Virtually Live

Virtually Live es una compañía del sector del entretenimiento que ofrece al usuario la posibilidad de atender virtualmente a eventos en directo a través de múltiples plataformas y dispositivos, creando experiencias al usuario que resultan más inmersivas, personalizadas y sociales que nunca. La tecnología multimedia patentada por Virtually Live crea experiencias CGI a través de un seguimiento en directo de los eventos físicos, gracias a una transposición de la acción dentro de un entorno virtual renderizado.

Virtually Live tiene su sede en Zurich, oficinas en Silicon Valley y Singapur, y su estudio de desarrollo más vanguardista en Málaga, que será donde trabajaremos con ella. La empresa ofrece de forma inmediata la posibilidad de realizar el Trabajo Fin de Grado o Máster, teniendo como director a David Albarracín dentro de la empresa y como Tutor Académico en la UMA a Manuel Ujaldón. El TFG/TFM puede realizarse en inglés de forma optativa. No es necesario trabajar físicamente en la empresa ni en la UMA, ya que la mayor parte de los desarrollos pueden llevarse a cabo trabajando desde casa. Se ofrecen 4 ideas diferentes en las que puede enmarcarse el desarrollo del TFG/TFM:

  • Implementación de Inferencia con CNNs (Convolutional Neural Networks) para Visión por Computador en múltiples GPUs Jetson de Nvidia. El trabajo consiste en buscar y elegir en repositorios de código libre una implementación de una de las siguientes arquitecturas de redes neuronales para visión por computador: Faster R-CNN, RetinaNet y YOLOv3. Tomando esta arquitectura como base, se desarrollará una implementación que admita de 1 a N dispositivos Jetson Nano o Jetson TX2 de Nvidia para inferencia. Finalmente, se evaluará el rendimiento logrado según el número de dispositivos empleados.
  • Implementación de entrenamiento de CNNs para Visión por Computador en Google TPU y Comparativa con Entrenamiento en GPU. Se trata de buscar y elegir en repositorios de código libre una implementación de una de las siguientes arquitecturas de redes neuronales para visión por computador: Faster R-CNN, RetinaNet y YOLOv3 para Python-TensorFlow. A continuación, tomando esta arquitectura como base, desarrollar una implementación o adaptar la ya encontrada para para ejecutar el entrenamiento del modelo en Google TPU v2 o Google TPU v3. En la fase final se evaluarán los tiempos de entrenamiento tomando como referencia el entrenamiento en una tarjeta gráfica GeForce o Tesla de Nvidia.
  • Implementación y estudio de métodos de detección de cambio de plano entre dos fotogramas basados en redes neuronales y algoritmos clásicos. El trabajo consiste en estudiar el estado del arte en técnicas para detectar cambios de plano en un vídeo. A partir de ahí, proponer y desarrollar lo necesario para dos candidatos que se estimen como mejores, uno basado en redes neuronales y otro en métodos matemáticos clásicos. Para concluir, se evaluará el comportamiento de ambos métodos en diferentes escenarios, con especial interés en los tiempos de ejecución y el porcentaje de acierto. Se propone el uso de Python-TensorFlow o Python-PyTorch, pero en principio el alumno podría elegir lenguaje, entorno de trabajo y hardware en los que llevar a cabo las pruebas.
  • Implementación y estudio de métodos de detección de cambio de plano en una secuencia de vídeo mediante redes neuronales. Se estudiará el estado del arte en técnicas basadas en redes neuronales para detectar cambios de plano en un vídeo. Posteriormente, se propondrán dos candidatos, sobre los que se desarrollará todo lo necesario para ponerlos en funcionamiento. Uno de los métodos recibirá como entrada sólo dos fotogramas y el otro una secuencia de tres o más. Finalmente, se procederá a evaluar el comportamiento de ambos métodos en diferentes escenarios, con especial interés en los tiempos de ejecución y el porcentaje de acierto. Al igual que en la propuesta anterior, se sugiere el uso de Python-TensorFlow o Python-Torch, aunque es posible elegir lenguaje, entorno de desarrollo y hardware sobre los que realizar las pruebas.

Existe un compromiso por parte de Virtually Live de incorporar en plantilla a aquellos estudiantes que demuestren su buen hacer durante el desarrollo de su TFG/TFM dentro de la compañía.

La sede de Virtually Live en Málaga.