Μελέτη και υλοποίηση μεταφοράς στυλ σε εικόνες και βίντεο

Βλαχούλης, Μάριος; Vlachoulis, Marios

dc.contributor.author	Βλαχούλης, Μάριος	el
dc.contributor.author	Vlachoulis, Marios	en
dc.date.accessioned	2024-04-15T10:23:54Z
dc.date.available	2024-04-15T10:23:54Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59186
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26882
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Μεταφορά στυλ	el
dc.subject	Βαθιά νευρωνικά δίκτυα	el
dc.subject	Μεταφορά μάθησης	el
dc.subject	Χρονική συνέπεια	el
dc.subject	Αντιστρέψιμο δίκτυο	el
dc.subject	Style transfer	en
dc.subject	Deep neural networks	en
dc.subject	Temporal consistency	en
dc.subject	Reversible network	en
dc.title	Μελέτη και υλοποίηση μεταφοράς στυλ σε εικόνες και βίντεο	el
dc.title	Review and Implementation of Image and Video Style Transfer	en
heal.type	bachelorThesis
heal.classification	Μεταφορά Στυλ με Νευρωνικά Δίκτυα	el
heal.classification	Neural Style Transfer	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-10
heal.abstract	Αυτή η έρευνα εμβαθύνει στο συναρπαστικό πεδίο της μεταφοράς στυλ, ένα εξέχον υποπε- δίο της ϐαθιάς μάθησης, όπου τα στυλιστικά χαρακτηριστικά μιας εικόνας ενσωματώνονται άψογα με το περιεχόμενο μιας άλλης. Η μελέτη παρέχει μια ολοκληρωμένη αξιολόγηση αρκετών αλγορίθμων τελευταίας τεχνολογίας, δίνοντας έμφαση στην ικανότητά τους να πα- ϱάγουν οπτικά συναρπαστικά αποτελέσματα σε εικόνες και καρέ ϐίντεο. Οι τεχνολογίες αυτές χρησιμοποιούν διάφορες μεθοδολογίες και δίκτυα, όπως χαλάρωση και κανονικοποίηση, α- ντιθετική μάθηση και αντιστρέψιμα υπολοιπόμενα δίκτυα, προσεγγίζοντας τα προβλήματα του stylization και της χρονικής συνέπειας με διαφορετικό τρόπο το καθένα. Πέρα από την καλλιτεχνική σφαίρα, η δυνατότητα εφαρμογής της μεταφοράς στυλ εκτείνεται σε διάφορους τομείς, συμπεριλαμβανομένης της μετάφρασης εικόνας σε εικόνα, ϕωτορεαλιστικών προσαρ- μογών στυλ, ακόμη και ϐοήθειας σε εργασίες όπως η κατάτμηση εικόνας. Αυτή η εξερεύνηση των τεχνικών μεταφοράς στυλ αποτελεί παράδειγμα της διασταύρωσης της τέχνης και της τε- χνολογίας, εισάγοντας νέες δυνατότητες για δημιουργικές και υπολογιστικές εφαρμογές.	el
heal.abstract	This research delves into the fascinating realm of style transfer, a prominent subfield of deep learning, where the stylistic characteristics of one image are seamlessly integrated with the content of another. The study provides a comprehensive evaluation of several state-of-the-art algorithms, emphasizing their ability to produce visually compelling results across images and video frames. These technologies use various methodologies and networks, such as relaxation and normalization, contrastive learning, and reversible residual networks, each approaching the problems of stylization and temporal consistency in a different way. Beyond the artistic realm, the applicability of style transfer spans diverse areas, including image-to-image translation, photorealistic style adaptations, and even assisting in tasks like image segmentation. This exploration of style transfer techniques exemplifies the intersection of art and technology, ushering in new possibilities for creative and computational applications.	en
heal.advisorName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	101 σ.	el
heal.fullTextAvailability	false