Podrobno

Vizualizacija zgodb z generativnimi modeli
ID Mušič, Nejc (Avtor), ID Robnik Šikonja, Marko (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (2,95 MB)
MD5: A2134396053F6B66F22D2183C817C059

Izvleček
Magistrska naloga obravnava problem vizualizacije zgodb z uporabo generativnih modelov, kjer smo se osredotočili na izboljšanje konsistentnosti likov in kompozicije prizorov. Razvili smo dvofazni sistem. Prva faza transformira besedilo v strukturirane opise prizorov in profile likov. Druga faza pa izvaja vizualizacijo z difuzijskim modelom FLUX.1-dev, podprtim s tehnologijami LoRA za prilagajanje likov, MV-Adapter za generacijo večpoglednih slik, Grounding DINO za detekcijo in SAM za segmentacijo. Sistem smo evalvirali na podatkovni množici PororoSV in zgodbi Pepelka s človeško evalvacijo metrik vizualne kakovosti, konsistentnosti, ustreznosti in ozadja. Rezultati kažejo, da naš pristop presega model Storydall-e na podatkovni množici PororoSV, zlasti v kakovosti in konsistentnosti, vendar je časovno zahteven in omejen pri več kot štirih likih na prizor. Pristop izboljšuje nadzor nad vizualizacijo, vendar zahteva optimizacijo za praktično uporabo ter dodatne raziskave za avtomatizacijo sistema.

Jezik:Slovenski jezik
Ključne besede:vizualizacija zgodb, LoRA, FLUX.1-dev, difuzijski modeli, PororoSV, MV-Adapter, SAM, Grounding DINO
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2025
PID:20.500.12556/RUL-175884 Povezava se odpre v novem oknu
COBISS.SI-ID:258386947 Povezava se odpre v novem oknu
Datum objave v RUL:12.11.2025
Število ogledov:426
Število prenosov:150
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Visualization of Stories with Generative Models
Izvleček:
This master’s thesis addresses the challenge of story visualization using generative models, focusing on improving character consistency and scene composition. We developed a two-phase system. The first phase transforms text into structured scene descriptions and character profiles. The second phase performs visualization with the FLUX.1-dev diffusion model, supported by LoRA for character consistency, MV-Adapter for multi-view image generation, Grounding DINO for detection, and SAM for segmentation. The system was evaluated on the PororoSV dataset and the Cinderella story through human evaluation of visual quality, consistency, relevance, and background metrics. Results show that our approach outperforms the Storydall-e model on PororoSV dataset, particularly in quality and consistency, but is computationally intensive and limited for more than four characters per scene. The method enhances control over visualization but requires optimization for practical use and further research to automate the system.

Ključne besede:story visualization, LoRA, FLUX.1-dev, diffusion models, PororoSV, MV-Adapter, SAM, Grounding DINO

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj