Speaker

Στέφανος Ζαφειρίου

Καθηγητής, Machine Learning και Computer Vision - Imperial College London

Ο Στέφανος Ζαφειρίου είναι καθηγητής στη Μηχανική Εκμάθηση και Υπολογιστή Όραση, στο Τμήμα Πληροφορικής του Imperial College London και EPSRC Early Career Research Fellow. Μεταξύ 2016-2020 ήταν επίσης διακεκριμένος ερευνητικός συνεργάτης στο Πανεπιστήμιο του Oulu στο πλαίσιο του προγράμματος Finish Distinguishing Professor Ήταν αποδέκτης των Prestigious Junior Research Fellowships από το Imperial College London το 2011. Ήταν ο αποδέκτης του President’s Medal for Excellence in Research Supervision για το 2016. Υπηρέτησε Αναπληρωτής Συντάκτης και Επισκέπτης Συντάκτης σε διάφορα περιοδικά, συμπεριλαμβανομένου του IEEE Trans. Ανάλυση προτύπων και μηχανική νοημοσύνη, International Journal of Computer Vision, IEEE Transactions on Affective Computing, Computer Vision and Image Understanding, IEEE Transactions on Cybernetics the Image and Vision Computing Journal. Υπήρξε Guest Editor 8+ ειδικών περιοδικών και συνδιοργάνωσε περισσότερα από 16 εργαστήρια / ειδικές συνεδρίες για εξειδικευμένα θέματα όρασης υπολογιστή σε κορυφαίους χώρους, όπως CVPR / FG / ICCV / ECCV (συμπεριλαμβανομένων τριών πολύ επιτυχημένων προκλήσεων που εκτελούνται στο ICCV » 13, ICCV'15 και CVPR'17 σχετικά με τον εντοπισμό / παρακολούθηση ορόσημων προσώπου). Έχει συν-συγγραφεί 70+ εφημερίδες κυρίως για νέες στατιστικές μεθοδολογίες μηχανικής μάθησης που εφαρμόζονται σε προβλήματα όρασης υπολογιστή, όπως ανάλυση προσώπου 2-D / 3-D, προσαρμογή και παρακολούθηση παραμορφώσιμων αντικειμένων, σχήμα από σκίαση και ανάλυση ανθρώπινης συμπεριφοράς, που δημοσιεύθηκε στα πιο διάσημα περιοδικά στον τομέα της έρευνας του, όπως το IEEE T-PAMI, το International Journal of Computer Vision και πολλά άρθρα σε κορυφαία συνέδρια, όπως CVPR, ICCV, ECCV, ICML. Οι μαθητές του είναι συχνά αποδέκτες πολύ αναγνωρισμένων και πολύ ανταγωνιστικών υποτροφιών, όπως το Google Fellowship x2, το Intel Fellowship και το Qualcomm Fellowship x4. Έχει περισσότερες από 12Κ αναφορές στο έργο του, h-index 54. Ήταν ο Γενικός Πρόεδρος του BMVC 2017. Ήταν συνιδρυτής δύο startups Facesoft και Ariel AI. Το έργο του παρουσιάστηκε πρόσφατα στο Science.

Generating and Reconstructing Digital Humans

The past few years with the advent of Deep Convolutional Neural Networks (DCNNs), as well as the availability of visual data it was shown that it is possible to produce excellent results in very challenging tasks, such as visual object recognition, detection, tracking, etc. Nevertheless, in certain tasks such as fine-grain object recognition (e.g., face recognition) it is very difficult to collect the amount of data that is needed. In this talk, I will show how, using a special category of Generative Adversarial Networks (GANs), we can generate highly realistic faces and heads and use them for training algorithms such as face and facial expression recognition. Next, I will reverse the problem and demonstrate how by having trained a very powerful face recognition network it can be used to perform very accurate 3D shape and texture reconstruction of faces from a single image. I will further show how to create production-ready human heads, as well as single-shot head-to-head translations using translation networks. Finally, I will touch upon how the generation of 3D human fittings can aid in performing detailed 3D face flow estimation, as well as other tasks as 3D dense human body/hand and pose estimation by capitalizing upon intrinsic mesh convolutions.