Fusão Multimodal via Atenção Cruzada Bidirecional para Mapeamento Semântico de Ambientes Internos
| dc.contributor.advisor1 | Oliveira, Felipe Gomes de | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7676479757420304 | eng |
| dc.contributor.advisor1orcid | https://orcid.org/0000-0002-5435-0933 | eng |
| dc.contributor.referee1 | Cukla, Anselmo Rafael | |
| dc.contributor.referee1Lattes | http://lattes.cnpq.br/0724691043552453 | eng |
| dc.contributor.referee2 | Pio, José Luiz de Souza | |
| dc.contributor.referee2Lattes | http://lattes.cnpq.br/1014904168887285 | eng |
| dc.creator | Brito, Alternei de Souza | |
| dc.creator.Lattes | http://lattes.cnpq.br/1815105696214791 | eng |
| dc.creator.orcid | https://orcid.org/0009-0001-8515-7917 | eng |
| dc.date.issued | 2026-01-28 | |
| dc.description.abstract | Semantic mapping is fundamental for mobile robots, as it provides a spatial representation associated with semantic labels that support navigation and context-aware decision-making. This dissertation addresses indoor semantic mapping by treating it as supervised scene classification from RGB images and estimated monocular depth. We propose a multimodal architecture based on self-supervised representations and Bidirectional Cross-Attention fusion between appearance and geometry. The approach is evaluated on KTH-IDOL2 and COLD under protocols of temporal generalization, illumination variation and interpolation, and cross-domain transfer. Results show high performance and consistent gains from multimodal fusion in challenging scenarios, as well as greater spatial coherence in the 2D semantic maps generated from the predictions. This strategy increases the reliability of perception for mobile robots in real indoor environments, supporting navigation and decision-making under photometric changes and domain shifts, without requiring additional sensors beyond an RGB camera. | eng |
| dc.description.resumo | O mapeamento semântico é fundamental para robôs móveis, pois fornece uma representação espacial associada a rótulos semânticos que favorecem navegação e tomada de decisão contextualizada. Esta dissertação aborda o mapeamento semântico de ambientes internos tratando-o como classificação supervisionada de cenas a partir de imagens RGB e profundidade monocular estimada. Propõe-se uma arquitetura multimodal baseada em representações auto-supervisionadas e fusão por Atenção Cruzada Bidirecional entre aparência e geometria. A abordagem é avaliada nos datasets KTH-IDOL2 e COLD sob protocolos de generalização temporal, variação e interpolação de iluminação, e transferência entre domínios. Os resultados mostram desempenho elevado e ganhos consistentes da fusão multimodal em cenários desafiadores, além de maior coerência espacial nos mapas semânticos 2D gerados a partir das predições. Essa estratégia contribui para aumentar a confiabilidade da percepção em robôs móveis em ambientes internos reais, favorecendo navegação e tomada de decisão sob mudanças fotométricas e variações de domínio, sem exigir sensores adicionais além de uma câmera RGB. | eng |
| dc.description.sponsorship | FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas | eng |
| dc.description.sponsorship | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | eng |
| dc.format | application/pdf | * |
| dc.identifier.citation | BRITO, Alternei de Souza. Fusão Multimodal via Atenção Cruzada Bidirecional para Mapeamento Semântico de Ambientes Internos. 2026. 117 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2026. | eng |
| dc.identifier.uri | https://tede.ufam.edu.br/handle/tede/11455 | |
| dc.language | por | eng |
| dc.publisher | Universidade Federal do Amazonas | eng |
| dc.publisher.country | Brasil | eng |
| dc.publisher.department | Instituto de Computação | eng |
| dc.publisher.initials | UFAM | eng |
| dc.publisher.program | Programa de Pós-graduação em Informática | eng |
| dc.rights | Acesso Aberto | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | pt_BR |
| dc.subject | Mapeamento semântico | por |
| dc.subject | Aprendizado auto-supervisionado | por |
| dc.subject | Fusão multi-model | por |
| dc.subject | Atenção cruzada | por |
| dc.subject | Robótica móvel | por |
| dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO | eng |
| dc.subject.other | Robôs - Sistemas de controle | por |
| dc.subject.other | Automação | por |
| dc.subject.other | Inteligência artificial | por |
| dc.thumbnail.url | https://tede.ufam.edu.br/retrieve/91424/DISS_AlterneiBrito_PPGI.pdf.jpg | * |
| dc.title | Fusão Multimodal via Atenção Cruzada Bidirecional para Mapeamento Semântico de Ambientes Internos | eng |
| dc.title.alternative | Multimodal Fusion via Bidirectional Cross-Attention for Semantic Mapping of Indoor Environments | eng |
| dc.type | Dissertação | eng |
Arquivos
Pacote original
1 - 3 de 3
Carregando...
- Nome:
- DISS_AlterneiBrito_PPGI.pdf
- Tamanho:
- 22,43 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Carregando...
- Nome:
- Carta_de_Autorizacao_de_Encaminhamento.docx_assinado.pdf
- Tamanho:
- 306,5 KB
- Formato:
- Documentos internos
- Descrição:
- Carta de Encaminhamento
Carregando...
- Nome:
- Ata de Defesa_Alternei de Souza Brito.pdf
- Tamanho:
- 66,96 KB
- Formato:
- Documentos internos
Pacote de licença
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2,32 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição:
