1. Obogatitev 3D upodobitve z globalnim osvetlitvenim modelom z uporabo generativnih nasprotniških nevronskih mrežMarko Zmazek, 2024, magistrsko delo Opis: V računalniški grafiki je upodabljanje z globalnim osvetlitvenim modelom v realnem času še vedno aktualen izziv. Pri upodabljanju z globalnim osvetlitvenim modelom upodobitev izgleda bolj realistično, saj lahko dodamo učinke, kot sta odboj in lom svetlobe. V magistrskem delu smo implementirali in naučili generativno nasprotniško nevronsko mrežo, da obogati sliko 3D scene z globalnim osvetlitvenim modelom na podlagi slike 3D scene, upodobljene z lokalnim osvetlitvenim modelom, in dodatnih informacij o sceni, ki jih lahko hitro izračunamo že pri uporabi lokalnega osvetlitvenega modela. Ustrezno načrtovana in naučena nevronska mreža lahko na scenah, uporabljenih v fazi učenja, daje rezultate primerljive s klasičnimi metodami upodabljanja z globalnim osvetlitvenim modelom, kot je sledenje potem. Predvsem pa je lahko pri delovanju hitrejša, zato bi se lahko uporabljala za aplikacije v realnem času.
Ključne besede: računalniška grafika, osvetlitev, generativne nasprotniške nevronske mreže, PyTorch, Blender
Objavljeno v DKUM: 19.09.2024; Ogledov: 0; Prenosov: 61
 Celotno besedilo (19,56 MB) |
2. Preslikava stila satelitskih posnetkov s pomočjo generativnih nasprotniških nevronskih mrež : magistrsko deloMitja Lakič, 2023, magistrsko delo Opis: V magistrskem delu raziskujemo problematiko preslikave stila satelitskih posnetkov z uporabo generativnih nasprotniških nevronskih mrež (GAN). Najprej predstavimo osnovno strukturo nevronskih mrež, nato podrobneje opišemo generativne modele. Namen magistrskega dela je preveriti učinkovitost teh modelov pri preslikavi satelitskih posnetkov v stil zemljevida, kjer primerjamo dva različna GAN modela, in sicer Pix2Pix, ki spada med pogojne modele, in CycleGAN, ki je predstavnik cikličnih modelov. V okviru eksperimenta primerjamo pridobljene rezultate z uporabo teh modelov, kjer smo tudi preizkusili preslikavo v obratni smeri, torej iz zemljevida v stil satelitskega posnetka. Rezultati so pokazali, da je mogoče satelitske posnetke uspešno preslikati v stil zemljevida, kjer pogojni modeli na splošno zagotavljajo boljše rezultate, vendar so zelo odvisni od arhitekture omrežja. Magistrsko delo zaključimo z analizo rezultatov in odgovori na raziskovalna vprašanja.
Ključne besede: generativne nasprotniške mreže, globoko učenje, preslikava stila, satelitski posnetki, zemljevidi
Objavljeno v DKUM: 28.03.2023; Ogledov: 612; Prenosov: 115
Celotno besedilo (5,49 MB) |
3. Uporaba generativnih nasprotniških nevronskih mrež za kreacijo slik psov : bachelor's thesisTeja Boršič, 2021, diplomsko delo Opis: Kot glavni cilj diplomske naloge smo poleg pregleda obstoječe literature preučili že razvit model generativne nasprotniške mreže StyleGAN ter podrobneje analizirali njeno implementacijo in delovanje. S pridobljenim znanjem iz literature in pregledom obstoječih rešitev smo izbrali projekt, ki smo ga prilagodili in optimizirali za delo na izbranih digitalnih slikah psov. Poudarili smo pomen uporabe ustreznih slik psov za učenje in vpliv različnih parametrov, kot so velikost serije, plasti in velikost slike, na optimizacijo zmogljivosti modela za ustvarjanje realističnih slik.
Ključne besede: nevronske mreže, psi, generacija slik, generativne nasprotniške mreže, StyleGAN
Objavljeno v DKUM: 04.11.2021; Ogledov: 1258; Prenosov: 115
Celotno besedilo (1,73 MB) |
