Aplicación de técnicas de coloreado de imágenes mediante Autoencoders

Abstract

Durante los últimos años las técnicas de visión artificial han vivido un cambio de paradigma, se ha ido evolucionando de métodos estadísticos a técnicas de deep learning, ahora es la máquina la que se encarga de extraer y aprender las características de los datos frente a otras técnicas más rudimentarias en las que debíamos encargarnos nosotros de aportar esta información al modelo. Este Trabajo Fin de Grado ofrece un nuevo punto de vista para el coloreado de imágenes en blanco y negro, aplicando un método novedoso basado en dos pilares: la arquitectura autoencoder y las redes neuronales convolucionales. Dado el carácter didáctico en el que se encuadra este proyecto planteamos la construcción desde cero de un modelo que cumpla con estos principios, mostrando la evolución y los cambios planteados en cada iteración hasta la consecución del modelo final. El objetivo del modelo será la obtención de una imagen a color a partir de una imagen en blanco y negro sin utilizar ningún recurso extra que pueda aportar información durante el proceso.
Abstract:
In recent years, computer vision techniques have undergone a paradigm shift, evolving from statistical methods to deep learning techniques, at this moment machines are responsible for extracting and learning characteristics from data compared to other more rudimentary techniques in which we used to take care of providing this information to the model. This end-of-degree project offers a new point of view for coloring black and white images, implementing a novel method based on two pillars: autoencoder architecture and convolutional neural networks. Given the didactic nature of this project, we propose to build a model from scratch that complies with these principles, whereby we will show the evolution and changes proposed in each iteration until final model is achieved. The objective of the model will be to obtain a color image from a black and white image without using any extra resource that could provide information during the process.