Mostrar el registro sencillo del ítem
| dc.contributor.advisor | Cardeñoso Payo, Valentín | es |
| dc.contributor.advisor | Menguez Álvarez, Guillermo | es |
| dc.contributor.advisor | García Ullán, Pablo | es |
| dc.contributor.author | Eufrasio da Silva, Giovane | |
| dc.contributor.editor | Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid | es |
| dc.date.accessioned | 2025-11-11T07:59:01Z | |
| dc.date.available | 2025-11-11T07:59:01Z | |
| dc.date.issued | 2025 | |
| dc.identifier.uri | https://uvadoc.uva.es/handle/10324/79540 | |
| dc.description.abstract | En el mundo contemporáneo, los modelos de Inteligencia Artificial han ganado una creciente visibilidad e importancia en la sociedad. En este contexto, presentamos el proyecto Floorify, que explora el uso de técnicas de Fine-Tuning en modelos de Stable Diffusion con el objetivo de generar automáticamente planos arquitectónicos en 2D. A partir de datos visuales y textuales, se evaluaron distintos métodos de ajuste fino, identificándose Text-to-Image como el más adecuado para los propósitos del proyecto. El objetivo fue entrenar modelos capaces de asociar descripciones textuales con imágenes de planos arquitectónicos, evaluando la calidad y coherencia de los resultados mediante métricas como CLIP Score. Como resultado, se logró ajustar el modelo para la generación de planos arquitectónicos en 2D, sin embargo, los resultados aún presentaron limitaciones, tales como inexactitudes en la correspondencia entre texto e imagen y una calidad gráfica insatisfactoria, lo que abre oportunidades para futuras investigaciones. | es |
| dc.description.abstract | In the contemporary world, Artificial Intelligence models have gained increasing visibility and importance in society. In this context, we present the Floorify project, which explores the use of Fine-Tuning techniques in Stable Diffusion models to automatically generate 2D architectural plans. Using visual and textual data, different fine-tuning methods were evaluated, with Text-to-Image identified as the most suitable for the project’s objectives. The goal was to train models capable of linking textual descriptions with images of architectural plans, assessing the quality and coherence of the results using metrics such as CLIP Score. As a result, the model was successfully adjusted for 2D architectural plan generation. However, the outcomes still presented limitations, such as inaccuracies in the text-to-image relationship and unsatisfactory graphical quality, opening up opportunities for further research. | es |
| dc.description.sponsorship | Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos) | es |
| dc.format.mimetype | application/pdf | es |
| dc.language.iso | spa | es |
| dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.subject.classification | Proyecto Floorify | es |
| dc.subject.classification | Inteligencia Artificial | es |
| dc.subject.classification | Métodos de Fine-Tuning | es |
| dc.title | Proyecto Floorify: generación de planos arquitectónicos mediante inteligencia artificial generativa | es |
| dc.type | info:eu-repo/semantics/masterThesis | es |
| dc.description.degree | Máster en Ingeniería Informática | es |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
- Trabajos Fin de Máster UVa [7566]
La licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional




