Update generation

docs/02_contexto_estado_arte.md

@@ -18,6 +18,9 @@ El Reconocimiento Óptico de Caracteres (OCR) es el proceso de conversión de im
 Los sistemas OCR modernos siguen típicamente un pipeline de dos etapas:
 
 ```mermaid
+---
+title: "Pipeline de un sistema OCR moderno"
+---
 flowchart LR
     subgraph Input
         A["Imagen de<br/>documento"]
@@ -43,8 +46,6 @@ flowchart LR
     style D fill:#c8e6c9
 ```
 
-*Figura 1. Pipeline típico de un sistema OCR moderno con etapas de detección y reconocimiento.*
-
 1. **Detección de texto (Text Detection)**: Localización de regiones que contienen texto en la imagen. Las arquitecturas más utilizadas incluyen:
    - EAST (Efficient and Accurate Scene Text Detector)
    - CRAFT (Character Region Awareness for Text Detection)
@@ -165,6 +166,9 @@ Los métodos de HPO incluyen:
 La combinación Ray Tune + Optuna permite búsquedas eficientes en espacios de alta dimensionalidad.
 
 ```mermaid
+---
+title: "Ciclo de optimización con Ray Tune y Optuna"
+---
 flowchart LR
     A["Espacio de<br/>búsqueda"] --> B["Ray Tune<br/>Scheduler"]
     B --> C["Trials<br/>paralelos"]
@@ -174,8 +178,6 @@ flowchart LR
     F -->|"Nueva config"| B
 ```
 
-*Figura 2. Ciclo de optimización de hiperparámetros con Ray Tune y Optuna.*
-
 #### HPO en Sistemas OCR
 
 La aplicación de HPO a sistemas OCR ha sido explorada principalmente en el contexto de:

docs/03_objetivos_metodologia.md

@@ -40,6 +40,9 @@ Este capítulo establece los objetivos del trabajo siguiendo la metodología SMA
 
 
 ```mermaid
+---
+title: "Fases de la metodología experimental"
+---
 flowchart LR
     A["Fase 1<br/>Dataset"] --> B["Fase 2<br/>Benchmark"] --> C["Fase 3<br/>Espacio"] --> D["Fase 4<br/>Optimización"] --> E["Fase 5<br/>Validación"]
 ```
@@ -74,6 +77,9 @@ El script `prepare_dataset.ipynb` implementa:
 #### Estructura del Dataset
 
 ```mermaid
+---
+title: "Estructura del dataset de evaluación"
+---
 flowchart LR
     dataset["dataset/"] --> d0["0/"]
 
@@ -178,6 +184,9 @@ tuner = tune.Tuner(
 Debido a incompatibilidades entre Ray y PaddleOCR en el mismo proceso, se implementó una arquitectura basada en subprocesos:
 
 ```mermaid
+---
+title: "Arquitectura de ejecución con subprocesos"
+---
 flowchart LR
     A["Ray Tune (proceso principal)"]
 

docs/07_anexo_a.md

@@ -16,6 +16,9 @@ El repositorio incluye:
 ## A.2 Estructura del Repositorio
 
 ```mermaid
+---
+title: "Estructura del repositorio del proyecto"
+---
 flowchart LR
     root["MastersThesis/"] --> docs["docs/"]
     root --> src["src/"]
@@ -30,8 +33,6 @@ flowchart LR
     src --> csv["raytune_results_*.csv"]
 ```
 
-*Figura 8. Estructura del repositorio del proyecto.*
-
 **Descripción de componentes:**
 
 - **docs/**: Capítulos de la tesis en Markdown