20.500.12556/RUL-187772 Generativno modeliranje dvoumnosti pri iskanju slik na podlagi delnih skic z metodo izravnalnega toka Generative Modelling of Ambiguity in Partial Sketch-Based Image Retrieval Using Rectified Flow V diplomskem delu obravnavamo iskanje scenskih slik na podlagi delnih prostoročnih skic, pri katerih lahko majhno število potez dopušča več možnih interpretacij prizora. Za modeliranje te dvoumnosti predlagamo pogojni generativni model, temelječ na metodi izravnalnega toka, ki za isto delno skico iz različnih naključnih začetnih stanj ustvari več končnih predstavitev v skupnem prostoru vložitev skic in slik. Njihovo geometrijsko razpršenost in nesoglasje rezultatov iskanja uporabljamo kot posredna pokazatelja negotovosti modela. Poskusi na zbirki FS-COCO pokažejo, da se nesoglasje generiranih predstavitev z dokončevanjem skice v povprečju zmanjšuje, pri posameznih skicah pa lahko relativno velika razpršenost ostane prisotna tudi pri skoraj ali povsem dokončanih poizvedbah. Kvalitativna analiza pokaže, da se geometrijska razpršenost lahko, vendar ne nujno, izrazi tudi kot nesoglasje med rezultati iskanja. Generirane predstavitve dodatno ovrednotimo pri klasičnem iskanju in jih primerjamo z neposredno uporabo izhodiščnih vložitev ter determinističnimi preslikavami. Ti pristopi lahko pri iskanju dosežejo boljše rezultate, vendar za posamezno skico vrnejo eno samo končno predstavitev in zato ne omogočajo analize nesoglasja z vzorčenjem. Rezultati kažejo, da lahko generativno modeliranje z več vzorci poleg samega rezultata iskanja zagotovi dodaten signal o vedenju modela pri dvoumnih poizvedbah. This thesis addresses scene-level image retrieval from partial freehand sketches, where a small number of strokes may admit several possible interpretations of the scene. To model this ambiguity, we propose a conditional generative model based on rectified flow that generates multiple final representations for the same partial sketch from different random initial states in a shared sketch-image embedding space. We use the geometric dispersion of these representations and disagreement between their retrieval results as indirect indicators of model uncertainty. Experiments on FS-COCO show that disagreement between generated representations generally decreases as the sketch becomes more complete, while individual queries may retain relatively high dispersion even when the sketch is nearly or fully completed. Qualitative analysis shows that geometric dispersion may, but does not necessarily, result in disagreement between retrieval outputs. We additionally evaluate the generated representations for conventional image retrieval and compare them with direct use of the original embeddings and deterministic mapping approaches. These approaches can achieve stronger retrieval performance, but return only a single final representation for each sketch and therefore do not support disagreement analysis through sampling. The results indicate that generative modelling with multiple samples can provide an additional signal about model behaviour for ambiguous queries beyond the retrieval result itself. iskanje slik na podlagi skic delne skice izravnalni tok negotovost generativni modeli sketch-based image retrieval partial sketches rectified flow uncertainty generative models true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-09-14 10:40:19 2026-09-14 10:40:25 2026-09-16 03:44:50 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 38754 Rostan_Zan_-_Generativno_modeliranje_dvoumnosti_pri_iskanju_slik_na_podlagi_delnih_skic_z_metodo.pdf Rostan_Zan_-_Generativno_modeliranje_dvoumnosti_pri_iskanju_slik_na_podlagi_delnih_skic_z_metodo.pdf 1 002583432E58D2308E040C7638FBF22A 63fd72a1a9e546ced333de8d2173c6d9356e9d20d133668b33d63f5d026825f1 e63129ef-b017-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=247520 Fakulteta za računalništvo in informatiko 0 0 0