audiv027-2024-2
clase
Proceso de Trabajo
- Idea incial: se decidió trabajar con el modelo de FaceMesh, con la intención de usar esa malla para reemplazar el rostro con otra imagen
- Como idea, los rostros que se mostrarían encima de la grilla serían personajes de Breaking Bad
- Con ayuda de tutoriales, pudimos colocar una base en el rostro, por ahora podemos trazar puntos en sectores del rostro de color negro (PUNTOS)
- Modelo WEBGL
- Buscar alguna forma de utilizar esa malla y colocar los rostros encima
Links y Referentes encontrados
- https://docs.ml5js.org/#/reference/facemesh
- https://github.com/tensorflow/tfjs-models/tree/master/face-landmarks-detection
- https://github.com/tensorflow/tfjs-models/tree/master/face-landmarks-detection/demos
- https://teachablemachine.withgoogle.com/train
- https://mit-cml.github.io/yrtoolkit/yr/tutorials/facemesh.html
- https://ai.google.dev/edge/mediapipe/solutions/vision/face_landmarker?hl=es-419
- https://mediapipe-studio.webapps.google.com/demo/face_landmarker?hl=es-419
- https://www.youtube.com/watch?v=ZXK8eFi0yKs
- https://editor.p5js.org/p5/sketches
- https://p5js.org/reference/p5/createModel/
Progreso de Trabajo
- https://editor.p5js.org/cottito/sketches/rOvRVM_xn
- https://editor.p5js.org/Dielox-X9/sketches/E5jqxzdb8
- https://editor.p5js.org/cottito/sketches/2psk2RI5L
instrucciones de trabajo de mitad de semestre
-
se empieza hoy!
- se entrega el próximo viernes hasta las 2:00pm, vía GitHub, en tu fork.
- si hay un commit posterior, no se tomará en cuenta
-
el proyecto es en grupos de 2 o 3 personas
- el proyecto se hace con la tecnología que ustedes quieran
- el proyecto se presenta en clases, mostrando los contenidos de la entrega en GitHub
- el proyecto es sobre lo que hemos visto en clases, posibles formatos:
- proyecto de inteligencia artificial hecho con p5.js, ml5.js, Wekinator, Teachable Machine, etc.
- proyecto de inteligencia artificial hecho a partir de GitHub, Google Colab, etc
- investigación sobre bases de datos
- tutoriales sobre herramientas hechas en clases
- adaptación de ejemplos vistos en clases
pauta
el trabajo tiene nota máxima 7.0, tienen 1 punto base más estos 6 puntos evaluados, 1 punto por cada uno:
- 1 punto por aspectos formales: subir los archivos indicados en la carpeta correcta con los nombres correctos, sin errores de sintaxis, sin errores de ortografía y redacción
- 1 punto por documentación textual en lenguaje MarkDown en tu archivo README.md sobre el funcionamiento de tu proyecto y tu investigación
- 1 punto por documentación visual de tu proyecto, incluyendo imágenes, videos, capturas de pantalla y lo necesario para entender lo que hiciste.
- 1 punto por incluir en tu documentación referentes y citas de papers, artistas, proyectos, repositorios en tu documentación
- 1 punto por orden y comentarios del código
- 1 punto por texto de conclusiones sobre tu trabajo e investigación
la pauta es:
- 1.0 si el aspecto está realizado impecablemente
- 0.7 si tiene errores menores
- 0.5 si está incompleto o tiene errores mayores
- 0.3 por el intento
- 0.0 por la ausencia
requisitos formales de la entrega
- subir a tu carpeta de tu clase-07 tu proceso al final de la clase de hoy, y luego a la clase-08 tu entrega final, incluyendo TODOS tus archivos.
- variables y archivos sin espacios, en camelCase o notación camello.
- los comentarios se escriben en la línea de arriba del código
- los comentarios se escriben en español
- la entrega se puede concentrar en un README.md por equipo, siempre y cuando el resto del equipo incluya enlaces al perfil de ese colega, del estilo
mi equipo de trabajo es <https://github.com/NOMBRE> y <<https://github.com/NOMBRE>>, entregamos en el repositorio en este enlace <https://github.com/disenoUChile/audiv027-2024-1/estudiantes/NOMBRE/clase-06>.