DEEPHISTORY: OBRAS DE MUSEO ANIMADAS POR DEEP LEARNING

• Autores: Mercado Chavez, Nilton Cesar, Ysique Neciosup, Jose Estanislao
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/683921
• Enlace del recurso: http://doi.org/10.19083/tesis/683921; http://hdl.handle.net/10757/683921
• Nivel de acceso: acceso abierto
• Materia: Animación de imágenes; Super resolución de videos; Redes neuronales convolucionales; Puntos característicos; U-Net; Image animation; Video super-resolution; Convolutional neural networks; Feature points; https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#1.00.00

En la actualidad, los museos peruanos presentan falencias para implementar medidas que fortalezcan el interés de los usuarios por asistir a sus instalaciones, ya sea porque carecen de la inversión económica necesaria o porque no aprovechan de manera eficiente los avances tecnológicos. Si bien es cierto que las opciones que disponen los museos para adaptarse a las necesidades de la sociedad actual pueden cumplir con el propósito de aprovechar la innovación tecnológica para captar la atención de los usuarios, estas requieren de una gran inversión de tiempo y de dinero para ser ejecutadas de manera correcta. El presente trabajo de investigación tiene como finalidad la implementación de una aplicación web capaz de generar videos de manera automática utilizando como datos de entrada una imagen objetivo y un video conductor. Es decir, la aplicación es capaz de prescindir de la contratación de expertos en animación, de la adquisición de equipo especializado costoso y de mucho tiempo de espera para la creación de piezas audiovisuales. Además, el desarrollo de esta aplicación estará acompañada de una investigación que de sustento científico y facilite su implementación. Dicha investigación se concentra principalmente en la comprensión de métodos actuales y modelos de deep learning enfocados en la tarea de animación de imágenes, con la finalidad de determinar oportunidades de mejora y desarrollar así un modelo que genere mejores resultados. Esta investigación tiene como alcance el desarrollo de una aplicación web capaz de sintetizar videos a partir de una imagen objetivo y un video conductor. Ello se logra gracias al uso de redes neuronales convolucionales, las cuales son capaces de detectar los puntos característicos entre los datos de entrada y luego transferir el movimiento del video conductor a la imagen objetivo.