Cuantificación de la percepción visual de entornos urbanos a través de imágenes satelitales, utilizando aprendizaje contrastivo multimodal

dc.catalogadorpva
dc.contributor.advisorLöbel Díaz, Hans-Albert
dc.contributor.authorMagna Depoortere, Michel Alexander
dc.contributor.otherPontificia Universidad Católica de Chile. Escuela de Ingeniería
dc.date.accessioned2024-03-27T15:21:08Z
dc.date.available2024-03-27T15:21:08Z
dc.date.issued2024
dc.descriptionTesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2024
dc.description.abstractEl estudio de la percepción del entorno urbano permite desarrollar modelos computacionales que identifiquen a gran escala los elementos más significativos que influyen en la percepción de las personas sobre el lugar en el que se desenvuelven. Estos resultados son cruciales para el diseño de áreas de tránsito peatonal o vehicular y la asignación eficiente de recursos con el fin de mejorar las ciudades y sus espacios públicos. Diversos estudios han concluido que un diseño apropiado de los espacios públicos promueve, por ejemplo, un mayor uso del transporte público, áreas verdes, actividades deportivas y contribuye a la salud mental de los residentes. Por lo tanto, resulta relevante desarrollar metodologías que apoyen estas decisiones. Una alternativa para superar las limitaciones mencionadas es el empleo de imágenes satelitales. Estas ofrecen datos más actualizados, recientes y económicos en comparación con Google Street View, gracias a la proliferación de satélites y servicios relacionados. No obstante, existe una limitación significativa: la percepción visual humana se experimenta y reporta a nivel terrestre y desde una perspectiva única, lo que dificulta la aplicación directa de imágenes captadas desde ángulos radicalmente diferentes, como es el caso de las imágenes satelitales. En los últimos años, los modelos computacionales han dependido en gran medida de las imágenes de Google Street View para sus análisis. Esta dependencia ofrece la ventaja de un acceso fácil y masivo a los datos. Sin embargo, en ciertas áreas, la actualización de estas imágenes es un proceso lento, principalmente debido al elevado costo que implica un mapeo exhaustivo de la ciudad, tal como se observa en Chile. Esta situación conduce a un sesgo inherente en las imágenes, presente desde el momento de su captura y durante su uso en los análisis. Este estudio introduce una metodología diseñada para evaluar la percepción del entorno urbano en Santiago, minimizando el sesgo temporal. Se propone un enfoque innovador que integra tanto imágenes de Street View como imágenes satelitales para desarrollar un modelo multimodal de aprendizaje contrastivo. Este modelo es capaz de predecir la percepción basándose en una imagen dada. Dicha metodología aborda el problema de la discrepancia temporal entre la captura de las imágenes y el momento del análisis, resultando además en un proceso más eficiente al reducir la necesidad de actualizar constantemente las imágenes de Google Street View, gracias a la utilización de imágenes satelitales que se actualizan en menor tiempo.
dc.fechaingreso.objetodigital2024-03-27
dc.format.extentxiii, 73 páginas
dc.fuente.origenAutoarchivo
dc.identifier.doi10.7764/TesisUC/ING/84870
dc.identifier.urihttps://doi.org/10.7764/TesisUC/ING/84870
dc.identifier.urihttps://repositorio.uc.cl/handle/11534/84870
dc.information.autorucEscuela de Ingeniería; Löbel Díaz, Hans-Albert; 0000-0003-3514-9414; 131278
dc.information.autorucEscuela de Ingeniería; Magna Depoortere, Michel Alexander; S/I; 1026169
dc.language.isoes
dc.nota.accesocontenido completo
dc.rightsacceso abierto
dc.subjectRedes convolucionales
dc.subjectPercepción urbana
dc.subjectImágenes satelitales
dc.subjectEntorno urbano
dc.subjectImágenes Google Street View
dc.subject.ddc620
dc.subject.deweyIngenieríaes_ES
dc.subject.ods11 Sustainable cities and communities
dc.subject.odspa11 Ciudades y comunidades sostenibles
dc.titleCuantificación de la percepción visual de entornos urbanos a través de imágenes satelitales, utilizando aprendizaje contrastivo multimodales_ES
dc.typetesis de maestría
sipa.codpersvinculados131278
sipa.codpersvinculados1026169
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
TESIS_MMagna_Firma Final 1.pdf
Size:
45.75 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.98 KB
Format:
Item-specific license agreed upon to submission
Description: