03 / Trabalho de fim de curso · 2024
NostalgIA
Restauro de fotografias históricas danificadas
Um pipeline completo de experimentação que simula escala de cinzentos, rasgões e riscos em imagens CelebA, compara abordagens GAN e U-Net e documenta porque a U-Net se tornou a arquitetura final de restauro. Classificado com 10/10 na ETSISI, Universidade Politécnica de Madrid.
- Python
- U-Net / GAN
- TensorFlow / Keras
- OpenCV
- CelebA
- Contexto
- Trabalho de fim de curso — ETSISI, UPM · junho de 2024
- Nota
- 10/10 · Orientador: Alberto Díaz Álvarez
- Dataset
- CelebA: cerca de 210.000 imagens de rostos
Restauros
3 imagens
Como funciona
Abordagem
Simular os danos
Não existem pares reais de fotos danificadas e intactas à escala, por isso sintetizam-se escala de cinzentos, rasgões (ruído de Perlin, dois limiares) e riscos (Perlin + Canny) sobre imagens limpas de CelebA.
Experimentar primeiro a GAN
Um gerador reconstruía as imagens danificadas contra um discriminador. Promissor na colorização, mas falhava com rasgões e riscos mesmo depois de afinado.
Ficar com a U-Net
Entra a imagem danificada, sai a imagem reparada. A U-Net cumpriu os objetivos do projeto e tornou-se a arquitetura final, documentada do início ao fim no relatório.
A prova
por detrás do caso.