Implementación de un modelo generativo con redes neuronales para la restauración de manuscritos antiguos en idioma español

Abstract

A lo largo del tiempo, los manuscritos han sido afectados por diversos factores de degradación, lo que ha ocasionado la pérdida parcial o total de la información contenida en ellos. En este contexto, la aplicación de modelos de inteligencia artificial emerge como una solución innovadora para la reconstrucción automatizada de las áreas deterioradas, contribuyendo así a la recuperación de la integridad visual de los documentos. El objetivo general de esta investigación es desarrollar un modelo de inteligencia artificial utilizando redes neuronales convolucionales para la restauración de partes faltantes en manuscritos en español. Esto se logrará mediante la implementación de técnicas avanzadas de reconstrucción de imágenes, permitiendo así la recuperación precisa de las secciones dañadas o ausentes y garantizando la conservación digital de estos valiosos documentos históricos. Para alcanzar este objetivo, se han definido tres objetivos específicos fundamentales. En primer lugar, se realizará la recolección de imágenes de manuscritos y la preparación de un conjunto de datos adecuado para el entrenamiento del modelo. Esta fase inicial es crucial, ya que implica la recopilación y preprocesamiento de un amplio y diverso dataset de imágenes de manuscritos en español pertenecientes a los siglos mencionados. Dicho proceso asegurará que el conjunto de datos utilizado en el entrenamiento del modelo sea representativo y contenga ejemplos suficientes de patrones de degradación y estructuras textuales, lo que permitirá mejorar la capacidad del modelo para generalizar y realizar reconstrucciones precisas. En segundo lugar, se llevará a cabo el diseño de la arquitectura del modelo de redes neuronales convolucionales. Este paso consiste en la selección y configuración de la estructura del modelo, incluyendo la definición de hiperparámetros clave que influyen en el rendimiento de la red. Además, se establecerán buenas prácticas en la escritura del código y en la organización de archivos para facilitar el desarrollo, la experimentación y el depurado del modelo. La correcta estructuración del modelo permitirá garantizar la reproducibilidad de los resultados y facilitará futuras mejoras en la arquitectura. En tercer lugar, se procederá con el ajuste fino (fine-tuning) del modelo, optimizando su desempeño para lograr reconstrucciones precisas de las áreas dañadas en los manuscritos. Esta fase comprende la implementación de técnicas de ajuste de pesos y optimización de parámetros con el fin de mejorar la capacidad de predicción del modelo y reducir posibles errores en la restauración de los documentos. Asimismo, se desarrollará un script de reproducibilidad que permitirá aplicar el modelo a futuras restauraciones de manuscritos sin necesidad de reentrenarlo desde cero, proporcionando así una herramienta versátil para su uso en investigaciones y proyectos relacionados con la conservación digital.