- INSTRUMENTO Fondo Clemente Estable
- BENEFICIARIO Mauricio Delbracio Bentancor : Facultad de Ingeniería
- DEPARTAMENTO Montevideo
- SUBSIDIO UYU 1297500
- FECHA DE INICIO 01.04.2018
- DURACIÓN 24 meses
- AÑO CONVOCATORIA 2017
- CÓDIGO FCE_1_2017_1_135458
- FASE CERRADO
- ESTADO Terminado
La popularización de los dispositivos de captura de imágenes digitales ha llevado a que millones de imágenes sean adquiridas y compartidas continua e instantáneamente. Aunque su calidad ha mejorado significativamente, persisten problemas fundamentales como el ruido, la resolución limitada o la borrosidad por movimiento de la cámara durante capturas en baja luz. El mejoramiento de imágenes tiene implicancias prácticas en áreas vinculadas al desarrollo productivo, la seguridad, la investigación científica, además del posible fin comercial en sí mismo. Recientemente ha surgido un nuevo paradigma de restauración de imágenes en base a técnicas de aprendizaje automático profundo, impulsado por el gran volumen de datos existentes. Si bien los resultados son en general de muy buena calidad, su desempeño es muy variable y dependiente de cada caso. Esto se explica en cierta medida por no incorporar un modelo de formación de imagen, y aprender directamente una transformación no lineal entre una entrada de baja calidad y una salida de alta calidad, basándose en un enorme número de ejemplos. Esto requiere ajustar un muy elevado número de parámetros trayendo aparejado tiempos de entrenamiento muy extensos. Este proyecto busca integrar modelos físico-matemáticos de formación de imagen en el marco del aprendizaje profundo. Esta integración ha sido poco explorada a pesar de tener potencialmente dos beneficios significativos: mayor eficiencia vinculada a la reducción de la complejidad computacional y mayor robustez debido a las restricciones físicas impuestas por los modelos; un entendimiento más profundo del problema en términos del modelado matemático. Estos conceptos se verán concretados en el diseño, implementación y validación de técnicas novedosas que permitan corregir la borrosidad y aumentar la resolución en imágenes y videos digitales. Se buscará que las mismas sean robustas a diferentes condiciones de adquisición, y maximicen la calidad de la restauración asegurando la eficiencia en la utilización de recursos.