Генеративні конкурентні мережі для відновлення графічного контенту та зафарбовування зображень

М.В. Семаньків; О.В. Ціхун

doi:10.15330/itee.2025.3.05

Автор(и)

М.В. Семаньків Карпатський національний університет імені Василя Стефаника https://orcid.org/0000-0002-1314-8923
О.В. Ціхун Карпатський національний університет імені Василя Стефаника https://orcid.org/0009-0005-2975-7853

DOI:

https://doi.org/10.15330/itee.2025.3.05

Ключові слова:

генеративна конкурентна множина, image inpainting, графічний контент, python

Анотація

Метою роботи є дослідження методів генеративних конкурентних мереж (GAN) для задач зафарбовування зображень (image inpainting) та розробка програмної реалізації системи для відновлення графічного контенту з використанням удосконалених алгоритмів генерації. В роботі запропоновано вдосконалений метод генерації зображень із унікальною функцією втрат, що дозволяє зменшити втрати генератора порівняно з базовою GAN-архітектурою та підвищує якість відновлення графічного контенту. Розроблено прототип системи image inpainting, який демонструє ефективність видалення об’єктів та відновлення текстурних і кольорових особливостей зображень. Система забезпечує високу швидкість обробки та стабільність результатів, що підтверджено експериментально. Розроблена система має практичне значення для всіх сфер, де обробка візуальних даних є критичною, включаючи комп’ютерний зір та інформаційні технології. Впровадження запропонованого підходу сприяє підвищенню якості видалення об’єктів зображень та розширює можливості генеративних моделей у задачах реставрації та редагування графічного контенту.

Посилання

Z. Chen, “Generative Adversarial Networks for Image Restoration: Revolutions, Challenges and Future Look,” Theor. Natural Sci., vol. 151, no. 1, pp. 202–210, Dec. 2025. doi: https://doi.org/10.54254/2753-8818/2026.ch30897.

C. Dong, H. Liu, X. Wang, and X. Bi, “Image inpainting method based on AU-GAN,” Multimedia Syst., vol. 30, no. 2, Mar. 2024. doi: https://doi.org/10.1007/s00530-024-01290-3.

Z. Liu and M. Qin, “Research on image inpainting methods based on machine learning,” Appl. Comput. Eng., vol. 19, no. 1, pp. 67–74, Oct. 2023. doi: https://doi.org/10.54254/2755-2721/19/20231009.

A. B. Yildirim at al. “Inst-Inpaint: Instructing to Remove Objects with Diffusion Models.” arXiv.org. doi: https://doi.org/10.48550/arXiv.2304.03246.

H. Zheng, Z. Lin et al. “CM-GAN: Image Inpainting with Cascaded Modulation GAN and Object-Aware Training.” arXiv.org. doi: https://doi.org/10.48550/arXiv.2203.11947.

R. Wei et al. “OmniEraser: Remove Objects and Their Effects in Images with Paired Video-Frame Data.” arXiv.org e-Print archive. URL: https://arxiv.org/html/2501.07397v3.

A.-A. Barglazan, R. Brad, and C. Constantinescu, “Image Inpainting Forgery Detection: A Review,” J. Imag., vol. 10, no. 2, p. 42, Feb. 2024. doi: https://doi.org/10.3390/jimaging10020042.

“What is a GAN? - Generative Adversarial Networks Explained - AWS.” Amazon Web Services, Inc. URL: https://aws.amazon.com/what-is/gan/

Liu, X., Hay-Man Ng, A., Lei, F., Zhang, Y., and Li, Z., “GPNet: Simplifying Graph Neural Networks via Multi-channel Geometric Polynomials”, arXiv e-prints, Art. no. arXiv:2209.15454, 2022. doi: https://doi.org/10.48550/arXiv.2209.15454.

Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press, 2016. URL: http://www.deeplearningbook.org.

Yuqing Ma et al. “Coarse-to-Fine Image Inpainting via Region-wise Convolutions and Non-Local Correlation.” Proceedings of the Twenty-Eighth International Joint Conference on Artificial Intelligence Main track. Pages 3123-3129. doi: https://doi.org/10.24963/ijcai.2019/433.

Линовський, А. О., Мухін, В. Є. “Засоби покращення якості та знешумлення зображень на основі застосування згорткових та рекурентних нейронних мереж.” Телекомунікаційні та інформаційні технології. 2023. № 1(78). С. 82–89. doi: https://doi.org/10.31673/2412-4338.2023.018289.

D. Berdnyk and D. Peleshko, “Image reconstruction using generative neural networks”, Herald of Khmelnytskyi National University. Technical sciences, vol. 325, no. 5(1), pp. 30–34, Oct. 2023, URL: https://heraldts.khmnu.edu.ua/index.php/heraldts/article/view/452.

A. Іванов, В. Онищенко, “Методи генерації зображень з використанням мереж GAN,” Адапт. системи автомат. упр., vol. 1, no. 42, pp. 153–159, May 2023. doi: https://doi.org/10.20535/1560-8956.42.2023.279109.

М. В. Семаньків and О. В. Ціхун, “Вдосконалення методів імпейнтингу на основі генеративних моделей,” Вісн. Східноукр. нац. ун-ту ім. Володимира Даля, no. 8(294), pp. 5–10, Oct. 2025. doi: https://doi.org/10.33216/1998-7927-2025-294-8-5-10.