- Nosaukums (latviešu):
- Kvalitātes rādītāju salīdzinājums attēliem, kas veidoti ar ģeneratīvo mākslīgo intelektu
- Autors:
- Nils Grīntāls
- Izdevējs:
- Ventspils: Ventspils Augstskola
- Oriģināla radīšanas datums:
- 2025
- Resursa virstips:
- Teksts
- Resursa tips:
- Zinātnisks darbs/Teksts
Metadati
- Nosaukums (latviešu):
- Kvalitātes rādītāju salīdzinājums attēliem, kas veidoti ar ģeneratīvo mākslīgo intelektu
- Zinātniskā darba tips:
- Maģistra darbi
- Autors:
- Nils Grīntāls
- Līdzradītājs:
- Urtāns, Ēvalds, 1987- , zinātniskais vadītājs
- Līdzradītājs:
- Artūrs Vrubļevskis, redaktors, redaktors, recenzents
- Fiziskais raksturojums (latviešu):
- 119 lp.
- Izdevējs:
- Ventspils: Ventspils Augstskola
- Oriģināla radīšanas datums:
- 2025
- Fiziskais datu nesējs:
- Papīrs
- Valoda:
- latviešu
- Anotācija (latviešu):
- Darba nosaukums: Kvalitātes rādītāju salīdzinājums attēliem, kas veidoti ar ģeneratīvo mākslīgo intelektu. Darba autors: Nils Grīntāls Darba vadītājs: Dr. sc. ing. Ēvalds Urtāns Darba apjoms: 119 lpp., 35 tabulas, 33 attēli, 29 bibliogrāfiskie norādes. Atslēgas vārdi: MĀKSLĪGAIS INTELEKTS, ATTĒLU KVALITĀTE, SUBJEKTĪVAIS VĒRTĒJUMS, OBJEKTĪVIE RĀDĪTĀJI, DZIĻĀ MĀCĪŠANĀS. Šajā pētījumā mākslīgā intelekta ģenerētu attēlu kvalitāte tiek analizēta, balstoties uz cilvēka vidējo subjektīvo vērtējumu, izmantojot vairākus attēlu kvalitātes novērtēšanas rādītājus, lai pēc iespējas pilnīgāk aptvertu šī brīža rādītāju attēlu novērtēšanas spējas. Pētījuma rezultāti parāda, ka klasiskie pilnas atsauces rādītāji (FR-KR: PSNR, SSIM) uzrāda būtiskus ierobežojumus mākslīgā intelekta ģenerēto attēlu novērtēšanā. Tie uzrāda vāju korelāciju ar vidējo subjektīvo cilvēku vērtējumu, bet neskatoties uz to saglabā noturīgu vērtību kā komplementāras tehnoloģijas pateicoties uzlabojumiem mākslīgā intelekta attīstībai. Uz dziļo mācīšanos balstītie rādītāji, īpaši uz CLIP arhitektūru balstītās metodes (RankingAwareCLIP un LIQE), demonstrē ievērojami labāku sniegumu dažādu attēlu tipu kvalitātes novērtēšanā, uzrādot augstāku korelāciju ar cilvēku vidējiem subjektīvajiem vērtējumiem. Pētījums secina, ka optimālai attēlu kvalitātes novērtēšanai ieteicams kombinēt dažādu kategoriju rādītājus, jo īpaši gadījumos, kad nepieciešams visaptverošs vērtējums par attēliem, kas ģenerēti ar mākslīgā intelekta palīdzību.
- Pieder kolekcijai:
- Academia (Kolekcija)
- Temats:
- Maģistra darbi
- Temats:
- Ventspils Augstskola. Informācijas tehnoloģiju fakultāte
- Temats:
- Datorzinātnes
- Tīmekļa saite:
- https://ventspils.biblioteka.lv/AlisePAC/Details?title=Kvalit%25c4%2581tes%2Br%25c4%2581d%25c4%25abt%25c4%2581ju%2Bsal%25c4%25abdzin%25c4%2581jums%2Batt%25c4%2593liem%252c%2Bkas%2Bve&Id=278743&Ident=1288804&InstanceId=29&LibraryId=0
- Ģeogrāfiskais nosaukums:
- Ventspils (Latvija)
- Oriģināla turētājs (*):
- Ventspils Augstskola
- Izveidošanas datums:
- 04.03.2026
- APLIS autortiesību statuss:
- Aizsargāts ar tiesībām
- APLIS piekļuves tiesības:
- Šo darbu aizsargā autortiesības un/vai blakustiesības. Šo darbu var brīvi lietot personiskai lietošanai, zinātniskam pētījumam vai pašizglītībai. Citiem izmantošanas veidiem jāsaņem tiesību subjekta (-u) atļauja.
- APLIS tiesību paziņojums:
- Ir aizsargāts ar autortiesībām — komerciālā apritē neesošs
- APLIS piekļuves paziņojums:
- Pieejams tīmeklī (bez iespējas lejupielādēt)
- Bloķēts:
- Nē
- Resursa virstips:
- Teksts
- Resursa tips:
- Zinātnisks darbs/Teksts
- URI:
-
https://dom.lndb.lv/data/obj/1665980
RDF dati | XML dati
Pieejamās datnes
| Nosaukums | Apraksts | Izmērs | Hash | Piekļuves statuss | |
|---|---|---|---|---|---|
| 1. | Grintals_Nils_23080002.pdf | 4.51 MB | 24523c5f925573a9b6200de0102763e5 | Lejupielādēt Atvērt |
Tehniskās datnes
| Nosaukums | Apraksts | Izmērs | Hash | |
|---|---|---|---|---|
| 1. | copyright.json | Autortiesību fails | 7.69 KB | 890582ac9aa1ee225f06b1fbd2c8ead9 |
Lūdzu uzgaidiet