Show simple item record

dc.contributorBermejo Sánchez, Sergi
dc.contributor.authorBarleycorn Castillejo, Guillem
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament d'Enginyeria Electrònica
dc.date.accessioned2015-12-03T11:15:07Z
dc.date.available2015-12-03T11:15:07Z
dc.date.issued2015-07-21
dc.identifier.urihttp://hdl.handle.net/2117/80145
dc.descriptionDevelopment of some technologies relying on computer vision and machine learning methods to increase audience interaction and enrich the creative experience of choreographers and performers.
dc.description.abstractArt and technology are in constant synergetic expansion. This degree thesis presents the result of a multidisciplinary research on several technologies relying on computer vision, musical synthesis and machine learning methods that are susceptible to be applied in real-time in the context of an artistic performance –i.e. a dance piece. The approach exploits a meaningful relationship between data mining and the composition and performing improvements that a choreographer, performer or member of an audience may experiment. For this purpose, a 28 minutes dance piece has been created and performed as a proof-of-concept under the next basis: Exploration of the artistic experiences that interactive technologies may deliver. Development and real-time execution of suitable movement tracking, sound synthesis and machine learning methods including two novel algorithms: ICA-based granular synthesis and a combination of optical flow and k-means. Two articles that describe these original contributions are in preparation to be submitted to Neural Processing Letters and Pattern Recognition Letters. Demonstration of the creative and compositional potential of machine learning based (or ”smart”) environments.
dc.description.abstractEl arte y la tecnología se encuentran bajo una constante expansión sinérgica. El presente trabajo de final de grado presenta el resultado de una investigación multidisciplinaria alrededor de distintas tecnologías basadas en visión por computador, síntesis musical i machine learning (inteligencia artificial) que son susceptibles de ser aplicadas en tiempo real en el contexto de un espectáculo artístico, por ejemplo, una pieza de danza. El enfoque se aprovecha de una relación significativa entre la minería de datos y las mejoras en composición y/o ejecución artística que podrían experimentar un coreógrafo, intérprete o miembro de una audiencia. Para dicho propósito, una pieza de danza de 28 minutos de duración ha estado creada e interpretada como prueba de concepto de acuerdo con las siguientes bases: • Exploración de las experiencias artísticas que las tecnologías interactivas pueden conceder. • Desarrollo y ejecución en tiempo real de métodos pertinentes de rastreo de movimiento, síntesis de sonido y machine learning, incluyendo dos nuevos algoritmos: síntesis granular basada ICA y en una combinación de optical flow y k-means. Dos artículos que describen estas contribuciones originales están en fase de preparación para ser enviados a Neural Processing Letters and Pattern Recognition Letters. • Demostración del potencial creativo y compositivo de los entornos inteligentes o basados en tecnologías de machine learning.
dc.description.abstractL’art i la tecnologia es troben sota constant expansió sinèrgica. Aquest TFG presenta el resultat d’una investigació multidisciplinària al voltant de diverses tecnologies basades en visió per computador, síntesi musical i machine learning (intel·ligència artificial) que són susceptibles de ser aplicades en temps real en el context d’un espectacle artístic, per exemple, una peça de dansa. L’enfocament s’aprofita d’una relació significativa entre la mineria de dades i les millores en composició i/o execució artística que podrien experimentar un coreògraf, intèrpret o membre d’una audiència. Per a aquest propòsit, una peça de dansa de 28 minuts de duració ha estat creada i interpretada com a prova de concepte d’acord amb les següents bases: • Exploració de les experiències artístiques que les tecnologies interactives poden lliurar. • Desenvolupament i execució en temps real de mètodes pertinents de rastreig de moviment, síntesi de so i machine learning, incloent dos nous algoritmes: síntesi granular basada en ICA i una combinació de optical flow i k-means. Dos articles que descriuen aquestes contribucions originals estan en fase preparació per a ser enviats a Neural Processing Letters and Pattern Recognition Letters. • Demostració del potencial creatiu i compositiu d’entorns intel·ligents o basats en tecnologies de machine learning.
dc.language.isoeng
dc.publisherUniversitat Politècnica de Catalunya
dc.rightsS'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subjectÀrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Aprenentatge automàtic
dc.subject.lcshComputer vision
dc.subject.lcshMachine learning
dc.subject.otheracoustics
dc.subject.othersound synthesis
dc.subject.otherdance
dc.subject.othergranular synthesis
dc.subject.otherica
dc.subject.otheroptical flow
dc.subject.otherk-means
dc.subject.otherart
dc.subject.otheracústica
dc.subject.otherdanza
dc.titleMachine learning in dance: smart technologies for interaction
dc.title.alternativeMachine learning en la danza: tecnologías inteligentes para la interacción
dc.title.alternativeMachine learning a la dansa: tecnologies intel·ligents per a la interacció
dc.typeBachelor thesis
dc.subject.lemacVisió per ordinador
dc.subject.lemacAprenentatge automàtic
dc.identifier.slugETSETB-230.111161
dc.rights.accessOpen Access
dc.date.updated2015-12-03T06:52:05Z
dc.audience.educationlevelGrau
dc.audience.mediatorEscola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona
dc.audience.degreeGRAU EN ENGINYERIA DE SISTEMES AUDIOVISUALS (Pla 2009)


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Spain
Except where otherwise noted, content on this work is licensed under a Creative Commons license : Attribution-NonCommercial-NoDerivs 3.0 Spain