Geri Dön

Çekişmeli üretici ağlar kullanılarak imge sentezi oluşturma

Image synthesis with generative adversarial networks

  1. Tez No: 780771
  2. Yazar: İLKER KARABULUT
  3. Danışmanlar: PROF. DR. BURHAN ERGEN
  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: 2023
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

İmgeden imgeye çeviri, amacın hizalanmış imge çiftlerinden oluşan eğitim veri seti kullanarak bir girdi imgesi ile bir çıktı imgesi arasındaki benzerliği öğrenmek olduğu bir imge ve grafik problemleri sınıfıdır. İmgeden imgeye çeviri sorunlarına genel amaçlı bir çözüm olarak koşullu çekişmeli ağlar araştırılmaktadır. Bu ağlar, yalnızca girdi imgesinden çıktı imgesine eşlemeyi öğrenmekle kalmaz, aynı zamanda bu eşlemeyi eğitmek için bir kayıp fonksiyonunu da öğrenir. Bu, geleneksel olarak çok farklı kayıp formülasyonları gerektiren problemlere aynı genel yaklaşımın uygulanmasını mümkün kılar. Bu yaklaşımın, diğer görevlerin yanı sıra, etiket haritalarından fotoğrafların sentezlenmesinde, kenar haritalarından nesnelerin yeniden yapılandırılmasında ve görüntülerin renklendirilmesinde etkili olduğunu göstermekteyiz. Bir diğer üretken model yaklaşımı da metinden imge sentezi oluşturmada kullanılmaktadır. Metinden gerçekçi görüntülerin otomatik sentezi ilginç ve faydalı olabilir, ancak mevcut yapay zeka sistemleri hala bu hedeften uzak. Bununla birlikte, son yıllarda ayırt edici metin özelliği temsillerini öğrenmek için genel ve güçlü tekrarlayan sinir ağı mimarileri geliştirilmiştir. Bu mimariyi kullanan Derin Evrişimli Çekişmeli Üretici Ağlar metin karakterlerini piksellere çevirerek oluşturduğu modelle makul görüntüler oluşturularak modelin yeteneğini göstermektedir. Son olarak dünya dillerinin tahminen yarısının yazılı bir biçimi yoktur, bu da bu dillerin mevcut herhangi bir metin tabanlı teknolojiden yararlanmasını imkansız kılmaktadır. Konuşma açıklamalarını herhangi bir metin bilgisi kullanmadan foto-gerçekçi görüntülere çeviren ve böylece yazılı olmayan dillerin bu teknolojiden potansiyel olarak yararlanmasına izin veren bir konuşmadan görüntü oluşturma çerçevesi önerilmiştir.

Özet (Çeviri)

Image to image translation is a class of image and graph problems where the goal is to learn the similarity between an input image and an output image using a training set of aligned image pairs. As a general-purpose solution to image-to-image translation problems, conditional adversarial networks have been investigated. These networks not only learn the mapping from the input image to the output image, but also learn a loss function to train this mapping. This makes it possible to apply the same general approach to problems that traditionally require very different loss formulations. This approach appears to be effective for colorizing images, synthesizing photos from label maps, and reconstructing objects from edge maps, among other tasks. Another generative model approach is used for image synthesis from text. Automatic synthesis of photo-realistic images from text could be useful and interesting, but current AI systems are still far from this goal. However, in recent years, general and powerful recurrent neural network architectures have been developed for learning distinctive text feature representations. Deep Convolutional Adversarial Generative Networks using this architecture demonstrate the model's capability by translating text characters into pixels to generate logical images. Finally, an estimated half of the world's languages have no written form, making it impossible for them to benefit from any existing text-based technology. We propose a speech to image framework that translates speech descriptions into photo-realistic images without any textual information, thus allowing unwritten languages to benefit from this technology.

Benzer Tezler

  1. Oyun karakteri üretimi için üretken modeller

    Generative models for game character generation

    FERDA GÜL AYDIN EMEKLİGİL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. İLKAY ÖKSÜZ

  2. Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods

    Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi

    NAVID HALILI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    PROF. DR. MUSTAFA DOĞAN

  3. Application and analysis of deep learning techniques on the problem of depth estimation from a single image

    Derin öğrenme tekniklerinin tekil görüntüden derinlik tahmini problemi üzerinde uygulanması ve incelenmesi

    ALİCAN MERTAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE ÜNAL

  4. Super-resolution image generation from earth observation satellites using generative adversarial networks

    Çekişmeli üretici ağlar kullanılarak yer gözlem uydularından süper çözünürlüklü görüntü oluşturulması

    EZGİ BURÇİN GAZEL BULUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ ÖZGÜN OK

  5. 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