Genera ambientes para videojuegos con GANs en una indie chilena
Visión general
De qué trata este proyecto.
Recibirás 3 categorías (terreno, follaje, cielo) con 300 texturas históricas cada una (1024x1024). Fine-tunea StyleGAN3 sobre cada categoría usando transfer learning desde un checkpoint preentrenado. Genera 1.000 muestras nuevas por categoría. Evalúa con FID por categoría, diversidad (LPIPS pareado), y un blind test con 4 artistas del estudio rankeando si las generadas se mezclan bien con las históricas. Entrega los checkpoints, el pipeline de generación batch (CLI tool), y un manual técnico para el equipo de arte.
El Briefing
Lo que harás y lo que demostrarás.
Fine-tunea StyleGAN3 sobre texturas históricas y entrega un pipeline de generación que el equipo de arte use sin entrenamiento técnico.
Earning criteria — what you'll demonstrate
- Aplicar transfer learning sobre StyleGAN3
- Evaluar GANs con métricas de calidad y diversidad
- Diseñar CLI tools usables por equipos no técnicos
- Diagnosticar mode collapse y otros fallos típicos de GANs
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador de ML
Fine-tuning de GANs y evaluación combinada es portfolio fuerte para roles de generative AI en gaming y medios.
Este proyecto afina
- gan
- stylegan
- fine-tuning
Ingeniero de Visión por Computador
Aplicar generative vision en producto real es trabajo del CV engineer en juegos y AR.
Este proyecto afina
- pytorch
- transfer-learning
- gan
Ingeniero de IA
Empaquetar el modelo en CLI tool con manual para no técnicos es trabajo cotidiano del AI engineer.
Este proyecto afina
- pytorch
- fine-tuning
- evaluation