Generation of images simulating different meteorological conditions using generative adversarial networks (GANs)

[EN] The generative adversarial networks, commonly known as GANs, are a type of generative models of deep learning that that consists of two neural networks that compete with each other in a zero-sum game. In this work, a fundamental part will be to understand how these models work and their different variants among which are the cycle GAN, whose function is to learn to translate a image from a source domain X to a target domain Y in the absence of unpaired examples. This model will be used to modify the meteorological conditions of a given image, by for example, transform an image from a sunny day to a rainy or cloudy day or viceversa.
[ES] Las redes generativas antagónicas, comunmente conocidas por su acrónimo en inglés como GANs, son un tipo de modelos generativos de aprendizaje profundo que están formadas por un sistema de dos redes neuronales que compiten mutuamente en un juego de suma cero. En este trabajo, un parte fundamental será comprender el funcionamiento de este tipo de modelos y sus diferentes variantes entre los que se encuentran la cycle GAN, cuya función es aprender a traducir una imagen de un dominio de origen X a un dominio de destino Y en ausencia de ejemplos emparejados. Este modelo será utilizado para modificar las condiciones meteorológicas de una imagen dada, por ejemplo, transformar una imagen de un día soleado a un día lluvioso o nublado o viceversa.