Please use this identifier to cite or link to this item:
https://elib.bsu.by/handle/123456789/341147Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Солодухо, А. А. | |
| dc.contributor.author | Ковалёв, В. А. | |
| dc.date.accessioned | 2026-02-05T11:05:02Z | - |
| dc.date.available | 2026-02-05T11:05:02Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 2 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 85-90. | |
| dc.identifier.isbn | 978-985-881-851-7 | |
| dc.identifier.isbn | 978-985-881-853-1 (ч. 2) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/341147 | - |
| dc.description | Раздел I. Компьютерное зрение и графика | |
| dc.description.abstract | В данной работе исследуются методы контролируемой генерации изображений при помощи генеративных нейросетевых моделей. Описываются результаты экспериментов по генерации изображений различными вариациями архитектуры GAN, проводится сравнение качества генерации при помощи различных метрик, в том числе анализируется метрика, использующая нейронную сеть CLIP для получения признакового представления изображений, а также проектируется и определяется программный комплекс для контролируемой генерации изображений на примере датасетов MNIST и гистологических изображений | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.title | Исследование, разработка и валидация методов контролируемой генерации изображений генеративными нейросетевыми моделями | |
| dc.title.alternative | Research, development and validation of methods for controlled image generation with generative adversarial networks / A. A. Saladukha, V. A. Kovalev | |
| dc.type | conference paper | |
| dc.description.alternative | This work explores methods for controlled image generation using generative neural network models. The results of experiments on image generation using different variations of the GAN architecture are described, and the quality of generation is compared using different metrics. This includes analyzing a metric that uses the CLIP neural network to obtain a feature representation of images, and implementing the pipeline for controlled image generation using the MNIST datasets and histological images | |
| Appears in Collections: | 2025. Информационные системы и технологии | |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.