Ponente: Xavier Alameda-Pineda es Investigador Científico (titular) en Inria, en el Grupo de Percepción. Obtuvo el Máster (equivalente) en Matemáticas en 2008, en Telecomunicaciones en 2009 por BarcelonaTech y en Informática en 2010 por la Université Grenoble-Alpes (UGA). A continuación, trabajó para obtener su doctorado en Matemáticas y Ciencias de la Computación, y lo obtuvo en 2013, en la UGA. Después de un período de dos años de postdoctorado en el Grupo de Comprensión Humana Multimodal, en la Universidad de Trento, fue nombrado con su puesto actual. Xavier es un miembro activo de SIGMM, y un miembro senior de IEEE y un miembro de ELLIS. Es copresidente de la cátedra «Percepción e interacción audiovisual de las máquinas para los robots de compañía» del Instituto Multidisciplinar de Inteligencia Artificial. Xavier es el coordinador del proyecto H2020 SPRING: Socially Pertinent Robots in Gerontological Healthcare. Los intereses de investigación de Xavier se centran en combinar el aprendizaje automático, la visión por ordenador y el procesamiento de audio para el análisis de escenas y comportamientos y la interacción entre humanos y robots. Más información en xavirema.eu
Resumen: Desde su introducción, los autocodificadores variacionales (VAE) han demostrado un gran rendimiento en aplicaciones clave de representación de características sin supervisión, concretamente en la representación visual y auditiva. En este seminario se presentará la metodología global de los autocodificadores variacionales, junto con aplicaciones en el aprendizaje con datos de audio y visuales. Se pondrá especial énfasis en discutir el uso de VAE para el aprendizaje audiovisual, resaltando su interés para la tarea de mejora del habla audiovisual.
Grabación: Variational Autoencoders for Audio, Visual and Audio-Visual Learning