Speedtest y Downdetector son de esas herramientas que se usan casi sin pensar. Una para comprobar si tu conexión a internet va tan rápida como promete tu operador; la otra para confirmar si el problema es tuyo o si, en realidad, se ha caído medio planeta porque un servicio está fuera de línea. Pues bien:… Continúa leyendo »
China entrena la mirada geométrica de los robots con una base de datos 3D facial masiva y un modelo que entiende nubes de puntos
Si un robot humanoide quiere parecer cercano —no solo “bonito”, sino creíble— necesita dominar algo tan cotidiano como una ceja que se arquea o una comisura que tiembla. En ingeniería, ese realismo se apoya en una tarea menos glamourosa pero decisiva: la detección de puntos de referencia faciales en 3D (los “landmarks”), es decir, localizar con precisión coordenadas clave en la cara para que un sistema pueda animar expresiones, seguir movimientos y reconocer identidades.
Durante años, muchos sistemas han trabajado con un atajo: partir de imágenes 2D y luego “pegar” textura sobre una malla 3D, o entrenar con caras sintéticas. El inconveniente es parecido a intentar arreglar un reloj mirando una foto: puedes intuir dónde están las piezas, pero no sentir su volumen real. Las texturas pueden estar mal alineadas, las plantillas “promedio” no capturan rasgos individuales y, cuando la iluminación o la piel cambian, el método se vuelve frágil. Esa dependencia de lo visual —del maquillaje digital— puede introducir errores cuando lo que se necesita es geometría pura. Continúa leyendo «China entrena la mirada geométrica de los robots con una base de datos 3D facial masiva y un modelo que entiende nubes de puntos»
