Показати скорочену інформацію

dc.contributor.authorІсаєнков, Я. О.uk
dc.contributor.authorМокін, О. Б.uk
dc.date.accessioned2023-11-17T13:17:28Z
dc.date.available2023-11-17T13:17:28Z
dc.date.issued2022
dc.identifier.citationІсаєнков Я. О. Артефакт межі у генеративних змагальних мережах [Електронний ресурс] / Я. О. Ісаєнков, О. Б. Мокін // Матеріали LI науково-технічної конференції підрозділів ВНТУ, Вінниця, 30-31 травня 2022 р. – Електрон. текст. дані. – 2022. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2022/paper/view/16039.uk
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/38285
dc.description.abstractThe article considers the problem of artifacts that arise on the border of artificial images obtained using generative models. It describes a new type of artifact - the border artifact. It appears on the border pixels of the picture. These pixels have a strong contrast with the neighboring ones, which extend from the border and usually form lines (or even a frame) 1-3 pixels thick. The qualitative evaluation of the results of generative models, especially generative adversarial networks is important and urgent. The border artifact is even in such well-known and powerful models as StyleGAN2en
dc.description.abstractУ статті розглянута проблема артефактів, які виникають на границі штучних зображень, отриманих за допомогою генеративних моделей. Описано новий тип артефактів – артефакт межі. Він проявляється на граничних пікселях зображення. Такі граничні пікселі мають досить сильний контраст з сусідніми, що йдуть від границі та зазвичай утворюють лінії (або навіть рамку) товщиною у 1-3 пікселі. Відзначено важливість та актуальність проблеми якісного оцінювання результатів роботи генеративних моделей, зокрема генеративних змагальних мереж, оскільки артефакт межі є навіть у таких відомих та потужних моделях, як StyleGAN2uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LI науково-технічної конференції підрозділів ВНТУ, Вінниця, 30-31 травня 2022 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2022/paper/view/16039
dc.subjectгенеративна змагальна мережаuk
dc.subjectГЗМuk
dc.subjectStyleGAN2en
dc.subjectоцінюванняuk
dc.subjectаномаліяuk
dc.subjectартефактuk
dc.subjectартефакт межіuk
dc.subjectвитік данихuk
dc.subjectGANen
dc.subjectgenerative adversarial networken
dc.subjectevaluationen
dc.subjectanomalyen
dc.subjectartifacten
dc.subjectborder artifacten
dc.subjectdata leakageen
dc.titleАртефакт межі у генеративних змагальних мережахuk
dc.typeThesis
dc.identifier.udc004.054:[004.032.26+004.85]
dc.relation.referencesIan J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio “Generative Adversarial Networks,” arXiv: 1406.2661 [stat.ML], Jun. 2014.en
dc.relation.referencesS. Zhou, M. L. Gordon, R. Krishna, A. Narcomey, L. F.-F., M. S. Bernstein, “HYPE: A Benchmark for Human eYe Perceptual Evaluation of Generative Models,” in arXiv e-prints, 2019. [Online]. Available: https://arxiv.org/pdf/1904.01121.pdf. Accessed on: May 25, 2022en
dc.relation.referencesЯ. Ісаєнков, О. Мокін, «АНАЛІЗ ГЕНЕРАТИВНИХ МОДЕЛЕЙ ГЛИБОКОГО НАВЧАННЯ ТА ОСОБЛИВОСТЕЙ ЇХ РЕАЛІЗАЦІЇ НА ПРИКЛАДІ WGAN», Вісник ВПІ, вип. 1, с. 82–94, Берез. 2022. https://doi.org/10.31649/1997-9266-2022-160- 1-82-94 .uk
dc.relation.referencesT. Karras, S. Laine, M. Aittala, J. Hellsten, J. Lehtinen, and T. Aila, “Analyzing and Improving the Image Quality of StyleGAN,” 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2020, pp. 8107-8116. http://doi.org/10.1109/CVPR42600.2020.00813en
dc.relation.referencesThis person does not exist. [Online]. Available: https://thispersondoesnotexist.com/. Accessed on: May 25, 2022en


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію