Codificación y reconstrucción de rostros con redes adversarias generativas
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 inve...
Guardado en:
Autor principal: | |
---|---|
Otros Autores: | |
Formato: | bachelorThesis Tésis de Grado |
Lenguaje: | Español |
Publicado: |
Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario
2022
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/2133/23930 http://hdl.handle.net/2133/23930 |
Aporte de: |
id |
I15-R121-2133-23930 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de Rosario |
institution_str |
I-15 |
repository_str |
R-121 |
collection |
Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR) |
language |
Español |
topic |
Inteligencia artificial Aprendizaje automatizado Aprendizaje profundo Red generativa antagónica Generative Adversarial Networks Red neuronal convolucional Convolutional Neural Network |
spellingShingle |
Inteligencia artificial Aprendizaje automatizado Aprendizaje profundo Red generativa antagónica Generative Adversarial Networks Red neuronal convolucional Convolutional Neural Network Zanetti, Álvaro Codificación y reconstrucción de rostros con redes adversarias generativas |
topic_facet |
Inteligencia artificial Aprendizaje automatizado Aprendizaje profundo Red generativa antagónica Generative Adversarial Networks Red neuronal convolucional Convolutional Neural Network |
description |
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. |
author2 |
Uzal, Lucas |
author_facet |
Uzal, Lucas Zanetti, Álvaro |
format |
bachelorThesis Tésis de Grado |
author |
Zanetti, Álvaro |
author_sort |
Zanetti, Álvaro |
title |
Codificación y reconstrucción de rostros con redes adversarias generativas |
title_short |
Codificación y reconstrucción de rostros con redes adversarias generativas |
title_full |
Codificación y reconstrucción de rostros con redes adversarias generativas |
title_fullStr |
Codificación y reconstrucción de rostros con redes adversarias generativas |
title_full_unstemmed |
Codificación y reconstrucción de rostros con redes adversarias generativas |
title_sort |
codificación y reconstrucción de rostros con redes adversarias generativas |
publisher |
Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario |
publishDate |
2022 |
url |
http://hdl.handle.net/2133/23930 http://hdl.handle.net/2133/23930 |
work_keys_str_mv |
AT zanettialvaro codificacionyreconstruccionderostrosconredesadversariasgenerativas |
bdutipo_str |
Repositorios |
_version_ |
1764820411758936066 |