Year: 2023
Type: dissertation
Abstract: En los últimos 10 años hemos visto grandes avances en el campo de la inteligencia \nartificial. Más recientemente, aplicaciones comerciales utilizando redes generativas, como \nson DALL-E 2 o Chat GPT han mostrado el potencial de las herramientas de análisis del \nlenguaje natural y la generación de imágenes. Sin embargo, estas aplicaciones emergentes \nno serían posibles sin el desarrollo previo de las redes generativas adversariales, las primeras \nredes capaces de generar objetos nuevos extrapolando distribuciones de probabilidad \nde conjuntos de datos. \nPara entender mejor el estado en el que se encuentra la tecnología en la actualidad, \neste trabajo presenta las redes precursoras de los métodos de atención y Transformers, \nutilizados en la actualidad para la generación de contenido, tanto escrito como visual. En \neste trabajo podremos observar el funcionamiento teórico de las redes generativas adversariales \ny los resultados que produjeron las primeras implementaciones de las mismas, y \ncompararlos con la actualidad. Esto demostrará lo mucho que se ha avanzado en poco \ntiempo (alrededor de 9 años), además de ser una buena introducción para todo aquel que \nquiera entender el funcionamiento de la generación de elementos mediante técnicas de \naprendizaje automático profundo. \nEl código implementado se puede encontrar en: \nhttps://github.com/mapacheAgridulce/TFG-Generacion-elementos-DL.git
Author: Martínez Martínez, Manuel
Language: Spanish
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W6991313930