Simulación de cámaras estereoscópicas utilizando redes neuronales

Autores
Cobo, Rodrigo
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Orlando, José Ignacio
Larrabide, Ignacio
Descripción
Las cámaras estereoscópicas son dispositivos que poseen múltiples lentes y, de esta forma, capturan en el mismo instante un conjunto de fotografías en paralelo. Usualmente, dichos modelos de cámaras se utilizan para la generación de un efecto animado llamado wigglegram. Los wigglegrams son imágenes animadas estereoscópicas 3D en las que un objeto de interés se mantiene fijo y todos los objetos en segundo plano se alteran de manera coherente con su ubicación en el entorno 3D. En este trabajo se propone facilitar al usuario la creación de wigglegrams, de forma tal de no requerir hardware adicional, y en consecuencia reducir los costos asociados a la producción. En particular, se utilizaron algoritmos de aprendizaje profundo basados en redes generativas adversarias (GANs) que permitieron, a partir de una imágenes de entrada, producir una imagen similar a la que se obtendría desde otro ángulo. Así, repitiendo la utilización de la red para varias vistas sucesivamente, se buscó reproducir un efecto equivalente al obtenido utilizando cámaras estereoscópicas. Los modelos propuestos se entrenaron en base a un dataset creado exclusivamente para este trabajo, formado por imágenes multivistas obtenidas por cámaras estereoscópicas en la producción de películas 3D. Durante el trabajo además, se evaluaron diferentes arquitecturas de redes para identificar cuál obtuvo los mejores resultados.
Fil: Cobo, Rodrigo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Orlando, Juan Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Larrabide, Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Materia
Cámaras estereoscópicas
Ingeniería de sistemas
Redes neuronales
Procesamiento de imágenes
Wigglegrams
Algoritmos de aprendizaje
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc/2.5/ar/
Repositorio
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/2740
Acceder
id RIDUNICEN_1fbdf1641d8b971faaaea106a4c83626
oai_identifier_str oai:ridaa.unicen.edu.ar:123456789/2740
network_acronym_str RIDUNICEN
repository_id_str a
network_name_str RIDAA (UNICEN)
spelling Simulación de cámaras estereoscópicas utilizando redes neuronalesCobo, RodrigoCámaras estereoscópicasIngeniería de sistemasRedes neuronalesProcesamiento de imágenesWigglegramsAlgoritmos de aprendizajeLas cámaras estereoscópicas son dispositivos que poseen múltiples lentes y, de esta forma, capturan en el mismo instante un conjunto de fotografías en paralelo. Usualmente, dichos modelos de cámaras se utilizan para la generación de un efecto animado llamado wigglegram. Los wigglegrams son imágenes animadas estereoscópicas 3D en las que un objeto de interés se mantiene fijo y todos los objetos en segundo plano se alteran de manera coherente con su ubicación en el entorno 3D. En este trabajo se propone facilitar al usuario la creación de wigglegrams, de forma tal de no requerir hardware adicional, y en consecuencia reducir los costos asociados a la producción. En particular, se utilizaron algoritmos de aprendizaje profundo basados en redes generativas adversarias (GANs) que permitieron, a partir de una imágenes de entrada, producir una imagen similar a la que se obtendría desde otro ángulo. Así, repitiendo la utilización de la red para varias vistas sucesivamente, se buscó reproducir un efecto equivalente al obtenido utilizando cámaras estereoscópicas. Los modelos propuestos se entrenaron en base a un dataset creado exclusivamente para este trabajo, formado por imágenes multivistas obtenidas por cámaras estereoscópicas en la producción de películas 3D. Durante el trabajo además, se evaluaron diferentes arquitecturas de redes para identificar cuál obtuvo los mejores resultados.Fil: Cobo, Rodrigo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Orlando, Juan Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Larrabide, Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires, Facultad de Ciencias ExactasOrlando, José IgnacioLarrabide, Ignacio2021-032021-08-18T20:16:05Z2021-08-18T20:16:05Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfCobo, R. (2021). Simulación de cámaras estereoscópicas utilizando redes neuronales [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.https://www.ridaa.unicen.edu.ar/handle/123456789/2740spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-10-23T11:15:21Zoai:ridaa.unicen.edu.ar:123456789/2740instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-10-23 11:15:22.055RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Simulación de cámaras estereoscópicas utilizando redes neuronales
title Simulación de cámaras estereoscópicas utilizando redes neuronales
spellingShingle Simulación de cámaras estereoscópicas utilizando redes neuronales
Cobo, Rodrigo
Cámaras estereoscópicas
Ingeniería de sistemas
Redes neuronales
Procesamiento de imágenes
Wigglegrams
Algoritmos de aprendizaje
title_short Simulación de cámaras estereoscópicas utilizando redes neuronales
title_full Simulación de cámaras estereoscópicas utilizando redes neuronales
title_fullStr Simulación de cámaras estereoscópicas utilizando redes neuronales
title_full_unstemmed Simulación de cámaras estereoscópicas utilizando redes neuronales
title_sort Simulación de cámaras estereoscópicas utilizando redes neuronales
dc.creator.none.fl_str_mv Cobo, Rodrigo
author Cobo, Rodrigo
author_facet Cobo, Rodrigo
author_role author
dc.contributor.none.fl_str_mv Orlando, José Ignacio
Larrabide, Ignacio
dc.subject.none.fl_str_mv Cámaras estereoscópicas
Ingeniería de sistemas
Redes neuronales
Procesamiento de imágenes
Wigglegrams
Algoritmos de aprendizaje
topic Cámaras estereoscópicas
Ingeniería de sistemas
Redes neuronales
Procesamiento de imágenes
Wigglegrams
Algoritmos de aprendizaje
dc.description.none.fl_txt_mv Las cámaras estereoscópicas son dispositivos que poseen múltiples lentes y, de esta forma, capturan en el mismo instante un conjunto de fotografías en paralelo. Usualmente, dichos modelos de cámaras se utilizan para la generación de un efecto animado llamado wigglegram. Los wigglegrams son imágenes animadas estereoscópicas 3D en las que un objeto de interés se mantiene fijo y todos los objetos en segundo plano se alteran de manera coherente con su ubicación en el entorno 3D. En este trabajo se propone facilitar al usuario la creación de wigglegrams, de forma tal de no requerir hardware adicional, y en consecuencia reducir los costos asociados a la producción. En particular, se utilizaron algoritmos de aprendizaje profundo basados en redes generativas adversarias (GANs) que permitieron, a partir de una imágenes de entrada, producir una imagen similar a la que se obtendría desde otro ángulo. Así, repitiendo la utilización de la red para varias vistas sucesivamente, se buscó reproducir un efecto equivalente al obtenido utilizando cámaras estereoscópicas. Los modelos propuestos se entrenaron en base a un dataset creado exclusivamente para este trabajo, formado por imágenes multivistas obtenidas por cámaras estereoscópicas en la producción de películas 3D. Durante el trabajo además, se evaluaron diferentes arquitecturas de redes para identificar cuál obtuvo los mejores resultados.
Fil: Cobo, Rodrigo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Orlando, Juan Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Larrabide, Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
description Las cámaras estereoscópicas son dispositivos que poseen múltiples lentes y, de esta forma, capturan en el mismo instante un conjunto de fotografías en paralelo. Usualmente, dichos modelos de cámaras se utilizan para la generación de un efecto animado llamado wigglegram. Los wigglegrams son imágenes animadas estereoscópicas 3D en las que un objeto de interés se mantiene fijo y todos los objetos en segundo plano se alteran de manera coherente con su ubicación en el entorno 3D. En este trabajo se propone facilitar al usuario la creación de wigglegrams, de forma tal de no requerir hardware adicional, y en consecuencia reducir los costos asociados a la producción. En particular, se utilizaron algoritmos de aprendizaje profundo basados en redes generativas adversarias (GANs) que permitieron, a partir de una imágenes de entrada, producir una imagen similar a la que se obtendría desde otro ángulo. Así, repitiendo la utilización de la red para varias vistas sucesivamente, se buscó reproducir un efecto equivalente al obtenido utilizando cámaras estereoscópicas. Los modelos propuestos se entrenaron en base a un dataset creado exclusivamente para este trabajo, formado por imágenes multivistas obtenidas por cámaras estereoscópicas en la producción de películas 3D. Durante el trabajo además, se evaluaron diferentes arquitecturas de redes para identificar cuál obtuvo los mejores resultados.
publishDate 2021
dc.date.none.fl_str_mv 2021-03
2021-08-18T20:16:05Z
2021-08-18T20:16:05Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv Cobo, R. (2021). Simulación de cámaras estereoscópicas utilizando redes neuronales [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
https://www.ridaa.unicen.edu.ar/handle/123456789/2740
identifier_str_mv Cobo, R. (2021). Simulación de cámaras estereoscópicas utilizando redes neuronales [Tesis de grado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
url https://www.ridaa.unicen.edu.ar/handle/123456789/2740
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/2.5/ar/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires, Facultad de Ciencias Exactas
publisher.none.fl_str_mv Universidad Nacional del Centro de la Provincia de Buenos Aires, Facultad de Ciencias Exactas
dc.source.none.fl_str_mv reponame:RIDAA (UNICEN)
instname:Universidad Nacional del Centro de la Provincia de Buenos Aires
reponame_str RIDAA (UNICEN)
collection RIDAA (UNICEN)
instname_str Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.name.fl_str_mv RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires
repository.mail.fl_str_mv lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;
_version_ 1846785134671429632
score 12.982451

Publicaciones similares