Сітар, Ярослав Олексійович (2025) Дослідження можливостей генеративних алгоритмів для автоматизації створення зображень [Кваліфікаційні роботи здобувачів] Перший (бакалаврський). Дата захисту: 18.06.2025, Київський столичний університет імені Бориса Грінченка.
![[thumbnail of Y_Sitar_FITM_2025.pdf]](https://elibrary.kubg.edu.ua/style/images/fileicons/text.png) |
Текст
Y_Sitar_FITM_2025.pdf Download (2MB) |
Анотація
Актуальність: Генеративні алгоритми, зокрема моделі на основі глибокого навчання, відіграють ключову роль у сучасних технологіях автоматизації створення зображень. Їх застосування охоплює широке коло сфер, включаючи графічний дизайн, медіа, ігрову індустрію та інші галузі, де необхідне швидке та ефективне створення візуального контенту. Зокрема, моделі, такі як генеративні змагальні мережі (GAN), варіаційні автокодери (VAE) та дифузійні моделі (наприклад, Stable Diffusion), дозволяють автоматично генерувати зображення з високим рівнем деталізації та реалістичності. Це відкриває нові можливості для творчості та бізнесу, зменшуючи час і ресурси, необхідні для створення якісного візуального контенту. Дослідження у цій сфері є особливо актуальним у зв'язку з постійним розвитком штучного інтелекту та його інтеграцією у творчі процеси. Об’єкт дослідження: процес використання генеративних алгоритмів для автоматизованого створення зображень. Предмет дослідження: методи та інструменти автоматизації створення зображень за допомогою генеративних алгоритмів. Мета роботи: дослідити можливості генеративних алгоритмів у процесі автоматизації створення зображень та проаналізувати ефективність їх використання у різних сферах. Завдання: проаналізувати основні типи генеративних алгоритмів та принципи їх роботи; розглянути сучасні методи автоматизації створення зображень; дослідити та порівняти можливості різних генеративних моделей (GAN, VAE, Stable Diffusion); провести експериментальне дослідження ефективності генеративних алгоритмів при створенні зображень, включаючи оцінку швидкості генерації, використання оперативної та відеопам'яті, а також якість згенерованих зображень; оцінити переваги, недоліки та обмеження використання автоматизованих підходів. Основні результати: У ході дослідження було встановлено, що генеративні алгоритми значно спрощують процес створення графічного контенту та мають широкий спектр застосування. Проведено порівняльний аналіз існуючих методів автоматизації генерації зображень, визначено найбільш ефективні підходи та технології. Досліджено роботу генеративних моделей у різних умовах та оцінено їх якість. Зокрема, було проведено експериментальне дослідження, в якому згенеровано зображення за допомогою різних моделей (GAN, VAE, Stable Diffusion), оцінено швидкість генерації, використання оперативної та відеопам'яті, а також якість згенерованих зображень Практичне значення дослідження: отримані результати можуть бути використані для вибору оптимальних методів автоматизованого створення зображень у графічному дизайні, ігровій індустрії, медіа та інших сферах. Вони також можуть служити основою для подальших досліджень у галузі генеративного штучного інтелекту та його застосування у творчих процесах.
| Тип елементу : | Кваліфікаційні роботи здобувачів (Перший (бакалаврський)) |
|---|---|
| Ключові слова: | генеративні алгоритми; машинне навчання; автоматизація; створення зображень; нейромережі; GAN; VAE; Stable Diffusion; рендеринг; цифрове мистецтво |
| Шифр освітньої програми: | 122.00.01 |
| Шифр академічної групи: | ІНб-2-21-4.0д |
| ПІБ наукового керівника: | Мельник Ірина Юріївна |
| Дата захисту: | 18.06.2025 |
| Місце захисту: | Київський столичний університет імені Бориса Грінченка |
| Типологія: | Кваліфікаційні роботи здобувачів > Інформатика |
| Підрозділи: | Факультет інформаційних технологій та математики > Кафедра математики і фізики |
| Користувач, що депонує: | Ізабелла Андріївна Соболенко |
| Дата внесення: | 05 Лист 2025 14:41 |
| Останні зміни: | 05 Лист 2025 14:41 |
| URI: | https://elibrary.kubg.edu.ua/id/eprint/53540 |
Actions (login required)
 |
Перегляд елементу |