Objetivo
El presente proyecto se centra en el diseño e implementación de un sistema avanzado de super-resolución de imágenes para mejorar la calidad de las carátulas de televisión antiguas en la plataforma Orange TV. Utilizando técnicas de Deep Learning de última generación (Real-ESRGAN, SwinFIR, HAT, etc.) junto con herramientas de optimización de hiperparámetros (Optuna), Fine-Tuning y LoRA, se pretende restaurar y escalar automáticamente imágenes de baja resolución, equilibrando fidelidad visual, percepción de calidad y eficiencia computacional.
En el contexto actual, la experiencia de usuario es un factor clave para la competitividad de cualquier servicio de vídeo bajo demanda. Las carátulas antiguas suelen presentar artefactos de compresión, ruido y baja resolución, lo que impacta negativamente en la percepción de la marca y aumenta los costes de gestión manual. Este proyecto propone una solución integral que: restaura detalles estructurales y texturales mediante modelos basados en redes neuronales especializadas, optimiza el tiempo de inferencia y el uso de recursos, reduce el coste de reentrenamiento.
Los objetivos específicos son:
● Comparar arquitecturas de super-resolución (Real-ESRGAN, SwinFIR, HAT, etc.) evaluando PSNR, SSIM, MS-SSIM, FSIM y métricas no referenciales (PIQE).
● Optimizar hiperparámetros en tiempo de inferencia con Optuna para maximizar la calidad perceptual sin sacrificar la fidelidad.
● Fine-Tuning de Real-ESRGAN con datos propios de carátulas antiguas y deformaciones típicas (resized, noise, blur, compression).
● Integrar LoRA para añadir capas adaptadoras de bajo rango y acelerar las iteraciones de entrenamiento.
● Definir un protocolo de evaluación que incluya análisis de tiempo de inferencia, desviación estándar en múltiples deformaciones y escalabilidad a grandes colecciones.
TRABAJO FIN DE GRADO DE:
NATALIA RODRÍGUEZ NAVARRO
Experiencia Académica
- Grado en Ingeniería Informática, Universidad Carlos III de Madrid (septiembre 2021 – septiembre 2025)
Experiencia Laboral
- Asistente de Investigación en IA – Universidad Carlos III de Madrid en colaboración con Grupo MasOrange (octubre 2024 — junio 2025)
- Prácticas Internacionales Ingeniería Informática – Dynamic Gravity Systems, LLC, Denver, Colorado, Estados Unidos – Presencial (junio 2024 – agosto 2024)
Habilidades técnicas
-
Lenguajes de programación: Python, Java, C++, JavaScript, Go, MATLAB
-
Bibliotecas: Pandas, NumPy, TensorFlow, Keras, Scikit-Learn
- Desarrollo y proyectos: Spring Boot, Spring MVC, Maven
-
Bases de datos y computación en la nube: AWS, Amazon S3, Oracle, BigQuery, PostgreSQL, PL/SQL
-
Control de versiones y DevOps: GitHub, GitLab
-
Inteligencia Artificial: Redes Neuronales, Super Resolution, Inteligencia Artificial, Machine Learning, GAN, Stable Diffusion