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
- Institución
- Universidad Nacional del Centro de la Provincia de Buenos Aires
- OAI Identificador
- oai:ridaa.unicen.edu.ar:123456789/2740
Ver los metadatos del registro completo
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 Aires2025-09-29T13:41:11Zoai: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:a2025-09-29 13:41:11.342RIDAA (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_ |
1844619017953738752 |
score |
12.559606 |