Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real
Supervisor(es): Fernández, Eduardo - Aguerre, José Pedro
Resumen:
Los algoritmos de iluminación global son aquellos que buscan aproximar el comportamiento real de la luz. Las técnicas tradicionales son muy costosas para ser usadas en tiempo real, principalmente por el modelado de la iluminación indirecta que es la interacción de la luz entre distintos objetos. Por esta razón surge la idea de aplicar técnicas de Deep Learning para aproximar estos cálculos y reducir los tiempos de ejecución, motivado por su presente éxito en problemas relacionados a imágenes y los crecientes requerimientos por parte de las distintas industrias. En este contexto, este proyecto extiende la técnica llamada Deep Illumination, utilizando Generative Adversarial Networks (GANs) para aprender a generar iluminación indirecta a partir de ciertos buffers geométricos que describen una escena tridimensional. También se incorpora el uso de imágenes en formato High Dynamic Range (HDR) en lugar de formatos Low Dynamic Range (HDR) como jpg o png.
| 2022 | |
|
Computación gráfica Iluminación global Redes neuronales Inteligencia artificial Deep learning GAN HDR |
|
| Español | |
| Universidad de la República | |
| COLIBRI | |
| https://hdl.handle.net/20.500.12008/32373 | |
| Acceso abierto | |
| Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| _version_ | 1807523228360376320 |
|---|---|
| author | Gutiérrez Rodríguez, Cecilia Inés |
| author2 | Morero Caño, Julio Enrique |
| author2_role | author |
| author_facet | Gutiérrez Rodríguez, Cecilia Inés Morero Caño, Julio Enrique |
| author_role | author |
| bitstream.checksum.fl_str_mv | 6429389a7df7277b72b7924fdc7d47a9 a006180e3f5b2ad0b88185d14284c0e0 36c32e9c6da50e6d55578c16944ef7f6 1996b8461bc290aef6a27d78c67b6b52 52bbc8c674145394865eb53e5a8e5241 |
| bitstream.checksumAlgorithm.fl_str_mv | MD5 MD5 MD5 MD5 MD5 |
| bitstream.url.fl_str_mv | http://localhost:8080/xmlui/bitstream/20.500.12008/32373/5/license.txt http://localhost:8080/xmlui/bitstream/20.500.12008/32373/2/license_url http://localhost:8080/xmlui/bitstream/20.500.12008/32373/3/license_text http://localhost:8080/xmlui/bitstream/20.500.12008/32373/4/license_rdf http://localhost:8080/xmlui/bitstream/20.500.12008/32373/1/GM22.pdf |
| collection | COLIBRI |
| dc.contributor.filiacion.none.fl_str_mv | Gutiérrez Rodríguez Cecilia Inés, Universidad de la República (Uruguay). Facultad de Ingeniería Morero Caño Julio Enrique, Universidad de la República (Uruguay). Facultad de Ingeniería |
| dc.creator.advisor.none.fl_str_mv | Fernández, Eduardo Aguerre, José Pedro |
| dc.creator.none.fl_str_mv | Gutiérrez Rodríguez, Cecilia Inés Morero Caño, Julio Enrique |
| dc.date.accessioned.none.fl_str_mv | 2022-06-24T16:43:50Z |
| dc.date.available.none.fl_str_mv | 2022-06-24T16:43:50Z |
| dc.date.issued.none.fl_str_mv | 2022 |
| dc.description.abstract.none.fl_txt_mv | Los algoritmos de iluminación global son aquellos que buscan aproximar el comportamiento real de la luz. Las técnicas tradicionales son muy costosas para ser usadas en tiempo real, principalmente por el modelado de la iluminación indirecta que es la interacción de la luz entre distintos objetos. Por esta razón surge la idea de aplicar técnicas de Deep Learning para aproximar estos cálculos y reducir los tiempos de ejecución, motivado por su presente éxito en problemas relacionados a imágenes y los crecientes requerimientos por parte de las distintas industrias. En este contexto, este proyecto extiende la técnica llamada Deep Illumination, utilizando Generative Adversarial Networks (GANs) para aprender a generar iluminación indirecta a partir de ciertos buffers geométricos que describen una escena tridimensional. También se incorpora el uso de imágenes en formato High Dynamic Range (HDR) en lugar de formatos Low Dynamic Range (HDR) como jpg o png. |
| dc.format.extent.es.fl_str_mv | 113 p. |
| dc.format.mimetype.es.fl_str_mv | application/pdf |
| dc.identifier.citation.es.fl_str_mv | Gutiérrez Rodríguez, C. y Morero Caño, J. Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2022. |
| dc.identifier.uri.none.fl_str_mv | https://hdl.handle.net/20.500.12008/32373 |
| dc.language.iso.none.fl_str_mv | es spa |
| dc.publisher.es.fl_str_mv | Udelar.FI |
| dc.rights.license.none.fl_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
| dc.subject.es.fl_str_mv | Computación gráfica Iluminación global Redes neuronales Inteligencia artificial Deep learning GAN HDR |
| dc.title.none.fl_str_mv | Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real |
| dc.type.es.fl_str_mv | Tesis de grado |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv | info:eu-repo/semantics/acceptedVersion |
| description | Los algoritmos de iluminación global son aquellos que buscan aproximar el comportamiento real de la luz. Las técnicas tradicionales son muy costosas para ser usadas en tiempo real, principalmente por el modelado de la iluminación indirecta que es la interacción de la luz entre distintos objetos. Por esta razón surge la idea de aplicar técnicas de Deep Learning para aproximar estos cálculos y reducir los tiempos de ejecución, motivado por su presente éxito en problemas relacionados a imágenes y los crecientes requerimientos por parte de las distintas industrias. En este contexto, este proyecto extiende la técnica llamada Deep Illumination, utilizando Generative Adversarial Networks (GANs) para aprender a generar iluminación indirecta a partir de ciertos buffers geométricos que describen una escena tridimensional. También se incorpora el uso de imágenes en formato High Dynamic Range (HDR) en lugar de formatos Low Dynamic Range (HDR) como jpg o png. |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | COLIBRI_873d29865c739c092cf129519a3a670a |
| identifier_str_mv | Gutiérrez Rodríguez, C. y Morero Caño, J. Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2022. |
| instacron_str | Universidad de la República |
| institution | Universidad de la República |
| instname_str | Universidad de la República |
| language | spa |
| language_invalid_str_mv | es |
| network_acronym_str | COLIBRI |
| network_name_str | COLIBRI |
| oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/32373 |
| publishDate | 2022 |
| reponame_str | COLIBRI |
| repository.mail.fl_str_mv | mabel.seroubian@seciu.edu.uy |
| repository.name.fl_str_mv | COLIBRI - Universidad de la República |
| repository_id_str | 4771 |
| rights_invalid_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| spelling | Gutiérrez Rodríguez Cecilia Inés, Universidad de la República (Uruguay). Facultad de IngenieríaMorero Caño Julio Enrique, Universidad de la República (Uruguay). Facultad de Ingeniería2022-06-24T16:43:50Z2022-06-24T16:43:50Z2022Gutiérrez Rodríguez, C. y Morero Caño, J. Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real [en línea] Tesis de grado. Montevideo : Udelar. FI. INCO, 2022.https://hdl.handle.net/20.500.12008/32373Los algoritmos de iluminación global son aquellos que buscan aproximar el comportamiento real de la luz. Las técnicas tradicionales son muy costosas para ser usadas en tiempo real, principalmente por el modelado de la iluminación indirecta que es la interacción de la luz entre distintos objetos. Por esta razón surge la idea de aplicar técnicas de Deep Learning para aproximar estos cálculos y reducir los tiempos de ejecución, motivado por su presente éxito en problemas relacionados a imágenes y los crecientes requerimientos por parte de las distintas industrias. En este contexto, este proyecto extiende la técnica llamada Deep Illumination, utilizando Generative Adversarial Networks (GANs) para aprender a generar iluminación indirecta a partir de ciertos buffers geométricos que describen una escena tridimensional. También se incorpora el uso de imágenes en formato High Dynamic Range (HDR) en lugar de formatos Low Dynamic Range (HDR) como jpg o png.Submitted by Cabrera Gabriela (gfcabrerarossi@gmail.com) on 2022-06-24T14:42:50Z No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) GM22.pdf: 56807658 bytes, checksum: 52bbc8c674145394865eb53e5a8e5241 (MD5)Approved for entry into archive by Machado Jimena (jmachado@fing.edu.uy) on 2022-06-24T16:43:40Z (GMT) No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) GM22.pdf: 56807658 bytes, checksum: 52bbc8c674145394865eb53e5a8e5241 (MD5)Made available in DSpace by Luna Fabiana (fabiana.luna@seciu.edu.uy) on 2022-06-24T16:43:50Z (GMT). No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) GM22.pdf: 56807658 bytes, checksum: 52bbc8c674145394865eb53e5a8e5241 (MD5) Previous issue date: 2022113 p.application/pdfesspaUdelar.FILas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)Computación gráficaIluminación globalRedes neuronalesInteligencia artificialDeep learningGANHDRTécnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo realTesis de gradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaGutiérrez Rodríguez, Cecilia InésMorero Caño, Julio EnriqueFernández, EduardoAguerre, José PedroUniversidad de la República (Uruguay). Facultad de IngenieríaIngeniero en ComputaciónLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/32373/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-850http://localhost:8080/xmlui/bitstream/20.500.12008/32373/2/license_urla006180e3f5b2ad0b88185d14284c0e0MD52license_textlicense_texttext/html; charset=utf-838616http://localhost:8080/xmlui/bitstream/20.500.12008/32373/3/license_text36c32e9c6da50e6d55578c16944ef7f6MD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-823149http://localhost:8080/xmlui/bitstream/20.500.12008/32373/4/license_rdf1996b8461bc290aef6a27d78c67b6b52MD54ORIGINALGM22.pdfGM22.pdfapplication/pdf56807658http://localhost:8080/xmlui/bitstream/20.500.12008/32373/1/GM22.pdf52bbc8c674145394865eb53e5a8e5241MD5120.500.12008/323732024-04-12 14:06:40.893oai:colibri.udelar.edu.uy:20.500.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Universidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestmabel.seroubian@seciu.edu.uyUruguayopendoar:47712024-07-25T14:46:25.403366COLIBRI - Universidad de la Repúblicafalse |
| spellingShingle | Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real Gutiérrez Rodríguez, Cecilia Inés Computación gráfica Iluminación global Redes neuronales Inteligencia artificial Deep learning GAN HDR |
| status_str | acceptedVersion |
| title | Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real |
| title_full | Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real |
| title_fullStr | Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real |
| title_full_unstemmed | Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real |
| title_short | Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real |
| title_sort | Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real |
| topic | Computación gráfica Iluminación global Redes neuronales Inteligencia artificial Deep learning GAN HDR |
| url | https://hdl.handle.net/20.500.12008/32373 |
