Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos

Detalhes bibliográficos
Autor(a) principal: Pinheiro, Matheus Henrique Soares, 1997-
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/8107
Resumo: Orientador: Yuzo Iano
id UNICAMP-30_4c795555e2afb458acb581831550c625
oai_identifier_str oai::1265631
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributosClustering the latent space of GANs for massive sampling of attribute conditioned imagesRedes adversárias generativasGenerative adversarial networksOrientador: Yuzo IanoDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: Implementadas por redes neurais artificiais as redes generativas adversárias são um modelo de amostragem capaz de sintetizar dados representativos de uma distribuição de probabilidade através da simples entrada de um vetor de ruído aleatório. Tradicionalmente, essas redes são treinadas para sintetizar imagens e são capazes de produzi-las com uma qualidade foto realista, mas dado a sua forma de treinamento padrão: gerar imagens através de um vetor aleatório de entrada, o modelo acaba não fornecendo uma maneira clara de se controlar as características que desejamos ver nas imagens de saída. Para superar essa limitação, propomos um método que agrupa o espaço latente Z das redes generativas adversárias usando o algoritmo K-médias, sendo ele capaz de amostrar, de maneira massiva, imagens com características pré-definidas por um usuário. Além disso, a técnica é independente de arquitetura e aplicada a redes generativas adversárias incondicionais e pré-treinadas sem afetar o seu desempenhoAbstract: Implemented by artificial neural networks, generative adversarial networks are a sampling model capable of synthesizing representative data from a probability distribution through the simple input of a random noise vector. Traditionally, these networks are trained to synthesize images and are capable of producing them with photorealistic quality, but due to their standard training method of generating images through a random input vector, the model does not provide a clear way to control the features we want to see in the output images. To overcome this limitation, we propose a method that clusters the latent space Z of generative adversarial networks using the K-means algorithm, which is capable of sampling massive amounts of images with user-defined characteristics. In addition, the technique is independent to the network architecture and applied to unconditional and pre-trained models without affecting their performanceMestradoTelecomunicações e TelemáticaMestre em Engenharia ElétricaCAPES88887640926/2021-00[s.n.]Iano, Yuzo, 1950-Silva, Edgard Luciano Oliveira daOliveira, Gabriel Gomes deUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASPinheiro, Matheus Henrique Soares, 1997-20232023-02-16T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (87 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/8107PINHEIRO, Matheus Henrique Soares. Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos. 2023. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/8107. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1265631Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2023-03-28T14:50:53Zoai::1265631Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2023-03-28T14:50:53Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos
Clustering the latent space of GANs for massive sampling of attribute conditioned images
title Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos
spellingShingle Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos
Pinheiro, Matheus Henrique Soares, 1997-
Redes adversárias generativas
Generative adversarial networks
title_short Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos
title_full Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos
title_fullStr Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos
title_full_unstemmed Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos
title_sort Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos
author Pinheiro, Matheus Henrique Soares, 1997-
author_facet Pinheiro, Matheus Henrique Soares, 1997-
author_role author
dc.contributor.none.fl_str_mv Iano, Yuzo, 1950-
Silva, Edgard Luciano Oliveira da
Oliveira, Gabriel Gomes de
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
Programa de Pós-Graduação em Engenharia Elétrica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Pinheiro, Matheus Henrique Soares, 1997-
dc.subject.por.fl_str_mv Redes adversárias generativas
Generative adversarial networks
topic Redes adversárias generativas
Generative adversarial networks
description Orientador: Yuzo Iano
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-02-16T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/8107
PINHEIRO, Matheus Henrique Soares. Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos. 2023. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/8107. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/8107
identifier_str_mv PINHEIRO, Matheus Henrique Soares. Agrupando o espaço Latente de GANs para a amostragem massiva de imagens condicionadas a atributos. 2023. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/8107. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1265631
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (87 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189188017324032

Registros relacionados