Transformacija slika korištenjem generativnih difuzijskih modela

diplomski rad

• Naslov (engleski): Image transformation using generative diffusion models
• Autor: Lovro Glogar
• Mentor: Zoran Kalafatić (mentor)
• Član povjerenstva: Zoran Kalafatić (predsjednik povjerenstva)
• Član povjerenstva: Siniša Šegvić (član povjerenstva)
• Član povjerenstva: Tomislav Hrkać (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-09, Hrvatska

Sažetak

Ovaj rad istražuje primjenu difuzijskih generativnih modela za zadatke transformacije slike, posebno kolorizaciju i super-rezoluciju. Pruža sveobuhvatan pregled dubokog učenja i generativnih modela, detaljizirajući arhitekture kao što je U-Net i metode kao što su Palette i SR3. Eksperimenti koriste skup podataka ImageNet, pokazujući poboljšanja kvalitete slike pomoću ovih naprednih modela. Metrike kao što su PSNR, SSIM, Inception Score i FID koriste se za ocjenu uspješnosti. Studija naglašava... Više snagu difuzijskih modela u stvaranju visokokvalitetnih slika i predlaže buduće smjerove istraživanja za rješavanje trenutnih ograničenja i poboljšanje izvedbe modela. Sakrij dio sažetka

Sažetak (engleski)

This work explores the application of generative diffusion models for image
transformation tasks, specifically colorization and super-resolution. It provides a
comprehensive overview of deep learning and generative models, detailing architectures
like U-Net and methods such as Palette and SR3. The experiments utilize the ImageNet
dataset, demonstrating significant improvements in image quality using these advanced
models. Metrics such as PSNR, SSIM, Inception Score, and FID are used for... Više evaluation.
The study highlights the strengths of diffusion models in generating high-quality images
and suggests future research directions to address current limitations and enhance model
performance.
Sakrij dio sažetka

• Ključne riječi: duboko učenje; generativni modeli; transformacija slika; translacija slika-usliku; difuzijski generativni modeli
• Ključne riječi (engleski): deep learning; generative models; image transformation; image-to-image transformation; diffusion generative models
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:311777
• 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: Otvoreni pristup
• Datum i vrijeme pohrane: 2025-02-25 13:41:47