EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Inteligencia artificial generativa y documentación sintética en el estudio del arte rupestre

Hugo De-Lara-López

Cuadernos de Arqueología de la Universidad de Navarra · 09.07.2026 · 34 · 297-314

DOI: 10.15581/012.34.027 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Cuadernos de Arqueología de la Universidad de Navarra, online erschienen am 09.07.2026. Verfasst von Hugo De-Lara-López. Die Arbeit nennt 15 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

La aplicación del machine learning (ML) al estudio del ar te rupestre se ve condicionada por la limitada disponibilidad de conjuntos de datos amplios y representativos. Este trabajo analiza el potencial de la inteligencia artificial (IA) generativa para producir documentación gráfica sintética a partir de imágenes reales. El experimento se basa en un motivo antropomorfo de la Cueva de Atlanterra, sobre el cual se simulan distintos procesos de alteración visual. Los resultados muestran que la IA puede generar variantes plausibles de estados reales de conservación, aunque requiere supervisión arqueológica. Se concluye que la documentación sintética puede contribuir al entrenamiento de modelos de ML.

Zitieren

APA

De-Lara-López, H. (2026). Inteligencia artificial generativa y documentación sintética en el estudio del arte rupestre. Cuadernos de Arqueología de la Universidad de Navarra, 34, 297-314. https://doi.org/10.15581/012.34.027

Vancouver

De-Lara-López H. Inteligencia artificial generativa y documentación sintética en el estudio del arte rupestre. Cuadernos de Arqueología de la Universidad de Navarra. 2026;34:297-314. doi:10.15581/012.34.027

BibTeX
@article{DeLaraLpez2026,
  author = {De-Lara-López, Hugo},
  title = {Inteligencia artificial generativa y documentación sintética en el estudio del arte rupestre},
  journal = {Cuadernos de Arqueología de la Universidad de Navarra},
  year = {2026},
  volume = {34},
  pages = {297--314},
  doi = {10.15581/012.34.027}
}
Kostenlos starten →