Fusão Multimodal via Atenção Cruzada Bidirecional para Mapeamento Semântico de Ambientes Internos

dc.contributor.advisor1Oliveira, Felipe Gomes de
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7676479757420304eng
dc.contributor.advisor1orcidhttps://orcid.org/0000-0002-5435-0933eng
dc.contributor.referee1Cukla, Anselmo Rafael
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0724691043552453eng
dc.contributor.referee2Pio, José Luiz de Souza
dc.contributor.referee2Latteshttp://lattes.cnpq.br/1014904168887285eng
dc.creatorBrito, Alternei de Souza
dc.creator.Latteshttp://lattes.cnpq.br/1815105696214791eng
dc.creator.orcidhttps://orcid.org/0009-0001-8515-7917eng
dc.date.issued2026-01-28
dc.description.abstractSemantic 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.resumoO 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.sponsorshipFAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonaseng
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superioreng
dc.formatapplication/pdf*
dc.identifier.citationBRITO, 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.urihttps://tede.ufam.edu.br/handle/tede/11455
dc.languageporeng
dc.publisherUniversidade Federal do Amazonaseng
dc.publisher.countryBrasileng
dc.publisher.departmentInstituto de Computaçãoeng
dc.publisher.initialsUFAMeng
dc.publisher.programPrograma de Pós-graduação em Informáticaeng
dc.rightsAcesso Aberto
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectMapeamento semânticopor
dc.subjectAprendizado auto-supervisionadopor
dc.subjectFusão multi-modelpor
dc.subjectAtenção cruzadapor
dc.subjectRobótica móvelpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAOeng
dc.subject.otherRobôs - Sistemas de controlepor
dc.subject.otherAutomaçãopor
dc.subject.otherInteligência artificialpor
dc.thumbnail.urlhttps://tede.ufam.edu.br/retrieve/91424/DISS_AlterneiBrito_PPGI.pdf.jpg*
dc.titleFusão Multimodal via Atenção Cruzada Bidirecional para Mapeamento Semântico de Ambientes Internoseng
dc.title.alternativeMultimodal Fusion via Bidirectional Cross-Attention for Semantic Mapping of Indoor Environmentseng
dc.typeDissertaçãoeng

Arquivos

Pacote original

Agora exibindo 1 - 3 de 3
Carregando...
Imagem de Miniatura
Nome:
DISS_AlterneiBrito_PPGI.pdf
Tamanho:
22,43 MB
Formato:
Adobe Portable Document Format
Descrição:
Carregando...
Imagem de Miniatura
Nome:
Carta_de_Autorizacao_de_Encaminhamento.docx_assinado.pdf
Tamanho:
306,5 KB
Formato:
Documentos internos
Descrição:
Carta de Encaminhamento
Carregando...
Imagem de Miniatura
Nome:
Ata de Defesa_Alternei de Souza Brito.pdf
Tamanho:
66,96 KB
Formato:
Documentos internos

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2,32 KB
Formato:
Item-specific license agreed upon to submission
Descrição: