Buscar en Google Scholar
Título: 3D Reconstruction of Incomplete Archaeological Objects Using a Generative Adversarial Network
Asesor(es): Sipiran Mendoza, Iván Anselmo
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.02.00
Fecha de publicación: 9-jul-2018
Institución: Pontificia Universidad Católica del Perú
Resumen: We introduce a data-driven approach to aid the repairing and conservation of archaeological objects: ORGAN, an object reconstruction generative adversarial network (GAN). By using an encoder-decoder 3D deep neural network on a GAN architecture, and combining two loss objectives: a completion loss and an Improved Wasserstein GAN loss, we can train a network to effectively predict the missing geometry of damaged objects. As archaeological objects can greatly differ between them, the network is conditioned on a variable, which can be a culture, a region or any metadata of the object. In our results, we show that our method can recover most of the information from damaged objects, even in cases where more than half of the voxels are missing, without producing many errors.
Disciplina académico-profesional: Informática con mención en Ciencias de la Computación
Institución que otorga el grado o título: Pontificia Universidad Católica del Perú. Escuela de Posgrado
Grado o título: Maestro en Informática con mención en Ciencias de la Computación
Fecha de registro: 9-jul-2018



IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.