Real image transformation through conditional GANs
Visualitza/Obre
2021TFM_MartiGrau.pdf (52,44Mb) (Accés restringit)
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/343954
Tipus de documentProjecte Final de Màster Oficial
Data2021-01-24
Condicions d'accésAccés restringit per acord de confidencialitat
(embargat fins 2031-04-20T07:17:38Z)
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Descripció
Generative Adversarial Networks (GANs) has become a new big topic as they are able to produce diverse high-resolution and photo-realistic images, often indistinguishable from real images and this ability has powered many real-world applications. However, these networks are limited on generating from random samples (latent vectors) with the image domain trained for. The interest of this thesis is to be able to adapt this type of models and increase the functionality of them by transforming real images through attribute conditions.
TitulacióMÀSTER UNIVERSITARI EN TECNOLOGIES AVANÇADES DE TELECOMUNICACIÓ (Pla 2019)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
2021TFM_MartiGrau.pdf | 52,44Mb | Accés restringit |