Генеративно-змагальні мережі для реставрації зображень та інпайнтингу

Abstract

Метою цієї роботи є дослідження методів генеративно-змагальних мереж (GAN) для завдань домальовування зображень та розробка програмної реалізації системи відновлення графічного контенту з використанням удосконалених алгоритмів генерації. Дослідження базується на експериментальному моделюванні нейронної мережі та розробці спеціалізованої функції втрат. У дослідженні пропонується вдосконалений метод генерації зображень з унікальною функцією втрат, яка зменшує втрати генератора порівняно з базовою архітектурою GAN та підвищує якість відновлення графічного контенту. Було розроблено прототип системи домальовування зображень, що демонструє ефективне видалення об'єктів та відновлення текстур зображення та колірних особливостей. Система забезпечує високу швидкість обробки та стабільність результатів, що було підтверджено експериментально. Розроблена система має практичне значення для всіх галузей, де обробка візуальних даних є критичною, включаючи комп'ютерний зір та інформаційні технології. Реалізація запропонованого підходу покращує якість видалення об'єктів на зображеннях та розширює можливості генеративних моделей у завданнях відновлення та редагування графічного контенту.