Anadolu sanat stilleri perspektifinden makine öğrenimi ile stil transferi
Style transfer with machine learning from the perspective of anatolian art styles
- Tez No: 970808
- Danışmanlar: DOÇ. DR. YILMAZ AR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Görüntü işleme, Deep learning, Image processing
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, Anadolu kökenli üç farklı sanat geleneğinden görsellerle stil transferi çalışmaları gerçekleştirilmiştir: Osmanlı minyatürleri, Bizans mozaikleri ve Selçuklu sanat eserleri. Çalışmanın temel amacı, bu tarihi sanat stillerinin karakteristik özelliklerini çağdaş derin öğrenme yöntemleriyle farklı görseller üzerine aktararak, geleneksel sanat ile modern teknoloji arasında bir köprü kurmaktır. Buna ek olarak, çalışmada farklı stil transferi yöntemlerinin ve çeşitli önceden eğitilmiş modellerin bu sanat tarzlarını ne ölçüde yansıtabildiği karşılaştırmalı olarak incelenmiştir. Kullanılan veri kümeleri arasında en geniş olanı Osmanlı minyatürleri veri kümesi olmuştur. Bu nedenle deneylerin büyük bölümü bu stil üzerine yoğunlaşmış, farklı mimari yapılar arasında karşılaştırmalar yapılmıştır. Bizans mozaikleri ve Selçuklu sanat eserleri ise, veri miktarının sınırlı olması nedeniyle, yalnızca önceden eğitilmiş modeller ile gerçekleştirilen deneylerde değerlendirilmiştir. Stil transferi uygulamaları çeşitli mimari yapılar ve yöntemlerle gerçekleştirilmiştir. Bu yöntemler arasında; önceden eğitilmiş evrişimli sinir ağları, uyarlanabilir örnek normalleştirme (Adaptive Instance Normalization, AdaIN), doğrusal dönüşüm temelli modeller ve üretken rekabetçi ağlar (Generative Adversarial Networks, GAN) yer almaktadır. Elde edilen sonuçlar hem görsel algı açısından hem de SSIM (Structural Similarity Index Measure) ve LPIPS (Learned Perceptual Image Patch Similarity) gibi metrikler aracılığıyla değerlendirilmiştir. Önceden eğitilmiş modeller ve AdaIN temelli deneyler genellikle tatmin edici stilizasyon sonuçları üretmiştir. Ancak doğrusal dönüşüm ve GAN temelli modellerde, sınırlı veri ve eğitim sürecindeki istikrarsızlıklar gibi nedenlerle istenen başarı düzeyine ulaşılamamıştır. Bu tez, tarihi sanat biçimlerinin dijital ortamda yeniden üretilmesine yönelik bir yaklaşım sunmakta ve makine öğrenmesi tekniklerinin bu alandaki potansiyelini deneysel olarak ortaya koymaktadır.
Özet (Çeviri)
This thesis presents style transfer experiments using images from three distinct art traditions rooted in Anatolia: Ottoman miniatures, Byzantine mosaics, and Seljuk artworks. The main objective is to transfer the characteristic visual features of these historical styles onto other images using contemporary deep learning techniques, aiming to build a bridge between traditional art and modern technology. In addition, the study compares different style transfer methods and various pretrained models in terms of how effectively they reflect these artistic styles. Among the datasets used, the Ottoman miniature collection was the most extensive. Therefore, the majority of experiments focused on this style, allowing for comparisons across different model architectures. Due to limited data availability, Byzantine mosaics and Seljuk artworks were only used in experiments involving pretrained models. Style transfer was carried out using a variety of architectures and approaches. These include pretrained convolutional neural networks, adaptive instance normalization (AdaIN), linear transformation-based models, and generative adversarial networks. The results were evaluated both visually and through metrics such as SSIM (Structural Similarity Index Measure) and LPIPS (Learned Perceptual Image Patch Similarity). Experiments using pretrained models and AdaIN generally produced satisfying stylization results. However, linear transformation and GAN-based models were less successful, mainly due to data limitations and instability during training. This thesis offers a framework for digitally reinterpreting historical art forms and provides an experimental foundation for exploring the potential of machine learning techniques in this context.
Benzer Tezler
- Candan Kaptanoğlu kolesiyonundaki Eretna dönemi sikkeleri
Eretna period silks in the Candan Kaptanoğlu collection
ESRA ERKAN
Yüksek Lisans
Türkçe
2025
Sanat TarihiHitit Üniversitesiİslam Tarihi ve Sanatları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OKTAY GÜNDOGDU
- Fen ve matematik entegrasyonu ile hazırlanan etkinliklerin üstün yetenekli ortaokul 6. sınıf öğrencilerinin eleştirel düşünme ve bilimsel süreç becerilerine etkisi
The impact of the activities prepared through the integration of science and mathematics on the critical thinking and science process skills of the gifted 6th grade secondary school students
AHSEN SEDA KILIÇ
- Flaviuslar ve Traian dönemleri Anadolu portre sanatı
Flavians and Traianus periods Anatolia portrait art
YAŞAR ARLI
- İzmir Türk mimarisinde duvar resimlerinin korunması ve restorasyon sorunları
The conservation and restoration problem of the wall paintings on turkish architecture in İzmir
AHU SİMLA DEĞERLİ
- El sanatlarından kırkyama tekniğinin kadın giyim koleksiyonunda kullanımı
The use of the patchwork technique from handicraft in women's clothing collection
ELİF YILMAZ
Yüksek Lisans
Türkçe
2023
Tekstil ve Tekstil MühendisliğiEskişehir Teknik ÜniversitesiEndüstriyel Sanatlar Ana Bilim Dalı
PROF. DR. NİLAY ERTÜRK