Análisis comparativo de algoritmos para la generación de deepfakes
2022Descargar propuesta de investigación completa (PDF)
Profesores: Dr. Pedro Lara Velázquez y Dr. Sergio Gerardo de los Cobos Silva
Resumen: Deepfake es una técnica de aprendizaje no supervisado, que combina diferentes tipos de redes neuronales para alterar una imagen o video, produciendo un resultado falso pero realista. En este proyecto se analizarán y compararán al menos dos algoritmos basados en redes neuronales para la generación de videos deepkafe.
Objetivo general:
Determinar cuál es la mejor herramienta de acceso gratuito y código abierto para la realización de deepfakes
Objetivos específicos:
- Estudiar los conceptos más importantes sobre redes neuronales básicas, especialmente redes neuronales generativas adversarias, redes neuronales convolucionales y autoencoders
- Seleccionar el conjunto de herramientas, de código abierto, para la generación de deepfakes que serán empleadas en este proyecto
- Modificar los códigos de las herramientas seleccionadas para estandarizar algunas de sus características, como el cálculo de la función de pérdida
- Establecer un diseño de experimentos adecuado al proyecto, detallando las instancias a usar y los parámetros a medir
- Análisis y comparación de los resultados obtenidos
- Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)
Ultima actualización 19/10/2022 por pcyti