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 |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: