logo móvil
Contáctanos

Modelado de Información de Estéticas Asimétricas Usando DCGAN: Un Enfoque Basado en Datos para la Generación de Arte de Veteado

Autores: Unlersen, Muhammed Fahri; Unlersen, Hatice

Idioma: Inglés

Editor: MDPI

Año: 2026

Descargar PDF

Acceso abierto

Artículo científico
2026

Modelado de Información de Estéticas Asimétricas Usando DCGAN: Un Enfoque Basado en Datos para la Generación de Arte de Veteado


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Marbleado tradicional
Turco
Ebru
Modelado generativo
Patrimonio cultural

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
El arte tradicional del marbling turco (Ebru) es un patrimonio cultural inmaterial caracterizado por patrones altamente asimétricos, fluidos y no reproducibles, lo que hace que su preservación a largo plazo y su difusión a gran escala sean un desafío. Es muy sensible a las condiciones ambientales, lo que dificulta enormemente su producción en masa mientras se mantienen sus cualidades estéticas originales. Por lo tanto, se requiere un modelo generativo basado en datos para crear sustitutos digitales ilimitados y de alta fidelidad que protejan este patrimonio de la UNESCO contra la pérdida física y permitan aplicaciones culturales a gran escala. Este estudio presenta un marco de modelado generativo profundo para la reconstrucción digital del arte tradicional del marbling turco (Ebru) utilizando una Red Generativa Antagónica de Convolución Profunda (DCGAN). Se utilizó un conjunto de datos de 20,400 fragmentos de imágenes, derivados sistemáticamente de 17 obras originales de marbling, para entrenar el modelo propuesto. El marco tiene como objetivo capturar matemáticamente la naturaleza asimétrica, fluida y estocástica de los patrones de Ebru, permitiendo la reproducción de su estructura estética en un medio digital. Las imágenes generadas se evaluaron utilizando múltiples métricas cuantitativas y perceptuales, incluyendo la Distancia de Fréchet de Incepción (FID), la Distancia de Incepción de Kernel (KID), la Similitud de Parches de Imagen Perceptual Aprendida (LPIPS) y los indicadores basados en PRDC (Precisión, Recuperación, Densidad, Cobertura). Para la validación experimental, el marco DCGAN propuesto se comparó adicionalmente con una línea base de Vanilla GAN entrenada bajo condiciones idénticas, destacando las ventajas de las arquitecturas convolucionales para modelar texturas de marbling. Los resultados muestran que el modelo DCGAN logró un alto nivel de realismo y diversidad sin colapso de modo ni sobreajuste, produciendo imágenes que eran perceptivamente cercanas a obras auténticas de marbling. Además de la evaluación cuantitativa, la evaluación cualitativa por parte de un artista tradicional de Ebru confirmó que el modelo reprodujo las texturas orgánicas, la dinámica del color y la característica asimétrica compositiva del verdadero arte del marbling. El enfoque propuesto demuestra el potencial de los modelos generativos profundos para la preservación digital, difusión y reinterpretación del patrimonio cultural inmaterial reconocido por la UNESCO.

Otros recursos que podrían interesarte

Temas Virtualpro