Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- Генерация фотореалистичных изображений с применением генеративно-состязательных сетей
- Авторы
- Жиленков Антон Александрович zhilenkovanton@gmail.com, канд. техн. наук; заведующий кафедрой "Морская электроника", Санкт-Петербургский государственный морской технический университет, Санкт-Петербург, Россия
Антипов Никита Андреевич antipovnikandr@smtu.ru, инженер кафедры киберфизических систем, ФГБОУ ВО «Санкт-Петербургский государственный морской технический университет», Санкт-Петербург, Россия
- В разделе
- ТЕХНИЧЕСКАЯ ЗАЩИТА ИНФОРМАЦИИ. Управление доступом
- Ключевые слова
- генеративно-состязательная сеть / машинное обучение / генерация изображений / автоэнкодер
- Год
- 2024 номер журнала 2 Страницы 12 - 16
- Индекс УДК
- 681.5
- Код EDN
- HMSXKL
- Код DOI
- 10.52190/2073-2600_2024_2_12
- Финансирование
- Тип статьи
- Научная статья
- Аннотация
- Проведён обзор современного состояния исследований в области генерации фотореалистичных изображений. Рассмотрены основные принципы генерации изображений, описан ряд методов для генерации фотореалистичных изображений, принципы работы автокодировщиков и вариационных автокодировщиков. Особое внимание уделено применению генеративно-состязательных сетей для генерации фотореалистичных изображений. Подробно рассматриваются элементы генеративно-состязатель-ных сетей: их архитектура, генератор и дискриминатор, а также функции потерь. По полученным итогам представлена схема работы генеративно-состязательных сетей. Указан ряд недостатков генеративно-состязательных сетей, решение которых может быть направлением для дальнейших исследований.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
Goodfellow I. J., Pouget-Abadie J., Mirza M., et al. Generative Adversarial Networks // Advances in Neural Information Processing Systems. 2014. V. 3(11). - 9 p.
Kingma D. P., Welling M. An Introduction to Variational Autoencoders // Foundations and Trends in Machine Learning. 2019. V. 12(4). P. 307-392.
Zhou G., Fan Y., Shi J., Lu Y., Shen J. Conditional Generative Adversarial Networks for Domain Transfer: A Survey // Applied Sciences. 2022. V. 12(16). - 26 p.
Van Den Oord A., Kalchbrenner N., Kavukcuoglu K. Pixel recurrent neural networks // 33rd International Conference on Machine Learning. 2016. V. 48. Р. 1747-1756.
Van Den Oord A., Kalchbrenner N., Vinyals O., et al. Conditional image generation with PixelCNN decoders // 30th International Conference on Neural Information Processing Systems. 2016. Р. 4797-4805.
Егоров Д. В., Жиленков А. А. Обзор моделирования виртуального полигона на платформе Unity 3D // Оборонный комплекс - научно-техническому прогрессу России. 2024. № 1(161). С. 12-17. EDN LUVBGA.
Lepcha D. C., Goyal B., Dogra A., Goyal V. Image super-resolution: A comprehensive review, recent trends, challenges and applications // Information Fusion. 2023. V. 91. Р. 230-260.
- Купить
- 500.00 руб
