Reúne las tesis de maestría y doctorado de los Institutos de Agrimensura, Ensayo de Materiales, Estructuras y Transporte, Física. https://hdl.handle.net/20.500.12008/9440 2026-05-15T20:44:47Z 2026-05-15T20:44:47Z Máximo Caram, Santiago https://hdl.handle.net/20.500.12008/54502 2026-04-21T12:26:05Z 2025-01-01T00:00:00Z

Título: Generación de poses de lengua de señas a partir de descripciones en lenguaje natural de símbolos HamNoSys Autor: Máximo Caram, Santiago Resumen: Las lenguas de señas, utilizadas por millones de personas, son lenguajes naturales con una gramática y un léxico propios, independientes de los lenguajes orales. A pesar de los avances de los últimos años, la producción automática de lengua de señas sigue siendo un desafío. Esta tesis investiga inicialmente el uso de modelos generativos para mejorar la producción de lengua de señas, para luego centrarse específicamente en la generación de secuencias de poses a partir de la notación The Hamburg Sign Language Notation System (HamNoSys). El método propuesto consta de tres componentes: (1) un generador de descripciones que traduce símbolos HamNoSys a lenguaje natural, (2) un Large Language Model (LLM) ajustado con Instruction Tuning para convertir estas descripciones en secuencias discretas de poses y (3) una red Vector Quantized Variational Autoencoder (VQ-VAE) para codificar y decodificar las poses. Esta combinación transforma la traducción de HamNoSys a poses en una tarea de generación condicionada por texto. Los resultados experimentales muestran que este enfoque logra un desempeño comparable a trabajos previos, validando así la metodología propuesta. No obstante, persisten desafíos en la precisión de las poses, especialmente en las configuraciones de las manos. Se proponen futuras líneas de investigación, como la exploración de arquitecturas alternativas, y el ajuste de las técnicas de discretización de poses. Además, esta investigación contribuye a la creación de diccionarios en lenguaje natural de símbolos HamNoSys, mejorando la accesibilidad, y abre oportunidades para el desarrollo de aplicaciones multimodales en la generación de movimiento humano, como la síntesis de gestos.

2025-01-01T00:00:00Z Guido Cruz, Renzo Alejandro https://hdl.handle.net/20.500.12008/54500 2026-04-21T12:25:00Z 2025-01-01T00:00:00Z

Título: Análisis dinámico de los procesos transitorios en colectores solares Autor: Guido Cruz, Renzo Alejandro

2025-01-01T00:00:00Z Silberberg Gadea, Federica Eva https://hdl.handle.net/20.500.12008/54499 2026-04-21T12:24:45Z 2025-01-01T00:00:00Z

Título: Aprendizaje por transferencia en contexto de dependencia de datos : Aplicación en series de tiempo Autor: Silberberg Gadea, Federica Eva

2025-01-01T00:00:00Z García Collares, Rosana https://hdl.handle.net/20.500.12008/53852 2026-03-12T15:55:00Z 2025-01-01T00:00:00Z

Título: Interactive deep learning model for color restoration of artwork images Autor: García Collares, Rosana Resumen: Este trabajo aborda el desafío de restaurar digitalmente la apariencia cromática de imágenes de las obras del artista uruguayo Joaquín Torres García perdidas en el incendio del Museo de Arte Moderno de Río de Janeiro en 1978. Basándose en documentación monocromática heterogénea, el trabajo evalúa las limitaciones de los métodos de colorización totalmente automáticos y utiliza un enfoque híbrido con intervención humana-experta basado en la arquitectura iColoriT. Para adaptar el modelo al dominio del artista, se construyeron conjuntos de datos con diversas características, que abarcan desde un núcleo curado por expertos a partir de obras de Torres García hasta un corpus más amplio que integra diversas fuentes de archivo. Se implementó una estrategia de ajuste fino mediante Adaptación de Bajo Rango (LoRA) para optimizar el Vision Transformer (iColorit), capturando la paleta del artista y preservando las capacidades interactivas del modelo. Los resultados experimentales demuestran que los modelos adaptados con LoRA superan consistentemente al modelo base de iColoriT tanto en métricas cuantitativas (PSNR, LPIPS) como en la fidelidad cualitativa, especialmente en escenarios con escasa guía del usuario. Por último, para los curadores, este trabajo adapta una herramienta de software interactiva que permite a los usuarios tomar muestras de color de imágenes de referencia cromáticas y condicionadas por la luminancia. Esto garantiza restauraciones históricamente y estilísticamente plausibles.; This thesis addresses the challenge of digitally restoring the chromatic appearance of artworks by the Uruguayan artist Joaquín Torres García, lost in the 1978 fire at the Museum of Modern Art in Rio de Janeiro. Relying on heterogeneous monochromatic documentation, the work evaluates the limitations of fully automatic colorization methods in the artistic domain and uses a hybrid approach based on the iColoriT architecture. To adapt the model to the artist’s domain, a hierarchy of progressively inclusive datasets was constructed, expanding from a curated core of Torres García to a broader corpus incorporating diverse archival sources. A parameter-efficient fine-tuning strategy using Low-Rank Adaptation (LoRA) was implemented to optimize the Vision Transformer, capturing the artist’s palette while preserving the model’s interactive capabilities. Experimental results demonstrate that the LoRA-adapted models consistently outperform the iColoriT baseline in both quantitative metrics (PSNR, LPIPS) and qualitative fidelity, particularly in regimes with sparse user guidance. Finally, for curators, this work adapts an interactive software tool that allows users to take color samples from chromatic and luminance-conditioned reference images. This ensures historically and stylistically plausible restorations.

2025-01-01T00:00:00Z