Generiranje slika na temelju opisa slike pomoću umjetne inteligencije

diplomski rad

• Naslov (engleski): Image generation based on image description using artificial intelligence
• Autor: Andrej Šimić
• Mentor: Marina Bagić Babac (mentor)
• Član povjerenstva: Marina Bagić Babac (predsjednik povjerenstva)
• Član povjerenstva: Vedran Mornar (član povjerenstva)
• Član povjerenstva: Krešimir Fertalj (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-09-10, Hrvatska

Sažetak

Generiranje slika na temelju opisa odnosi se na automatizirani postupak stvaranja realističnih i
raznolikih slika koje su semantički dosljedne s unesenim tekstualnim opisom. Nedavnim napretcima u tehnologijama poput generativnih suparničkih mreža i transformera,
generiranje slika na temelju teksta postalo je rašireno područje istraživanja u obradi prirodnog jezika i računalnom vidu. Ovaj rad istražuje arhitekture sustava za generiranje slika na temelju teksta zasnovane na generativnim suparničkim mrežama
i transformerima te daje detaljan opis dizajna, implementacije i procesa treniranja takvih arhitektura. Istrenirani modeli strojnog učenja testirani su korištenjem odgovarajućih metrika i uspoređeni s nekim od postojećih modela iz znanstvene literature.

Sažetak (engleski)

Text-to-image synthesis refers to the automated process of creating realistic and diverse images that are semantically consistent with the provided textual caption. With recent advances in generative adversarial networks and transformer architectures, text-to-image synthesis has become a prominent research area in natural language processing and computer vision. This thesis investigates text-to-image architectures based on generative adversarial networks and transformers and provides a detailed description of the design, implementation, and training process of these architectures. The trained models are evaluated using appropriate metrics and compared to some of the existing research efforts in text-to-image synthesis. 

• Ključne riječi: duboko učenje; generativne suparničke mreže; računalni vid
• Ključne riječi (engleski): machine learning; generative adversarial networks; computer vision
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:131127
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 22:15:16