Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/123406
Título : | Implementació d'un procés de transferència d'estil mitjançant una GAN |
Autoría: | Deza Tripiana, Ricard |
Director: | Solé-Ribalta, Albert |
Tutor: | Vicens Bennasar, Julian Antonio |
Resumen : | Este trabajo se basa en la aplicación de redes generativas adversarials (GAN) para realizar la transferencia del estilo de un conjunto de imágenes, específicas de un autor, a una imagen de entrada. Concretamente, se quieren conseguir unos modelos capaces de generar imágenes nuevas, dada una fotografía real de entrada, aplicando la transferencia de estilo de obras pictóricas de van Gogh, Picasso y Pollock. Este estudio, se adentra en las diferentes características de las imágenes tratadas por las redes y en los componentes intervinientes en el proceso de transferencia de estilo. Se basa en la configuración y el tratamiento de las pérdidas descritas en el artículo "Artsy¿GAN: A style transfer system with improved quality, diversity and performance" de Liu et al. (2016). En este artículo se propone un enfoque generativo adversarial utilizando pérdidas perceptivas, procesando imágenes con chroma subsampling, introduciendo ruido en las imágenes de entrada al generador y una función objetivo de pérdida que fomenta generar detalles diferentes para la misma imagen de contenido. Con estas modificaciones se pretende mejorar el rendimiento y la calidad de los resultados obtenidos con anteriores estudios, como por ejemplo la utilización de CycleGan's. |
Palabras clave : | redes generativas adversariales transferencia de estilo aprendizaje profundo |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 24-jun-2020 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
rdezatTFM0620memòria.pdf | Memòria del TFM | 7,36 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons