Salīdzinošā analīze attēlu aizpildīšanas uzdevumam, izmantojot GAN neironu tīklus

Simple item page
dc.contributor.advisorUrtāns, Ēvalds
dc.contributor.authorGabrielyan, Henrik
dc.contributor.otherLatvijas Universitāte. Datorikas fakultāte
dc.date.accessioned2022-06-30T01:02:16Z
dc.date.available2022-06-30T01:02:16Z
dc.date.issued2022
dc.description.abstractAizpildīšanas algoritmi tiek izmantoti attēlu apstrādē, lai labotu attēlu bojātās vai trūkstošās krāsojuma daļas. Šajā darbā tika salīdzināti trīs dziļās mašīnmācīšanās modeļi trūkstošo reģionu aizpildīšanai. Tika sniegti kvalitatīvs salīdzinājums, kvantitatīvi rezultāti un lietotāja izpēte DeepFill v2, CoModGAN un LaMa attēlu izpildīšanas algoritmiem. Tiek izmantotas Places2 un CelebA-HQ datu kopas, lai norādītu vairākas problēmas ar kurām sastopas attēlu atjaunošanā.
dc.description.abstractImage inpainting algorithms are used in image processing to repair damaged or missing parts of the image. In this work, three modern inpainting models are compared for missing regions. Quantitative results, qualitative comparisons, and user studies are provided for DeepFill v2, CoModGAN, and LaMa algorithms. The Places2 and CelebA-HQ datasets are used to indicate a number of problems encountered in image recovery.
dc.identifier.other89423
dc.identifier.urihttps://dspace.lu.lv/dspace/handle/7/60072
dc.language.isolav
dc.publisherLatvijas Universitāte
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectDatorzinātne
dc.subjectattēlu aizpildīšana
dc.subjectGAN
dc.subjectDeepFill v2
dc.subjectCoModGAN
dc.subjectLaMa
dc.titleSalīdzinošā analīze attēlu aizpildīšanas uzdevumam, izmantojot GAN neironu tīklus
dc.title.alternativeComparitive analysis of image inpainting using GANs
dc.typeinfo:eu-repo/semantics/bachelorThesis
Files
Collections
Bakalaura un maģistra darbi (DF) / Bachelor's and Master's theses