Please use this identifier to cite or link to this item:
https://er.nau.edu.ua/handle/NAU/61857
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Лебедєв, Вадим Сергійович | - |
dc.date.accessioned | 2024-01-09T08:25:14Z | - |
dc.date.available | 2024-01-09T08:25:14Z | - |
dc.date.issued | 2023-12 | - |
dc.identifier.citation | Лебедєв В. С. Засоби впровадження генеративних зображень за допомогою машинного навчання моделей (в контексті створення мультимедійного контенту). - Кваліфікаційна робота на здобуття освітнього ступеня магістр спеціальності 186 "Видавництво та поліграфія". - Національний авіаційний університет. - Київ, 2023. – 91 с. | uk_UA |
dc.identifier.uri | https://er.nau.edu.ua/handle/NAU/61857 | - |
dc.description | Робота публікується згідно наказу ректора НАУ від 27.05.2021 р. №311/од "Про розміщення кваліфікаційних робіт здобувачів вищої освіти в репозиторії університету". Керівник кваліфікаційної роботи: к.тех.н., зав.каф. кафедри комп’ютерних мультимедійних технологій Бобарчук Олександр Антонович | uk_UA |
dc.description.abstract | Можливо, найважливішим досягненням останнього десятиліття в галузі комп’ютерного бачення та машинного навчання став винахід GAN (Generative Adversarial Networks) — методу, який запровадив можливість мислити за межами того, що вже було присутнє в даних, кроком у цілковито новій галузі, яка тепер називається генеративним моделюванням. Однак, пройшовши через фазу підйому, GAN почали стикатися з плато, коли більшість методів намагалися вирішити деякі вузькі місця, з якими стикалися змагальні методи. Справа не в окремих методах, а в змагальності самої проблеми. З випуском Dall-E 2, Imagen, Stable Diffusion і Midjourney дифузійні моделі захопили світ штурмом, надихаючи на творчість і розсуваючи межі машинного навчання. Ці моделі можуть генерувати майже нескінченну різноманітність зображень із текстових підказок, у тому числі фотореалістичні, фантастичні, футуристичні та, звичайно, чарівні. Ці можливості переосмислюють, що для людства означає взаємодія з технологіями, надаючи нам здібності створювати майже будь-які зображення, які ми можемо уявити. Але, навіть з їх розширеними можливостями дифузійні моделі мають обмеження. Однак, оскільки ці моделі постійно вдосконалюються або наступна генеративна парадигма бере верх, вони дозволять людству створювати зображення, відео та інші захоплюючі враження простою думкою. | uk_UA |
dc.language.iso | uk | uk_UA |
dc.publisher | Національний авіаційний університет | uk_UA |
dc.subject | кваліфікаційна робота | uk_UA |
dc.subject | дипломна робота | uk_UA |
dc.subject | веб-ресурс | uk_UA |
dc.subject | машинне навчання | uk_UA |
dc.subject | зображення | uk_UA |
dc.subject | макет | uk_UA |
dc.subject | верстка | uk_UA |
dc.subject | створення | uk_UA |
dc.subject | модель | uk_UA |
dc.title | Засоби впровадження генеративних зображень за допомогою машинного навчання моделей (в контексті створення мультимедійного контенту) | uk_UA |
dc.type | Other | uk_UA |
Appears in Collections: | Кваліфікаційні роботи здобувачів вищої освіти кафедри комп'ютерних мультимедійних технологій |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ФМВ_2023_186_Лєбєдєв В. С.pdf | Кваліфікаційна робота ОС магістр | 4.9 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.