder matematicamente em acordo com a percepção humana, conforme pretende a área de estética computacional, além de permitir gerar insights para pesquisas estéticas quando as features visuais são interpretáveis.
Human perception is the process that captures measurable physical stimuli and converts them into understanding information about the world. The study of human perception, regarding visual stimuli, is a wide area of research that has been studied in a multidisciplinar way. With the various advances in computing and the capacity for processing and analyzing images, human perception began to be studied computationally. One of the áreas that addresses this discussion is the area of computational aesthetics, a subfield of computational vision, which aims to research computational methods that can provide aesthetic decisions similar to those of humans. One of the applications of computational aesthetics today is the prediction of image and video ratings and their popularity. Another area much explored by computational aesthetics is the area of art and painting analysis. To build these algorithms, visual features drawn from images are used as a way to describe their content. The interpretability of these features is of great value for areas such as empirical and experimental aesthetics, as well as for generating insights from the found results. In the presente work, we explore three different problems contextualized in the computational aesthetic areas. In the first problem, we developed a model to predict the popularity of videos posted on Facebook using a dataset of visual features. In the second problem, we also use visual features and image category information (animation or live-action) to create a content-based movie recommendation system. In the third problem, we propose a methodology to identify and suggest influencing relationships between painters based on visual features extracted from the faces of their artworks.Our main objectives in this work are: to explore diferente problems involving different types of images from the point of view of computational aesthetics; to use only visual features to solve problems as a way to test the power and usefulness of this information in different applications; and to use only interpretable visual features to generate insights into the area of aesthetics and related areas. The results found in this work suggest that visual features, extracted from images and videos, are important resources for solving the proposed problems. In addition, the results indicate that the proposed methodologies are promising in trying to answer mathematically, in accordance with human perception, as intended by the area of computational aesthetics, questions about perception analysis. In addition, our methods allow to generate insights for aesthetic research when visual features are interpretable. |
