Diffusion Modely a ich Dopad na Počítačovú Bezpečnosť

Simple item page
but.committeedoc. Ing. Petr Matoušek, Ph.D., M.A. (předseda) Dr. Ing. Petr Peringer (člen) Ing. Matěj Grégr, Ph.D. (člen) doc. Ing. Michal Španěl, Ph.D. (člen) Ing. Lukáš Kekely, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D.cs
but.jazykangličtina (English)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorLapšanský, Tomášen
dc.contributor.authorDvorščák, Patriken
dc.contributor.refereeHomoliak, Ivanen
dc.date.created2024cs
dc.description.abstractTáto práca skúma výkonnosť difúznych modelov (DM) a Generative Adversarial Network (GAN) - Generatívna sieť súperiacích komponentov, pri vytváraní vizuálneho obsahu generovaného umelou inteligenciou vo viacerých aplikáciách vrátane syntézy tváre, generovania textu na obraz, umeleckého renderovania, prekladu obrazu na obraz, syntézy videa a superrozlíšenia. Prostredníctvom porovnávacích experimentov sa v tomto výskume hodnotí schopnosť modelov generovať podrobné, realistické a umelecky presvedčivé vizuály z textových a obrazových vstupov. Výsledky ukazujú, že DM vynikajú pri vytváraní vysoko detailných obrazov, ktoré presne nasledujú textové vstupy, pričom sú obzvlášť účinné pri úlohách syntézy tváre a prevodu textu na obraz. Naproti tomu GAN sú zručnejšie pri vykresľovaní realistických scén prostredia, ktoré sú vhodné pre aplikácie vyžadujúce pohlcujúce vizuály. Oba typy modelov sú kompetentné v umeleckom vykresľovaní, hoci sa líšia v prispôsobovaní štýlu a kreativite. V závere práce sú uvedené budúce smery výskumu zamerané na zvýšenie účinnosti modelov a efektívnejšiu integráciu týchto technológií do praktických aplikácií.en
dc.description.abstractThis thesis explores the performance of diffusion models (DMs) and generative adversarial networks (GANs) in creating AI-generated visual content across multiple applications, including face synthesis, text-to-image generation, artistic rendering, image-to-image translation, video synthesis, and super-resolution. Through comparative experiments, this research evaluates the models' ability to generate detailed, realistic, and artistically compelling visuals from textual and image prompts. The results reveal that DMs excel in producing highly detailed images that closely follow text prompts, particularly effective in face synthesis and text-to-image tasks. In contrast, GANs are more adept at rendering realistic environmental scenes, suitable for applications requiring immersive visuals. Both model types are competent in artistic rendering, though they differ in style adaptation and creativity. The thesis concludes with future research directions aimed at enhancing model efficacy and integrating these technologies more effectively into practical applications.cs
dc.description.markDcs
dc.identifier.citationDVORŠČÁK, P. Diffusion Modely a ich Dopad na Počítačovú Bezpečnosť [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.cs
dc.identifier.other155153cs
dc.identifier.urihttp://hdl.handle.net/11012/246925
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectGANen
dc.subjectDDPMen
dc.subjectDDIMen
dc.subjectdifúzne modelyen
dc.subjectkategórieen
dc.subjectsyntéza tváreen
dc.subjectsyntéza videaen
dc.subjecttext-na-obrazen
dc.subjectobraz-na-obrazen
dc.subjectumelecké vykreslenieen
dc.subjectsuperrozlišenieen
dc.subjectzväčšenie rozlíšeniaen
dc.subjectESRGANen
dc.subjectgeneratívna umelecká inteligenciaen
dc.subjectfotorealizmusen
dc.subjectgenerovanie digitálneho obsahuen
dc.subjectkybernetická bezpečnosťen
dc.subjectautenticita obsahuen
dc.subjectsyntéza štruktúrovaných údajoven
dc.subjectGANcs
dc.subjectDDPMcs
dc.subjectDDIMcs
dc.subjectDiffusion Modelscs
dc.subjectCategoriescs
dc.subjectFace Synthesiscs
dc.subjectVideo Synthesiscs
dc.subjectText-to-Imagecs
dc.subjectImage-to-Imagecs
dc.subjectArtistic Renderingcs
dc.subjectSuper-Resolutioncs
dc.subjectUpscalingcs
dc.subjectGenerative Artificial Intelligencecs
dc.subjectPhotorealismcs
dc.subjectDigital Content Generationcs
dc.subjectCybersecuritycs
dc.subjectContent Authenticitycs
dc.subjectStructured Data Synthesiscs
dc.titleDiffusion Modely a ich Dopad na Počítačovú Bezpečnosťen
dc.title.alternativeDiffusion Models and their Impact on Cybersecuritycs
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2024-06-11cs
dcterms.modified2024-08-21-11:11:02cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid155153en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 21:01:13en
sync.item.modts2025.01.15 21:45:24en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
final-thesis.pdf
Size:
9.99 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
review_155153.html
Size:
9.05 KB
Format:
Hypertext Markup Language
Description:
file review_155153.html
Download
Collections
2024