Los cuaterniones fueron descubiertos por William Rowan Hamilton en 1843 que buscaba cómo extender los números complejos (puntos en el plano real imaginario 2D) a un mayor de dimensiones. No logró resultados para 3D, pero sí para 4D resultando los cuaterniones. Según dice la historia, Hamilton tuvo una epifanía, paseando …

Se deben hacer dos archivos, uno con la imagen y otro con el mapa de profundidad que no es otra cosa que una imagen con tonalidades de grises donde lo blanco está cerca y lo negro, lejos. Se debe enmascarar entonces los objetos según su distancia y así crear el …

Los árboles de decisión intentan ofrecer una manera simple de catalogar donde a través de la menor cantidad de preguntas posibles, identificar un ítem con una clase determinada. Idealmente los atributos que conforman los nodos del árbol, deben generar partes “puras” donde dividan completamente las clases. Por ejemplo pensemos en …

Random Forest es un algoritmo flexible de machine learning  que genera grandes resultados aún sin tunear los hyper-parameter. Es uno de los más usados y sirve tanto para clasificar como para regresiones. Random Forest es un algoritmo de aprendizaje supervisado, es decir, que aprende en función de datos anteriores de …

Primera selección con select->color range. Seteos: Fuzziness alrededor de 10, selection Preview en none,  y con el gotero marcar una gama extrema del color del cielo, después con el gotero+ ir aumentando la selección marcando otros shades del colo del cielo que no quedaron dentro de la selección anterior. Cambiar …

Abrimos dos imágenes, una de background y otra de foreground, se debe enmascarar el foreground para sacarle el fondo. Hacemos la selección de lo que NO se quiere en el layer de foreground con la “magic wand”. El parámetro superior de Tolerance ayuda a separar bien lo deseado de lo …