Codificación y reconstrucción de rostros con redes adversarias generativas

Zanetti, Álvaro

Codificación y reconstrucción de rostros con redes adversarias generativas

dc.contributor.advisor	Uzal, Lucas
dc.creator	Zanetti, Álvaro
dc.date.accessioned	2022-07-04T18:36:56Z
dc.date.available	2022-07-04T18:36:56Z
dc.date.issued	2020
dc.description.abstract	Se ha observado que en una arquitectura GAN en general es difícil obtener una función inversa del generador (G), es decir, una función tal que dada una imagen se obtenga el vector Z que le permita al generador reconstruir tal imagen. El objetivo de esta tesina es estudiar este procedimiento de inversión considerando un dataset de rostros conformado por una única identidad, entendiendo que esta restricción simplificaría dicho proceso. Además, se desea comparar los resultados obtenidos con otros datasets de identidades diversas y mayor complejidad. Se desea investigar si esta simplificación del dataset permite lograr mejores reconstrucciones con el procedimiento anteriormente descripto. Por otro lado, e independientemente de lo anterior, el entrenamiento adversario de un generador que permita obtener imágenes de una determinada identidad abre la posibilidad de diversas aplicaciones como la generación y animación de rostros sintéticos de una determinada persona, representación visual de chatbots, y en términos de seguridad informática, suplantación de identidad en sistemas de validación por reconocimiento facial en video. Por lo tanto, un objetivo secundario, es evaluar el potencial de estas técnicas para las mencionadas aplicaciones.	es
dc.description.peerreviewed	Peer reviewed
dc.format	application/pdf
dc.identifier.uri	http://hdl.handle.net/2133/23930
dc.language.iso	spa	es
dc.publisher	Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario	es
dc.rights	openAccess	es
dc.rights.holder	Zanetti, Álvaro.	es
dc.rights.text	Atribución (by): Se permite cualquier explotación de LA OBRA, incluyendo la explotación con fines comerciales y la creación de obras derivadas, la distribución de las cuales también está permitida sin ninguna restricción.	es
dc.rights.uri	http://creativecommons.org/licenses/by/2.5/ar/	*
dc.subject	Inteligencia artificial	es
dc.subject	Aprendizaje automatizado	es
dc.subject	Aprendizaje profundo	es
dc.subject	Red generativa antagónica	es
dc.subject	Generative Adversarial Networks	es
dc.subject	Red neuronal convolucional	es
dc.subject	Convolutional Neural Network	es
dc.title	Codificación y reconstrucción de rostros con redes adversarias generativas	es
dc.type	bachelorThesis
dc.type	Tésis de Grado
dc.type.collection	tesis
dc.type.other	bachelorThesis	es

Archivos

Bloque original

Mostrando 1 - 1 de 1

Nombre:: Tesina de Licenciatura en Ciencias de la Computación. Zanetti, Álvaro.pdf
Tamaño:: 15.37 MB
Formato:: Adobe Portable Document Format
Descripción:

Descargar

Bloque de licencias

Mostrando 1 - 1 de 1

Nombre:: license.txt
Tamaño:: 3.59 KB
Formato:: Item-specific license agreed upon to submission
Descripción:

Descargar

Colecciones

FCEIA-ECEN-DCC- Trabajos Finales de Grado (trabajos finales, proyectos y tesinas)