ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL
En la actualidad, la inteligencia artificial ha demostrado ser una de las tecnologías más influyentes en el progreso y la mejora de la vida humana. Muchas organizaciones han optado por estudiar, desarrollar y, finalmente, adoptar la inteligencia artificial como impulsora principal de la innovación,...
- Autores:
-
Arteaga Palacio, Cristian Eduardo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad Católica de Pereira
- Repositorio:
- Repositorio Institucional - RIBUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.ucp.edu.co:10785/16622
- Acceso en línea:
- https://hdl.handle.net/10785/16622
https://repositorio.ucp.edu.co/home
- Palabra clave:
- 2. Ingeniería y Tecnología
Aprendizaje profundo
Fotografía digital
Inteligencia artificial
Redes neuronales artificiales
Deep learning
digital photography
Artificial intelligence
Artificial neural networks
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
| id |
RepoRIBUC2_c4e542ca3e3dd940a8c0d8169547fa64 |
|---|---|
| oai_identifier_str |
oai:repositorio.ucp.edu.co:10785/16622 |
| network_acronym_str |
RepoRIBUC2 |
| network_name_str |
Repositorio Institucional - RIBUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL |
| title |
ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL |
| spellingShingle |
ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL 2. Ingeniería y Tecnología Aprendizaje profundo Fotografía digital Inteligencia artificial Redes neuronales artificiales Deep learning digital photography Artificial intelligence Artificial neural networks |
| title_short |
ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL |
| title_full |
ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL |
| title_fullStr |
ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL |
| title_full_unstemmed |
ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL |
| title_sort |
ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL |
| dc.creator.fl_str_mv |
Arteaga Palacio, Cristian Eduardo |
| dc.contributor.advisor.none.fl_str_mv |
Becerra Sánchez, Line Yasmín |
| dc.contributor.author.none.fl_str_mv |
Arteaga Palacio, Cristian Eduardo |
| dc.contributor.corporatename.none.fl_str_mv |
Universidad Católica de Pereira |
| dc.contributor.jury.none.fl_str_mv |
Medina Otálvaro, Carlos Mario |
| dc.contributor.none.fl_str_mv |
Becerra Sánchez, Line Yasmín |
| dc.subject.ocde.none.fl_str_mv |
2. Ingeniería y Tecnología |
| topic |
2. Ingeniería y Tecnología Aprendizaje profundo Fotografía digital Inteligencia artificial Redes neuronales artificiales Deep learning digital photography Artificial intelligence Artificial neural networks |
| dc.subject.proposal.spa.fl_str_mv |
Aprendizaje profundo Fotografía digital Inteligencia artificial Redes neuronales artificiales |
| dc.subject.proposal.eng.fl_str_mv |
Deep learning digital photography Artificial intelligence Artificial neural networks |
| description |
En la actualidad, la inteligencia artificial ha demostrado ser una de las tecnologías más influyentes en el progreso y la mejora de la vida humana. Muchas organizaciones han optado por estudiar, desarrollar y, finalmente, adoptar la inteligencia artificial como impulsora principal de la innovación, incluyéndola en la implementación de procedimientos para casi todas las áreas del sector productivo. Una de las aplicaciones actuales es el mejoramiento de las fotografías digitales. El uso de la inteligencia artificial en las fotografías digitales ha venido revolucionando la forma como se captura, se procesa y se experimenta las imágenes. Es por esto por lo que este documento ofrece un estado del arte sobre los algoritmos, herramientas y tecnologías actuales relacionadas al uso de la inteligencia artificial en el mejoramiento de fotografías digitales. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-04-09T15:35:02Z |
| dc.date.available.none.fl_str_mv |
2025-04-09T15:35:02Z |
| dc.date.issued.none.fl_str_mv |
2025 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.citation.none.fl_str_mv |
Arteaga Palacio, C. (2025). ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL. Universidad Católica de Pereira. Disponible en: https://hdl.handle.net/10785/16622 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10785/16622 |
| dc.identifier.instname.none.fl_str_mv |
Universidad Católica de Pereira |
| dc.identifier.repourl.none.fl_str_mv |
https://repositorio.ucp.edu.co/home |
| identifier_str_mv |
Arteaga Palacio, C. (2025). ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL. Universidad Católica de Pereira. Disponible en: https://hdl.handle.net/10785/16622 Universidad Católica de Pereira |
| url |
https://hdl.handle.net/10785/16622 https://repositorio.ucp.edu.co/home |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
D. L. I. Q. R., "Neuroflash," Neuroflash, 25-May-2023. [En línea]. Available: https://neuroflash.com/es/blog/descubre-la-ia-que-reconoce-imagenes/. [Último acceso: 20-Nov-2024]. A. Toro, "Taller 1-RSL," Pereira, 2024. Á. Serrahima de Bedoya, "Avances y desafíos de la inteligencia artificial," 2022. edm, «edm,» 22 11 2023. [En línea]. Available: https://www.edm.es/actualidad/el-oficio-de-invertir/auge-inteligencia-artificial-inversi%C3%B3n/. [Último acceso: 01 11 2024]. Redacción National Geographic, «¿Qué es la inteligencia artificial?,» National Geographic, 06 02 2023. [En línea]. Available: https://www.nationalgeographicla.com/ciencia/2023/02/que-es-la-inteligencia-artificial. [Último acceso: 21 10 2024]. C. Gutiérrez y A. Abeliuk, "Historia y evolución de la inteligencia artificial," Revista Bits de Ciencia, vol. 21, pp. 16-17, 2021. Redacción APD, «Las ramas de la inteligencia artificial y sus diferentes aplicaciones,» 05 09 2023. [En línea]. Available: https://www.apd.es/tecnicas-de-la-inteligencia-artificial-cuales-son-y-para-que-se-utilizan/. [Último acceso: 26 10 2024]. IBM, «¿Qué son las redes neuronales convolucionales?,» [En línea]. Available: https://www.ibm.com/es-es/topics/convolutional-neural-networks. [Último acceso: 20 10 2024]. D. Calvo, «Red Neuronal Convolucional CNN,» 20 07 2017. [En línea]. Available: https://www.diegocalvo.es/red-neuronal-convolucional/. [Último acceso: 21 11 2024]. Unisabaneta Corporación, «Generative Adversarial Networks (GANs): Revolucionando la Inteligencia Artificial,» Unisabaneta, 28 12 2023. [En línea]. Available: https://unisabaneta.edu.co/2023/12/28/generative-adversarial-networks-gans-revolucionando-la-inteligencia-artificial/. [Último acceso: 24 10 2024]. Redesinformaticas, «Redes GAN: ¿Qué son? Características, funciones y ventajas,» [En línea]. Available: https://redesinformaticas.org/red-gan/. [Último acceso: 24 10 2024]. L. Diaz, «Redes neuronales recurrentes: El poder de la memoria en el análisis y predicción de datos,» 09 11 2023. [En línea]. Available: https://blog.dinobrain.ai/redes-neuronales-recurrentes/. [Último acceso: 12 11 2024]. AWS, «¿Cómo funciona una red neuronal recurrente?,» [En línea]. Available: https://aws.amazon.com/es/what-is/recurrent-neural-network/. [Último acceso: 10 11 2024]. MathWorks, «Support Vector Machine,» [En línea]. Available: https://la.mathworks.com/discovery/support-vector-machine.html. [Último acceso: 01 11 2024]. C. C. y. V. Vapnik, "Support-vector networks," Machine Learning, vol. 20, no. 3, pp. 273–297, 1995. I. López, "Clasificador Automático de Alto Desempeño," 2007. T. L. D. Reservados, "Generar imágenes a partir de textos con modelos de difusión," [En línea]. Disponible en: https://www.iic.uam.es/innovacion/generar-imagenes-a-partir-de-textos-con-modelos-difusion/. [Último acceso: 11-Oct-2024]. S. Pérez, "Análisis de usabilidad de sistemas CBIR," 2003. [En línea]. Disponible en: https://revistas.ucm.es/index.php/DCIN/article/view/DCIN0303110313A. [Último acceso: 22-Sep-2024]. T. L. D. Reservados, "Convolución dilatada," 14-Abr-2023. [En línea]. Disponible en: https://www.geeksforgeeks.org/dilated-convolution/. [Último acceso: 02-Oct-2024]. S. Suryanarayana et al., "Estimation and Removal of Gaussian Noise in Digital," Int. J. Electron. Commun. Eng., vol. 5, no. 1, pp. 23–33, 2012. J. Murel y K. Eda, "¿Qué es el aprendizaje por transferencia?", 12-Feb-2024. [En línea]. Disponible en: [Técnica del machine learning que busca utilizar los conocimientos adquiridos en un entrenamiento previo para aplicarlos en otro nuevo entrenamiento. Con el objetivo de mejorar la eficiencia y el rendimiento en el aprendizaje]. [Último acceso: 17-Sep-2024]. T. L. D. Reservados, "¿Qué es el aprendizaje mediante refuerzo?", [En línea]. Disponible en: https://aws.amazon.com/es/what-is/reinforcement-learning/#:~:text=El%20aprendizaje%20por%20refuerzo%20(RL,utilizan%20para%20lograr%20sus%20objetivos. [Último acceso: 13-Oct-2024]. S. Rodríguez, «Face++ la tecnología de la policía china todavía no logra ser la número uno en el mundo,» [En línea]. Available: https://colaborativo.net/todo/ciencia-y-tecnologia/face-la-tecnologia-de-la-policia-china/. [Último acceso: 22 10 2024]. Fastercapital, "Baidu AI," [En línea]. Disponible en: https://fastercapital.com/es/palabra-clave/baidu-ai.html. [Último acceso: 26-Oct-2024]. D. Bergmann y C. Stryker, "¿Qué es PyTorch?", IBM, 23-Nov-2023. [En línea]. Disponible en: https://www.ibm.com/es-es/topics/pytorch. [Último acceso: 16-Oct-2024]. Colab, "Te damos la bienvenida a Colab," [En línea]. Disponible en: https://colab.research.google.com/?hl=es#:~:text=Colab%20es%20una%20herramienta%20muy,Desarrollar%20y%20entrenar%20redes%20neuronales. [Último acceso: 20-Oct-2024]. TensorFlow, "Introducción a TensorFlow," [En línea]. Disponible en: https://www.tensorflow.org/learn?hl=es-419. [Último acceso: 26-Oct-2024]. E. Romero, "¿Qué es la fotografía digital? Aspectos importantes en fotografía digital," [En línea]. Disponible en: https://www.inesem.es/revistadigital/diseno-y-artes-graficas/que-es-la-fotografia-digital-aspectos-importantes/. [Último acceso: 15-Oct-2024]. Canon, "Explicación de los sensores de imagen," [En línea]. Disponible en: https://www.canon.es/pro/infobank/image-sensors-explained/. [Último acceso: 23-Oct-2024]. N. R. Haddaway, M. J. Pritchard y C. C. McGuinness, "An R package and Shiny app for producing PRISMA 2020-compliant flow diagrams, with interactivity for optimised digital transparency and Open Synthesis Campbell Systematic," PRISMA2020, no. 1230, p. 18, 2022. M. Everaert et al., "Exploiting the Signal-Leak Bias in Diffusion Models," en Proc. 2024 IEEE Winter Conf. on Appl. of Comput. Vision (WACV 2024), Waikoloa, 2024. Y. Wang et al., "Aesthetic feature design and aesthetic quality assessment for group photograph," Multimedia Tools and Appl., vol. 83, pp. 64417–64439, 2024. S. Anbukkarasi, V. Sathishkumar, S. Dhivyaa y J. Cho, "Enhanced Feature Model Based Hybrid Neural Network for Text Detection on Signboard, Billboard and News Tickers," vol. 11, pp. 41524–41534, 2023. D. Ventura et al., "From Video Conferences to DSLRs: An In-depth Texture Evaluation with Realistic Mannequins," en IS&T Int. Symp. on Electron. Imaging Sci. Technol., San Francisco, 2024. R. Hasan, D. Crandall, M. Fritz y A. Kapadia, "Automatically detecting bystanders in photos to reduce privacy risks," 2020. P. Tiwari et al., "Security Protection Mechanism in Cloud Computing Authorization Model Using Machine Learning Techniques," 2022. A. Salem, H. Ibrahem y H. Kang, "Dual Disparity-Based Novel View Reconstruction for Light Field Images Using Discrete Cosine Transform Filter," vol. 8, no. 9067836, pp. 72287–72297, 2020. D. Mohanty, V. Jain y N. Paranthaman, "Underwater Photography Noise Cancellation," en ACM Int. Conf. Proc. Ser., Jaipur, 2023. F. Eiler, S. Graf y W. Dorner, "Artificial intelligence and the automatic classification of historical photographs," en ACM Int. Conf. Proc. Ser., Salamanca, 2018. H. Yang et al., "Personalized Exposure Control Using Adaptive Metering and Reinforcement Learning," IEEE Trans. Vis. Comput. Graph., vol. 25, pp. 2953–2968, 2019. B. Brummer y C. De Vleeschouwer, «On the Importance of Denoising when Learning to Compress Images,» de Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, Waikoloa, 2023. U. N y e. al., «Image noise reduction by deep learning methods,» International Journal of Electrical and Computer Engineering, vol. 13, pp. 6855 - 6861, 2023. M. Kim, Y. Lee, W. Han y K. Hwan, «Learning Residual Elastic Warps for Image Stitching under Dirichlet Boundary Condition,» de Proceedings - 2024 IEEE Winter Conference on Applications of Computer Vision, WACV 2024, Waikoloa, 2024. E. Tabellion y et al., «Computational Long Exposure Mobile Photography,» ACM Transactions on Graphics, vol. 42, nº 48, 2023. A. Abualola y e. al, «Development of Colorization of Grayscale Images Using CNN-SVM,» 2021. H. Yang y e. al., «A Hierarchical deep model for food classification from photographs,» KSII Transactions on Internet and Information Systems, vol. 14, nº 4, pp. 1704 - 1720, 2020. K. Chumachenko, A. Mannisto, A. Iosifidis y J. Raitoharju, «Machine Learning Based Analysis of Finnish World War II Photographers,» vol. 8, nº 9159591, pp. 144184 - 144196, 2020. N. Capece, F. Banterle, Cignoni, G. F., R. Scopigno y E. R, «DeepFlash: Turning a flash selfie into a studio portrait,» Signal Processing: Image Communication, vol. 77, pp. 28 - 39, 2019. K. Lai, X. Tu y S. Yanushkevich, «Dog Identification using Soft Biometrics and Neural Networks,» de Proceedings of the International Joint Conference on Neural Networks, Budapest, 2019. M. Fahim y J. H.Y., «Single image dehazing using end-to-end deep-dehaze network,» Electronics (Switzerland), vol. 10, nº 817, 2021. J. Román, M. Pérez y S. G. S, «Convolutional Neural Networks Used to Date Photographs,» Electronics (Switzerland), vol. 11, nº 227, 2022. B. Watkins, L. Odallo y J. Yu, «Artificial intelligence for the practical assessment of nutritional status in emergencies,» vol. 41, nº 13550, 2024. S. Luo y et al., «Devignet: High-Resolution Vignetting Removal via a Dual Aggregated Fusion Transformer with Adaptive Channel Expansion,» de Proceedings of the AAAI Conference on Artificial Intelligence, Vancouver, 2024. B. Liu, B. Hu, L. W. Bi y B. Xiao, «Focus Stacking with High Fidelity and Superior Visual Effects,» de Proceedings of the AAAI Conference on Artificial Intelligence, Vancouver, 2024. D. Bange, A. Gaikwad, Gajare, T. Khadse y S. Shinde, «A torch without light: Low-light imaging for mobile phones,» International Journal of Engineering and Advanced Technology, vol. 9, pp. 2042 - 2047, 2019. D. B. Chávez Heras, «On machine vision and photographic imagination,» vol. 36, p. 1153–1165, 2021. Y. Shu, Q. Li, S. Liu y G. Xu, «Computational Optics for Mobile Terminals in Mass Production.,» 2023. S. Chen, T. Lin, H. Feng, Z. Xu, Q. Li y Y. Chen, «Computational Optics for Mobile Terminals in Mass Production.,» IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 45, pp. 4245-4259, 2023. V. Sushko, D. Zhang, J. Gall y A. Khoreva, «One-Shot Synthesis of Images and Segmentation Masks,» de Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, Waikoloa, 2023. Z. Duan, M. Lu, Z. Ma y F. Zhu, «Lossy Image Compression with Quantized Hierarchical VAEs,» de Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, Waikoloa, 2023. J. Fu, L. Yan, Y. Peng, K. Zheng, R. Gao y H. Ling, «Low-light image enhancement base on brightness attention mechanism generative adversarial networks,» vol. 83, p. 10341–10365, 2023. L. Cunha, L. Zhang, B. Sowan, C. P. Lim y Y. Kong, «Video deepfake detection using Particle Swarm Optimization improved deep neural networks,» vol. 36, p. 8417–8453, 2024. P. Figueiredo, A. Paliwal y N. Kalantari, «Frame Interpolation for Dynamic Scenes with Implicit Flow Encoding,» de Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, Waikoloa, 2023. V. Kamath, C. Kurian y U. Suprabha, «Development of Bayesian Neural Network Model to Predict the Correlated Color Temperature Using Digital Camera and Macbeth ColorChecker Chart,» vol. 10, pp. 55499 - 55507, 2022. Y. Guo-Ye, Z. Wen-Yang, C. Yun, Z. Song-Hai y Z. Fang-Lue, «Focusing on your subject: Deep subject-aware image composition recommendation networks,» vol. 9, p. 87–107, 2023. K. Aske y M. Giardinetti, «(Mis)Matching Metadata: Improving Accessibility in Digital Visual Archives through the EyCon Project,» vol. 16, nº 76, pp. 1 - 20, 2023. MathWorks, «Matlab,» [En línea]. Available: https://la.mathworks.com/products/matlab.html#:~:text=MATLAB%20es%20una%20plataforma%20de,desarrollar%20algoritmos%20y%20crear%20modelos.. [Último acceso: 05 11 2024]. C. Ledig y et al., «Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network,» 25 05 2017. [En línea]. Available: https://arxiv.org/pdf/1609.04802. [Último acceso: 11 10 2024]. K. Zhang y et al, «Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising,» 13 08 2016. [En línea]. Available: https://arxiv.org/abs/1608.03981. [Último acceso: 23 11 2024]. C. Dong y et al, «Image Super-Resolution Using Deep Convolutional Networks,» 31 07 2015. [En línea]. Available: https://arxiv.org/abs/1501.00092. [Último acceso: 23 10 2024]. D. Pathak y et al, «Context Encoders: Feature Learning by Inpainting,» 21 11 2016. [En línea]. Available: https://arxiv.org/abs/1604.07379. [Último acceso: 25 10 2024]. L. bee y et al, «Enhanced Deep Residual Networks for Single Image Super-Resolution,» 10 07 2017. [En línea]. Available: https://arxiv.org/abs/1707.02921. [Último acceso: 23 10 2024]. I. Mavrou, «Análisis factorial exploratorio:,» 10 09 2015. [En línea]. Available: https://www.nebrija.com/revista-linguistica/analisis-factorial-exploratorio.html#:~:text=INTRODUCCI%C3%93N,observa%20y%20mide%20el%20investigador.. [Último acceso: 29 09 2024]. A. Anikina, O. Rogov y D. Dylov, «Detect to Focus: Latent-Space Autofocusing System with Decentralized Hierarchical Multi-Agent Reinforcement Learning,» vol. 11, pp. 85214 - 85223, 2023. |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
58 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Católica de Pereira |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ciencias Básicas e Ingeniería |
| dc.publisher.place.none.fl_str_mv |
Pereira, Risaralda - Colombia |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas y Telecomunicaciones |
| publisher.none.fl_str_mv |
Universidad Católica de Pereira |
| institution |
Universidad Católica de Pereira |
| bitstream.url.fl_str_mv |
https://repositorio.ucp.edu.co/bitstreams/b53188df-1c4c-4d5b-859f-d6e237c23d4a/download https://repositorio.ucp.edu.co/bitstreams/4866d776-d3e5-43c0-a67e-48ade696e2cd/download https://repositorio.ucp.edu.co/bitstreams/a7cf7fa0-2344-41ef-b1fa-8c018ac56c4b/download https://repositorio.ucp.edu.co/bitstreams/7710ef41-e04b-4162-a7b4-ee7954c50212/download |
| bitstream.checksum.fl_str_mv |
d7650ecfc2059b389e5a9edfa841885b ed43087c91c5767e71114b617c568d60 25404061638b6e9760abe0040bf095ea 73a5432e0b76442b22b026844140d683 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad Católica de Pereira - RIBUC |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1831929571590537216 |
| spelling |
Becerra Sánchez, Line YasmínBecerra Sánchez, Line YasmínArteaga Palacio, Cristian EduardoUniversidad Católica de PereiraMedina Otálvaro, Carlos Mario2025-04-09T15:35:02Z2025-04-09T15:35:02Z2025Arteaga Palacio, C. (2025). ESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIAL. Universidad Católica de Pereira. Disponible en: https://hdl.handle.net/10785/16622https://hdl.handle.net/10785/16622Universidad Católica de Pereirahttps://repositorio.ucp.edu.co/homeEn la actualidad, la inteligencia artificial ha demostrado ser una de las tecnologías más influyentes en el progreso y la mejora de la vida humana. Muchas organizaciones han optado por estudiar, desarrollar y, finalmente, adoptar la inteligencia artificial como impulsora principal de la innovación, incluyéndola en la implementación de procedimientos para casi todas las áreas del sector productivo. Una de las aplicaciones actuales es el mejoramiento de las fotografías digitales. El uso de la inteligencia artificial en las fotografías digitales ha venido revolucionando la forma como se captura, se procesa y se experimenta las imágenes. Es por esto por lo que este documento ofrece un estado del arte sobre los algoritmos, herramientas y tecnologías actuales relacionadas al uso de la inteligencia artificial en el mejoramiento de fotografías digitales.Currently, artificial intelligence has proven to be one of the most influential technologies in the progress and improvement of human life. Many organizations have chosen to study, develop, and ultimately adopt artificial intelligence as a primary driver of innovation, including it in the implementation of procedures for almost all areas of the productive sector. One of its current applications is the enhancement of digital photographs. The use of artificial intelligence in digital photography has revolutionized the way images are captured, processed, and experienced. Therefore, this document offers a state-of-the-art overview of current algorithms, tools, and technologies related to the use of artificial intelligence in digital photography enhancement.INTRODUCCIÓN 1. PLANTEAMIENTO DEL PROBLEMA 2. DELIMITACIÓN 3. JUSTIFICACIÓN 4. OBJETIVOS 4.1. OBJETIVO GENERAL 4.2. OBJETIVOS ESPECÍFICOS 5. MARCO TEÓRICO 5.1. HISTORIA Y DEFINICIÓN DE LA INTELIGENCIA ARTIFICIAL 5.2. SUBCAMPOS DE LA INTELIGENCIA ARTIFICIAL 5.2.1. Aprendizaje automático (Machine Learning) 5.2.2. Aprendizaje profundo (Deep Learning) 5.3. ALGORITMOS/ARQUITECTURAS DE LA INTELIGENCIA ARTIFICIAL 5.3.1. Red neuronal convolucional (CNN) 5.3.2. Red generativa antagónica (GAN) 5.3.3. Red Neuronal recurrente (RNN) 5.3.4. Máquina de vectores de soporte (SVM) 5.4. TÉCNICAS USADAS PARA LA MEJORA DE FOTOGRAFÍAS DIGITALES CON INTELIGENCIA ARTIFICIAL 5.4.1. Modelo de difusión 5.4.2. CBIR 5.4.3. Convolución dilatada 5.4.4. Eliminación de ruido de imagen gaussiana 5.4.5. Aprendizaje por transferencia 5.4.6. Aprendizaje por refuerzo 5.5. HERRAMIENTAS USADAS PARA LA MEJORA DE FOTOGRAFÍAS DIGITALES CON INTELIGENCIA ARTIFICIAL 5.5.1. Face++ 5.5.2. BaiduAI 5.5.3. PyTorch 5.5.4. Google Colab 5.5.5. Matlab 5.5.6. TensorFlow 5.6. DEFINICIÓN DE LA FOTOGRAFÍA DIGITAL 6. METODOLOGÍA 6.1. PLANIFICACIÓN DEL PROYECTO (CRONOGRAMA) 7. DESARROLLO DEL ESTADO DEL ARTE 7.1. ANTECEDENTE DE PROYECTOS SIMILARES 7.2. METODOLOGÍA 7.2.1. Fase 1: Exploración de la información 7.2.2. Fase 2: Caracterización 7.2.3. Fase 3: Análisis de la información 8. ANÁLISIS DE RESULTADOS 8.1. DISTRIBUCIÓN DE LOS DOCUMENTOS POR SECTOR DE APLICACIÓN 8.2. DISTRIBUCIÓN DE LOS DOCUMENTOS POR AÑO DE PUBLICACIÓN 8.3. DISTRIBUCIÓN DE LOS DOCUMENTOS RESULTANTES POR PAÍS DE PUBLICACIÓN 8.4. ANÁLISIS DE RESULTADOS BASADO EN LAS PREGUNTAS DE INVESTIGACIÓN 8.4.1 Técnicas, algoritmos y herramienta de la Inteligencia Artificial 8.4.2 Identificación de Tendencias 8.4.3 Problemas y limitaciones 9. CONCLUSIONES 10. RECOMENDACIONES REFERENCIASPregradoIngeniero de Sistemas y Telecomunicaciones58application/pdfspaUniversidad Católica de PereiraFacultad de Ciencias Básicas e IngenieríaPereira, Risaralda - ColombiaIngeniería de Sistemas y TelecomunicacionesESTADO DEL ARTE SOBRE ALGORITMOS, HERRAMIENTAS Y TECNOLOGÍAS PARA EL MEJORAMIENTO DE FOTOGRAFÍAS DIGITALES MEDIANTE INTELIGENCIA ARTIFICIALTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/publishedVersionAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2D. L. I. Q. R., "Neuroflash," Neuroflash, 25-May-2023. [En línea]. Available: https://neuroflash.com/es/blog/descubre-la-ia-que-reconoce-imagenes/. [Último acceso: 20-Nov-2024].A. Toro, "Taller 1-RSL," Pereira, 2024.Á. Serrahima de Bedoya, "Avances y desafíos de la inteligencia artificial," 2022.edm, «edm,» 22 11 2023. [En línea]. Available: https://www.edm.es/actualidad/el-oficio-de-invertir/auge-inteligencia-artificial-inversi%C3%B3n/. [Último acceso: 01 11 2024].Redacción National Geographic, «¿Qué es la inteligencia artificial?,» National Geographic, 06 02 2023. [En línea]. Available: https://www.nationalgeographicla.com/ciencia/2023/02/que-es-la-inteligencia-artificial. [Último acceso: 21 10 2024].C. Gutiérrez y A. Abeliuk, "Historia y evolución de la inteligencia artificial," Revista Bits de Ciencia, vol. 21, pp. 16-17, 2021.Redacción APD, «Las ramas de la inteligencia artificial y sus diferentes aplicaciones,» 05 09 2023. [En línea]. Available: https://www.apd.es/tecnicas-de-la-inteligencia-artificial-cuales-son-y-para-que-se-utilizan/. [Último acceso: 26 10 2024].IBM, «¿Qué son las redes neuronales convolucionales?,» [En línea]. Available: https://www.ibm.com/es-es/topics/convolutional-neural-networks. [Último acceso: 20 10 2024].D. Calvo, «Red Neuronal Convolucional CNN,» 20 07 2017. [En línea]. Available: https://www.diegocalvo.es/red-neuronal-convolucional/. [Último acceso: 21 11 2024].Unisabaneta Corporación, «Generative Adversarial Networks (GANs): Revolucionando la Inteligencia Artificial,» Unisabaneta, 28 12 2023. [En línea]. Available: https://unisabaneta.edu.co/2023/12/28/generative-adversarial-networks-gans-revolucionando-la-inteligencia-artificial/. [Último acceso: 24 10 2024].Redesinformaticas, «Redes GAN: ¿Qué son? Características, funciones y ventajas,» [En línea]. Available: https://redesinformaticas.org/red-gan/. [Último acceso: 24 10 2024].L. Diaz, «Redes neuronales recurrentes: El poder de la memoria en el análisis y predicción de datos,» 09 11 2023. [En línea]. Available: https://blog.dinobrain.ai/redes-neuronales-recurrentes/. [Último acceso: 12 11 2024].AWS, «¿Cómo funciona una red neuronal recurrente?,» [En línea]. Available: https://aws.amazon.com/es/what-is/recurrent-neural-network/. [Último acceso: 10 11 2024].MathWorks, «Support Vector Machine,» [En línea]. Available: https://la.mathworks.com/discovery/support-vector-machine.html. [Último acceso: 01 11 2024].C. C. y. V. Vapnik, "Support-vector networks," Machine Learning, vol. 20, no. 3, pp. 273–297, 1995.I. López, "Clasificador Automático de Alto Desempeño," 2007.T. L. D. Reservados, "Generar imágenes a partir de textos con modelos de difusión," [En línea]. Disponible en: https://www.iic.uam.es/innovacion/generar-imagenes-a-partir-de-textos-con-modelos-difusion/. [Último acceso: 11-Oct-2024].S. Pérez, "Análisis de usabilidad de sistemas CBIR," 2003. [En línea]. Disponible en: https://revistas.ucm.es/index.php/DCIN/article/view/DCIN0303110313A. [Último acceso: 22-Sep-2024].T. L. D. Reservados, "Convolución dilatada," 14-Abr-2023. [En línea]. Disponible en: https://www.geeksforgeeks.org/dilated-convolution/. [Último acceso: 02-Oct-2024].S. Suryanarayana et al., "Estimation and Removal of Gaussian Noise in Digital," Int. J. Electron. Commun. Eng., vol. 5, no. 1, pp. 23–33, 2012.J. Murel y K. Eda, "¿Qué es el aprendizaje por transferencia?", 12-Feb-2024. [En línea]. Disponible en: [Técnica del machine learning que busca utilizar los conocimientos adquiridos en un entrenamiento previo para aplicarlos en otro nuevo entrenamiento. Con el objetivo de mejorar la eficiencia y el rendimiento en el aprendizaje]. [Último acceso: 17-Sep-2024].T. L. D. Reservados, "¿Qué es el aprendizaje mediante refuerzo?", [En línea]. Disponible en: https://aws.amazon.com/es/what-is/reinforcement-learning/#:~:text=El%20aprendizaje%20por%20refuerzo%20(RL,utilizan%20para%20lograr%20sus%20objetivos. [Último acceso: 13-Oct-2024].S. Rodríguez, «Face++ la tecnología de la policía china todavía no logra ser la número uno en el mundo,» [En línea]. Available: https://colaborativo.net/todo/ciencia-y-tecnologia/face-la-tecnologia-de-la-policia-china/. [Último acceso: 22 10 2024].Fastercapital, "Baidu AI," [En línea]. Disponible en: https://fastercapital.com/es/palabra-clave/baidu-ai.html. [Último acceso: 26-Oct-2024].D. Bergmann y C. Stryker, "¿Qué es PyTorch?", IBM, 23-Nov-2023. [En línea]. Disponible en: https://www.ibm.com/es-es/topics/pytorch. [Último acceso: 16-Oct-2024].Colab, "Te damos la bienvenida a Colab," [En línea]. Disponible en: https://colab.research.google.com/?hl=es#:~:text=Colab%20es%20una%20herramienta%20muy,Desarrollar%20y%20entrenar%20redes%20neuronales. [Último acceso: 20-Oct-2024].TensorFlow, "Introducción a TensorFlow," [En línea]. Disponible en: https://www.tensorflow.org/learn?hl=es-419. [Último acceso: 26-Oct-2024].E. Romero, "¿Qué es la fotografía digital? Aspectos importantes en fotografía digital," [En línea]. Disponible en: https://www.inesem.es/revistadigital/diseno-y-artes-graficas/que-es-la-fotografia-digital-aspectos-importantes/. [Último acceso: 15-Oct-2024].Canon, "Explicación de los sensores de imagen," [En línea]. Disponible en: https://www.canon.es/pro/infobank/image-sensors-explained/. [Último acceso: 23-Oct-2024].N. R. Haddaway, M. J. Pritchard y C. C. McGuinness, "An R package and Shiny app for producing PRISMA 2020-compliant flow diagrams, with interactivity for optimised digital transparency and Open Synthesis Campbell Systematic," PRISMA2020, no. 1230, p. 18, 2022.M. Everaert et al., "Exploiting the Signal-Leak Bias in Diffusion Models," en Proc. 2024 IEEE Winter Conf. on Appl. of Comput. Vision (WACV 2024), Waikoloa, 2024.Y. Wang et al., "Aesthetic feature design and aesthetic quality assessment for group photograph," Multimedia Tools and Appl., vol. 83, pp. 64417–64439, 2024.S. Anbukkarasi, V. Sathishkumar, S. Dhivyaa y J. Cho, "Enhanced Feature Model Based Hybrid Neural Network for Text Detection on Signboard, Billboard and News Tickers," vol. 11, pp. 41524–41534, 2023.D. Ventura et al., "From Video Conferences to DSLRs: An In-depth Texture Evaluation with Realistic Mannequins," en IS&T Int. Symp. on Electron. Imaging Sci. Technol., San Francisco, 2024.R. Hasan, D. Crandall, M. Fritz y A. Kapadia, "Automatically detecting bystanders in photos to reduce privacy risks," 2020.P. Tiwari et al., "Security Protection Mechanism in Cloud Computing Authorization Model Using Machine Learning Techniques," 2022.A. Salem, H. Ibrahem y H. Kang, "Dual Disparity-Based Novel View Reconstruction for Light Field Images Using Discrete Cosine Transform Filter," vol. 8, no. 9067836, pp. 72287–72297, 2020.D. Mohanty, V. Jain y N. Paranthaman, "Underwater Photography Noise Cancellation," en ACM Int. Conf. Proc. Ser., Jaipur, 2023.F. Eiler, S. Graf y W. Dorner, "Artificial intelligence and the automatic classification of historical photographs," en ACM Int. Conf. Proc. Ser., Salamanca, 2018.H. Yang et al., "Personalized Exposure Control Using Adaptive Metering and Reinforcement Learning," IEEE Trans. Vis. Comput. Graph., vol. 25, pp. 2953–2968, 2019.B. Brummer y C. De Vleeschouwer, «On the Importance of Denoising when Learning to Compress Images,» de Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, Waikoloa, 2023.U. N y e. al., «Image noise reduction by deep learning methods,» International Journal of Electrical and Computer Engineering, vol. 13, pp. 6855 - 6861, 2023.M. Kim, Y. Lee, W. Han y K. Hwan, «Learning Residual Elastic Warps for Image Stitching under Dirichlet Boundary Condition,» de Proceedings - 2024 IEEE Winter Conference on Applications of Computer Vision, WACV 2024, Waikoloa, 2024.E. Tabellion y et al., «Computational Long Exposure Mobile Photography,» ACM Transactions on Graphics, vol. 42, nº 48, 2023.A. Abualola y e. al, «Development of Colorization of Grayscale Images Using CNN-SVM,» 2021.H. Yang y e. al., «A Hierarchical deep model for food classification from photographs,» KSII Transactions on Internet and Information Systems, vol. 14, nº 4, pp. 1704 - 1720, 2020.K. Chumachenko, A. Mannisto, A. Iosifidis y J. Raitoharju, «Machine Learning Based Analysis of Finnish World War II Photographers,» vol. 8, nº 9159591, pp. 144184 - 144196, 2020.N. Capece, F. Banterle, Cignoni, G. F., R. Scopigno y E. R, «DeepFlash: Turning a flash selfie into a studio portrait,» Signal Processing: Image Communication, vol. 77, pp. 28 - 39, 2019.K. Lai, X. Tu y S. Yanushkevich, «Dog Identification using Soft Biometrics and Neural Networks,» de Proceedings of the International Joint Conference on Neural Networks, Budapest, 2019.M. Fahim y J. H.Y., «Single image dehazing using end-to-end deep-dehaze network,» Electronics (Switzerland), vol. 10, nº 817, 2021.J. Román, M. Pérez y S. G. S, «Convolutional Neural Networks Used to Date Photographs,» Electronics (Switzerland), vol. 11, nº 227, 2022.B. Watkins, L. Odallo y J. Yu, «Artificial intelligence for the practical assessment of nutritional status in emergencies,» vol. 41, nº 13550, 2024.S. Luo y et al., «Devignet: High-Resolution Vignetting Removal via a Dual Aggregated Fusion Transformer with Adaptive Channel Expansion,» de Proceedings of the AAAI Conference on Artificial Intelligence, Vancouver, 2024.B. Liu, B. Hu, L. W. Bi y B. Xiao, «Focus Stacking with High Fidelity and Superior Visual Effects,» de Proceedings of the AAAI Conference on Artificial Intelligence, Vancouver, 2024.D. Bange, A. Gaikwad, Gajare, T. Khadse y S. Shinde, «A torch without light: Low-light imaging for mobile phones,» International Journal of Engineering and Advanced Technology, vol. 9, pp. 2042 - 2047, 2019.D. B. Chávez Heras, «On machine vision and photographic imagination,» vol. 36, p. 1153–1165, 2021.Y. Shu, Q. Li, S. Liu y G. Xu, «Computational Optics for Mobile Terminals in Mass Production.,» 2023.S. Chen, T. Lin, H. Feng, Z. Xu, Q. Li y Y. Chen, «Computational Optics for Mobile Terminals in Mass Production.,» IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 45, pp. 4245-4259, 2023.V. Sushko, D. Zhang, J. Gall y A. Khoreva, «One-Shot Synthesis of Images and Segmentation Masks,» de Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, Waikoloa, 2023.Z. Duan, M. Lu, Z. Ma y F. Zhu, «Lossy Image Compression with Quantized Hierarchical VAEs,» de Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, Waikoloa, 2023.J. Fu, L. Yan, Y. Peng, K. Zheng, R. Gao y H. Ling, «Low-light image enhancement base on brightness attention mechanism generative adversarial networks,» vol. 83, p. 10341–10365, 2023.L. Cunha, L. Zhang, B. Sowan, C. P. Lim y Y. Kong, «Video deepfake detection using Particle Swarm Optimization improved deep neural networks,» vol. 36, p. 8417–8453, 2024.P. Figueiredo, A. Paliwal y N. Kalantari, «Frame Interpolation for Dynamic Scenes with Implicit Flow Encoding,» de Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023, Waikoloa, 2023.V. Kamath, C. Kurian y U. Suprabha, «Development of Bayesian Neural Network Model to Predict the Correlated Color Temperature Using Digital Camera and Macbeth ColorChecker Chart,» vol. 10, pp. 55499 - 55507, 2022.Y. Guo-Ye, Z. Wen-Yang, C. Yun, Z. Song-Hai y Z. Fang-Lue, «Focusing on your subject: Deep subject-aware image composition recommendation networks,» vol. 9, p. 87–107, 2023.K. Aske y M. Giardinetti, «(Mis)Matching Metadata: Improving Accessibility in Digital Visual Archives through the EyCon Project,» vol. 16, nº 76, pp. 1 - 20, 2023.MathWorks, «Matlab,» [En línea]. Available: https://la.mathworks.com/products/matlab.html#:~:text=MATLAB%20es%20una%20plataforma%20de,desarrollar%20algoritmos%20y%20crear%20modelos.. [Último acceso: 05 11 2024].C. Ledig y et al., «Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network,» 25 05 2017. [En línea]. Available: https://arxiv.org/pdf/1609.04802. [Último acceso: 11 10 2024].K. Zhang y et al, «Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising,» 13 08 2016. [En línea]. Available: https://arxiv.org/abs/1608.03981. [Último acceso: 23 11 2024].C. Dong y et al, «Image Super-Resolution Using Deep Convolutional Networks,» 31 07 2015. [En línea]. Available: https://arxiv.org/abs/1501.00092. [Último acceso: 23 10 2024].D. Pathak y et al, «Context Encoders: Feature Learning by Inpainting,» 21 11 2016. [En línea]. Available: https://arxiv.org/abs/1604.07379. [Último acceso: 25 10 2024].L. bee y et al, «Enhanced Deep Residual Networks for Single Image Super-Resolution,» 10 07 2017. [En línea]. Available: https://arxiv.org/abs/1707.02921. [Último acceso: 23 10 2024].I. Mavrou, «Análisis factorial exploratorio:,» 10 09 2015. [En línea]. Available: https://www.nebrija.com/revista-linguistica/analisis-factorial-exploratorio.html#:~:text=INTRODUCCI%C3%93N,observa%20y%20mide%20el%20investigador.. [Último acceso: 29 09 2024].A. Anikina, O. Rogov y D. Dylov, «Detect to Focus: Latent-Space Autofocusing System with Decentralized Hierarchical Multi-Agent Reinforcement Learning,» vol. 11, pp. 85214 - 85223, 2023.2. Ingeniería y TecnologíaAprendizaje profundoFotografía digitalInteligencia artificialRedes neuronales artificialesDeep learningdigital photographyArtificial intelligenceArtificial neural networksPublicationTEXTDDMIST303.txtDDMIST303.txtExtracted texttext/plain101667https://repositorio.ucp.edu.co/bitstreams/b53188df-1c4c-4d5b-859f-d6e237c23d4a/downloadd7650ecfc2059b389e5a9edfa841885bMD54THUMBNAILDDMIST303.jpgDDMIST303.jpgGenerated Thumbnailimage/jpeg6426https://repositorio.ucp.edu.co/bitstreams/4866d776-d3e5-43c0-a67e-48ade696e2cd/downloaded43087c91c5767e71114b617c568d60MD55ORIGINALDDMIST303DDMIST303application/pdf1367799https://repositorio.ucp.edu.co/bitstreams/a7cf7fa0-2344-41ef-b1fa-8c018ac56c4b/download25404061638b6e9760abe0040bf095eaMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-815543https://repositorio.ucp.edu.co/bitstreams/7710ef41-e04b-4162-a7b4-ee7954c50212/download73a5432e0b76442b22b026844140d683MD5310785/16622oai:repositorio.ucp.edu.co:10785/166222025-04-10 03:01:43.822open.accesshttps://repositorio.ucp.edu.coRepositorio Institucional de la Universidad Católica de Pereira - RIBUCbdigital@metabiblioteca.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 |