Geri Dön

Çekişmeli üretici ağlar ile gerçekçi saç sentezi

Realistic hair synthesis with generative adversarial networks

  1. Tez No: 716519
  2. Yazar: MUHAMMED PEKTAŞ
  3. Danışmanlar: PROF. DR. AYBARS UĞUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 78

Özet

Üretici modelleme alanında elde edilen son yıllardaki başarılar, bu konudaki çalışmaları hızlandırmış ve araştırmacıların ilgisini çekmiştir. Bu başarıda en çok payı olan yöntemlerden bir tanesi de çekişmeli üretici ağlar'dır. Çekişmeli üretici ağlar, sanal gerçeklik (VR), artırılmış gerçeklik (AR), süper çözünürlük (super- resolution), görüntü iyileştirme (image enhancement) gibi konularda bir çok uygulama alanına sahiptir. Saç sentezleme, stil transferi ve şekil düzenleme görevleri, derin öğrenme ve üretici modellemedeki son ilerlemelere rağmen saçın karmaşık doğası nedeniyle hala çözülmeyi bekleyen zorlukları içerisinde barındırmaktadır. Bu problemin çözümü için literatürde önerilen yöntemler genellikle görseller üzerinde yüksek kaliteli saç düzenlemeleri yapmak üzerine odaklanmıştır. Bu tez kapsamında saç sentezi probleminin çözümü için bir çekişmeli üretici ağ yöntemi önerilmiştir. Bu yöntem geliştirilirken, literatürdeki en iyi yöntemler ile yarışır görsel çıktılar elde edebilmenin yanısıra, gerçek zamanlı saç sentezi yapılabilmesi de amaçlanmıştır. Önerilen yöntem, FFHQ veri kümesi ile eğitilmiş ve devamında ise saç stili transferi ve saç yeniden yapılandırma görevlerindeki sonuçları değerlendirilmiştir. Bu görevlerde elde edilen sonuçlar ve yöntemin işletim süresi literatürdeki en iyi yöntemlerden biri olan MichiGAN ile karşılaştırılmıştır. Karşılaştırma 128x128 çözünürlüğünde gerçekleştirilmiştir. Karşılaştırma sonucunda önerilen yöntemin, gerçekçi saç sentezi açısından MichiGAN ile yarışır sonuçlar elde ettiği, işletim süresi açısından daha iyi performans sergilediği gösterilmiştir.

Özet (Çeviri)

Recent successes in generative modeling have accelerated studies on this subject and attracted the attention of researchers. One of the most important methods used to achieve this success is Generative Adversarial Networks (GANs). It has many application areas such as; virtual reality (VR), augmented reality (AR), super resolution, image enhancement. Despite the recent advances in hair synthesis and style transfer using deep learning and generative modelling, due to the complex nature of hair still contains unsolved challenges. The methods proposed in the literature to solve this problem generally focus on making high-quality hair edits on images. In this thesis, a generative adversarial network method is proposed to solve the hair synthesis problem. While developing this method, it is aimed to achieve real-time hair synthesis while achieving visual outputs that compete with the best methods in the literature. The proposed method was trained with the FFHQ dataset and then its results in hair style transfer and hair reconstruction tasks were evaluated. The results obtained in these tasks and the operating time of the method were compared with MichiGAN, one of the best methods in the literature. The comparison was made at a resolution of 128x128. As a result of the comparison, it has been shown that the proposed method achieves competitive results with MichiGAN in terms of realistic hair synthesis, and performs better in terms of operating time.

Benzer Tezler

  1. Üretici yapay nöron ağlarının mimari tasarım için kullanılması

    Architectural design with generative adversarial networks

    MUKADDES UÇAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ

  2. Generative adversarial networks based level generation for angry birds

    Çekişmeli üretici ağlar ile angry birds bölümlerinin üretilmesi

    BURKAN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. SANEM SARIEL UZER

  3. Dönüştürücü tabanlı çekişmeli üretici ağlar ile yüz ifadelerindeki değişimin analizi

    Analysis of change in facial expressions with transformer-based generative adversarial networks

    NARMIN YAGUBBAYLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MERT BAL

  4. Super-resolution of landsat-8 images using sentinel-2 images and generative adversarial networks

    Sentinel-2 görüntüleri ve çekişmeli üretici ağlar kullanılarak landsat-8 görüntülerinin süper çözünürlüğü

    ESRA SUNKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

    PROF. DR. BÜLENT BAYRAM

  5. Üretici çekişmeli ağlar ile bulanık yüz görüntülerinin iyileştirilmesi

    Improvement of blurred face images with generative adversarial networks

    KENAN BAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAMAN AKBULUT