dc.contributor.author | Ісаєнков, Я. О. | uk |
dc.contributor.author | Мокін, О. Б. | uk |
dc.date.accessioned | 2023-11-17T13:17:28Z | |
dc.date.available | 2023-11-17T13:17:28Z | |
dc.date.issued | 2022 | |
dc.identifier.citation | Ісаєнков 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.uri | http://ir.lib.vntu.edu.ua//handle/123456789/38285 | |
dc.description.abstract | The 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 StyleGAN2 | en |
dc.description.abstract | У 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 StyleGAN2 | uk |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | Матеріали LI науково-технічної конференції підрозділів ВНТУ, Вінниця, 30-31 травня 2022 р. | uk |
dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2022/paper/view/16039 | |
dc.subject | генеративна змагальна мережа | uk |
dc.subject | ГЗМ | uk |
dc.subject | StyleGAN2 | en |
dc.subject | оцінювання | uk |
dc.subject | аномалія | uk |
dc.subject | артефакт | uk |
dc.subject | артефакт межі | uk |
dc.subject | витік даних | uk |
dc.subject | GAN | en |
dc.subject | generative adversarial network | en |
dc.subject | evaluation | en |
dc.subject | anomaly | en |
dc.subject | artifact | en |
dc.subject | border artifact | en |
dc.subject | data leakage | en |
dc.title | Артефакт межі у генеративних змагальних мережах | uk |
dc.type | Thesis | |
dc.identifier.udc | 004.054:[004.032.26+004.85] | |
dc.relation.references | Ian 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.references | S. 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, 2022 | en |
dc.relation.references | Я. 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.references | T. 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/CVPR42600.2020.00813 | en |
dc.relation.references | This person does not exist. [Online]. Available: https://thispersondoesnotexist.com/. Accessed on: May 25, 2022 | en |