Αξιολόγηση δημιουργικών νευρωνικών δικτύων και εφαρμογή τους σε σύστημα ερωτοπαντήσεων για την σύνθεση εικόνων σε πραγματικό χρόνο από κείμενα χρηστών.

Γκέγκας, Δημήτριος; Gkegkas, Dimitrios

dc.contributor.author	Γκέγκας, Δημήτριος	el
dc.contributor.author	Gkegkas, Dimitrios	en
dc.date.accessioned	2023-01-13T08:37:10Z
dc.date.available	2023-01-13T08:37:10Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56662
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24360
dc.rights	Default License
dc.subject	Νευρωνικά Δίκτυα	el
dc.subject	Μετρικές Αξιολόγηση Παραγωγικών Μοντέλων	el
dc.subject	Ποιοτική Αξιολόγηση	el
dc.subject	Παραγωγή Εικώνων	el
dc.subject	σύστημα ερωτοπαντήσεων	el
dc.subject	Chatbot	en
dc.subject	GANs	en
dc.subject	Text To Image	en
dc.subject	Evaluation Metrics for Generative models	en
dc.subject	Image Generation	en
dc.title	Αξιολόγηση δημιουργικών νευρωνικών δικτύων και εφαρμογή τους σε σύστημα ερωτοπαντήσεων για την σύνθεση εικόνων σε πραγματικό χρόνο από κείμενα χρηστών.	el
heal.type	bachelorThesis
heal.classification	Νεωρινικά Δίκτυα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-19
heal.abstract	Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η αξιολόγηση των Generative Adversarial networks και η εφαρμογή τους σε διαδεδομένα μέσα κοινωνικής δικτύωσης. Μέσω της εκτενή βιβλιογραφία, που θα καλύψει η διπλωματική, μελετάμε την ανάπτυξη των Generative Adversarial Networks καθώς και τις εφαρμογές τους. Εξετάζουμε την εξέλιξη στο βάθος χρόνων καθώς και ένα πλήθος αρχιτεκτονικών που έχουν μετατρέψει την απλή δομή των Generative Adversarial Network σε ένα ισχυρό εργαλείο για πλήθος εφαρμογών στον τομέα της όρασης υπολογιστών. Βλέπουμε το ευρύ φάσμα εφαρμογών που έχουν τα Generative Adversarial Network καθώς και την δυσκολία αξιολογησης τους. Η αξιολόγηση των Generative Adversarial Networks αποτελεί ένα ανοιχτό πρόβλημα παρά το πλήθος προτεινόμενων μετρικών αξιολόγησης τους. Συγκεκριμένα, το πλήθος των μετρικών και η διαφορετική ικανότητα τους να αξιολογούν πραγματικά το αποτέλεσμα των GAN ελλοχεύει έναν cherry picking κίνδυνο. Έτσι κάθε δημοσίευμα πρέπει να αξιολογεί το προτεινόμενο μοντέλο με αρκετές διαφορετικές μετρικές και να εκτελεί έρευνες με πραγματικούς ανθρώπους οι οποίες είναι δαπανηρές αλλά είναι και δύσκολη η επανάληψη τους προς επαλήθευση των αποτελεσμάτων. Στην διπλωματική αυτή παρέχεται εποπτική περιγραφή των πιο διαδεδομένων μετρικών που έχουν χρησιμοποιηθεί μέχρι και σήμερα, εξετάζοντας τα θετικά και τα αρνητικά των μετρικών αυτών καθώς και την ικανότητα τους να διακρίνουν τα προβλήματα που ενδέχεται να έχει ένα Generative Adversarial Network. Τέλος, προχωράμε στην ανάπτυξη μιας εφαρμογής ερωτοαπαντήσεων στην πλατφόρμα κοινωνικής δικτύωσης Viber (Rakuten) η οποία συνδυάζει την εφαρμογή των generative Adversarial Networks αλλά και την αξιολόγηση τους. Ο χρήστης αλληλεπιδρά με την εφαρμογή μέσα από ερωτοαπαντησεις και η εφαρμογή είναι ικανή να μετατρέψετε το κείμενο του χρήστη σε εικόνα. Έπειτα, ο χρήστης είναι σε θέση να υπολογίσετε τις παραγόμενες εικόνες, παρέχοντες χρήσιμη πληροφορία για την απόδοση του μοντέλου. Μέσα από αυτή την εφαρμογή μικρής κλίμακας που υλοποιήσαμε, δείξαμε την θέση που μπορούν να έχουν τα μέσα κοινωνικής δικτύωσης στην αξιολόγηση των Generative Adversarial Networks.	el
heal.advisorName	Γιώργος, Στάμου	el
heal.committeeMemberName	Στάμου, Γιώργος	el
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	93 σ.	el
heal.fullTextAvailability	false