Proposta di traduzione di "Cette fille a du style" di Marie-Sophie Vermot

Il presente elaborato si pone l'obiettivo di fornire una proposta di traduzione del romanzo per ragazzi "Cette fille a du style". Il primo capitolo presenta una panoramica dell'evoluzione dei personaggi femminili nella letteratura per ragazzi in Italia e in Francia, sicuramente breve e non esaustiva ma volta a mostrare come i libri abbiano accompagnato le ragazze e come le ragazze siano cambiate con loro. A questa segue la presentazione dell'autrice del libro, della casa editrice e infine del romanzo in questione attraverso un'analisi tematica e stilistica, con particolare attenzione alla questione della serialità. Il secondo capitolo è costituito dalla proposta di traduzione del romanzo, che sarà commentata nel capitolo successivo. L'ultimo capitolo affronta la questione della traduzione dal punto di vista del genere, inizialmente riferita all'intera produzione letteraria e in seguito approfondita per il romanzo oggetto di questa tesi. La sezione successiva ha come scopo quello di fornire una breve panoramica del linguaggio della moda, dalla sua nascita fino alle sue più recenti evoluzioni, cui fa seguito un’analisi mirata degli aspetti traduttivi risultati particolarmente ostici e le relative soluzioni. Infine, si è ipotizzato un possibile inserimento della traduzione di "Cette fille a du style" all’interno del panorama editoriale italiano, confrontando le opere della stessa autrice già tradotte nel nostro Paese.

Deep learning based style transfer for low altitude aerial imagery

Unmanned Aerial Vehicle (UAVs) equipped with cameras have been fast deployed to a wide range of applications, such as smart cities, agriculture or search and rescue applications. Even though UAV datasets exist, the amount of open and quality UAV datasets is limited. So far, we want to overcome this lack of high quality annotation data by developing a simulation framework for a parametric generation of synthetic data. The framework accepts input via a serializable format. The input specifies which environment preset is used, the objects to be placed in the environment along with their position and orientation as well as additional information such as object color and size. The result is an environment that is able to produce UAV typical data: RGB image from the UAVs camera, altitude, roll, pitch and yawn of the UAV. Beyond the image generation process, we improve the resulting image data photorealism by using Synthetic-To-Real transfer learning methods. Transfer learning focuses on storing knowledge gained while solving one problem and applying it to a different - although related - problem. This approach has been widely researched in other affine fields and results demonstrate it to be an interesing area to investigate. Since simulated images are easy to create and synthetic-to-real translation has shown good quality results, we are able to generate pseudo-realistic images. Furthermore, object labels are inherently given, so we are capable of extending the already existing UAV datasets with realistic quality images and high resolution meta-data. During the development of this thesis we have been able to produce a result of 68.4% on UAVid. This can be considered a new state-of-art result on this dataset.