2023, випуск 4, c. 53-61
Одержано 05.09.2023; Виправлено 19.09.2023; Прийнято 28.11.2023
Надруковано 04.12.2023; Вперше Online 05.12.2023
https://doi.org/10.34229/2707-451X.23.4.7
Попередня | ПОВНИЙ ТЕКСТ | Наступна
Використання методів глибокого навчання для генерації зображень
В.В. Третиник * 
, Є.О. Будзінський
НТУУ «КПІ ім. Ігоря Сікорського»
* Листування: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.
Вступ. Художники завжди використовували різні засоби для вираження своєї творчості та дослідження своєї уяви. З розвитком цифрових технологій митці тепер мають доступ до величезної кількості інструментів, які дозволяють їм створювати витвори мистецтва, які є більш витонченими, складними та візуально захоплюючими, ніж будь-коли раніше. Останнім часом зростає інтерес до використання штучного інтелекту для створення зображень для художніх цілей.
Створення зображень для сфери мистецтва передбачає застосування алгоритмів і методів машинного навчання (МН) для створення цифрових творів мистецтва , які можуть імітувати стилі, техніки й естетику традиційних форм мистецтва. Системи штучного інтелекту можуть навчатися на величезних масивах даних, щоб створювати зображення, які є неймовірно реалістичними та деталізованими, а також унікальними та оригінальними.
Мета роботи. У даній роботі для генерації зображень було застосовано підхід, що базується на генеративних моделях. Методи машинного навчання, а саме: глибокі нейронні мережі відкривають широкі можливості для розв’язання поставленої задачі.
Результати. У даній роботі розглянуто застосування методів глибокого навчання для генерації зображень. Проведено порівняльний аналіз існуючих засобів генерації зображень. Запропонована модифікація генеративної моделі. Розроблена система генерує зображення фіксованого розміру (64x64, 256x256, 1024x1024) художнього характеру, мінімальне значення індексу FID, при навчанні – 128. Була виконана програмна реалізація моделі на мові програмування Python.
Ключові слова: згорткові нейронні мережі, машинне навчання, генерація мистецтва, генеративна змагальна мережа.
Цитувати так: Третиник В.В., Будзінський Є.О. Використання методів глибокого навчання для генерації зображень. Cybernetics and Computer Technologies. 2023. 4. С. 53–61. https://doi.org/10.34229/2707-451X.23.4.7
Список літератури
1. Trach Y., 2021. Artificial Intelligence As A Tool For Creating And Analysing Works Of Art. Culture and Arts in the Modern World. 2021. 22. P. 164–173. https://doi.org/10.31866/2410-1915.22.2021.235907
2. Mehlig B. Machine learning with neural networks. Department of Physics University of Gothenburg Göteborg, Sweden. 2021. 241 p. https://arxiv.org/abs/1901.05639 (звернення: 03.09.2023)
3. Goodfellow I. NIPS 2016 tutorial: Generative Adversarial Networks. 2017. https://arxiv.org/abs/1701.00160 (звернення: 03.09.2023)
4. Brownlee J. A gentle introduction to generative adversarial networks (Gans). MachineLearningMastery.com. 2022. https://machinelearningmastery.com/what-are-generative-adversarial-networks-gans/ (звернення: 03.09.2023)
5. Radford A., Metz L., Chintala S. Unsupervised representation learning with deep convolutional generative Adversarial Networks. 2016. https://arxiv.org/abs/1511.06434 (звернення: 03.09.2023)
6. Liao P., Li X., Liu X., Keutzer K. The ARTBENCH dataset: Benchmarking generative models with artworks. 2022. https://arxiv.org/abs/2206.11404 (звернення: 03.09.2023)
ISSN 2707-451X (Online)
ISSN 2707-4501 (Print)
Попередня | ПОВНИЙ ТЕКСТ | Наступна