Reto Matchmaking

Objetivo del proyecto

Diseñar, implementar y validar un pipeline de generación sintética parametrizable que integre recreación física de condiciones adversas (noche, reflejos, oclusiones, IR), inserción controlada de objetos y aumentos fotométricos, orientado a la creación de conjuntos de datos para el entrenamiento de modelos de visión artificial. El pipeline garantizará la reproducibilidad, trazabilidad y el control del dominio, facilitando la generación eficiente y controlada de datos sintéticos para su posterior uso en evaluación y comparación externa del rendimiento de modelos basados en datos reales, sintéticos o mixtos.

Objetivos técnicos:

·       Construcción de un generador de complejidad en escenas: crear escenas parametrizables que reproduzcan condiciones adversas reales (noche, reflejos, oclusiones, respuesta IR)

·       Construcción de un generador de objetos en escenas: ubicar objetos realistas en zonas específicas del entorno respetando perspectiva, iluminación y oclusiones para aumentar casos raros o aumentar los elementos de una clase minoritaria.

·       Domain Randomization: variación sistemática de texturas, iluminación, posición y efectos (ruido, motion blur) para ampliar cobertura del espacio operativo.

·       Aplicación de aumentos fotométricos: integración de aumentaciones para simulación climática, blur y cambios de color intentando alcanzar una solución con alta reproducibilidad

·       Definición y creación de un pipeline integrador: diseño de un flujo modular que genere conjuntos de datos sintéticos con trazabilidad, facilitando exportación y gestión de versiones.

·       Validación y Pruebas Rigurosas: preparar datos para entrenamiento y validación de modelos fuera del pipeline, garantizando soporte para comparaciones a nivel de métricas entre datos reales, sintéticos y mixtos.

Punto de partida

·       Acceso a hardware y software para el desarrollo y prueba de modelos de IA. 

·       Asesoramiento técnico y apoyo de expertos en visión por computadora y aprendizaje profundo. 

Entregable final

El entregable incluirá: 

·       Generador sintético con documentación de parámetros y guías de edición.

·       Datasets sintéticos exportados (imágenes + etiquetas) y scripts de conversión/validación.

·       Resultados de entrenamiento: pipelines, pesos, configuraciones y métricas.

·       Informe comparativo real vs. sintético y mixto, con comentarios de análisis y recomendaciones de despliegue.

·       Receta reproducible (preferiblemente dockerizada) y README de ejecución y detalles de despliegue.

·       Código resultante.

Información de interés

El proyecto se distribuirá temporalmente del siguiente modo: ·       Semana 1-2: Estudio de datos y diseño de escenarios, assets y etiquetas objetivo. Incluyendo la investigación inicial de soluciones actuales en esta línea. ·       Semana 3-4: Implementación del generador parametrizable de condiciones complejas (nocturnidad, reflejos, sombras, oclusiones…) ·       Semana 5-6: Implementación del generador controlado de nuevos objetos en escena. ·       Semana 7-8: Entrenamiento baseline (real) y experimento mixto (real+sintético). Evaluación de resultados. ·       Semana 9-10: Optimización, empaquetado de la solución. NOTA IMPORTANTE de la organización del VII Matchmaking : Por motivos de disponibilidad ajenos a la organización, es probable que esta empresa no pueda realizar entrevistas durante la jornada presencial del VII Matchmaking del jueves 29 de enero de 2026. No obstante, conservará todos los CVs recibidos para esta vacante y los revisará en las semanas siguientes, para contactar directamente con las personas candidatas y continuar el proceso de selección y entrevistas por su cuenta. Disculpen las molestias.