Anadolu sanat stilleri perspektifinden makine öğrenimi ile stil transferi

Loading...
Thumbnail Image

Date

Journal Title

Journal ISSN

Volume Title

Publisher

ANKARA ÜNİVERSİTESİ

Abstract

Bu tezde, Anadolu kökenli üç farklı sanat geleneğinden görsellerle stil transferi çalışmaları gerçekleştirilmiştir: Osmanlı minyatürleri, Bizans mozaikleri ve Selçuklu sanat eserleri. Çalışmanın temel amacı, bu tarihi sanat stillerinin karakteristik özelliklerini çağdaş derin öğrenme yöntemleriyle farklı görseller üzerine aktararak, geleneksel sanat ile modern teknoloji arasında bir köprü kurmaktır. Buna ek olarak, çalışmada farklı stil transferi yöntemlerinin ve çeşitli önceden eğitilmiş modellerin bu sanat tarzlarını ne ölçüde yansıtabildiği karşılaştırmalı olarak incelenmiştir. Kullanılan veri kümeleri arasında en geniş olanı Osmanlı minyatürleri veri kümesi olmuştur. Bu nedenle deneylerin büyük bölümü bu stil üzerine yoğunlaşmış, farklı mimari yapılar arasında karşılaştırmalar yapılmıştır. Bizans mozaikleri ve Selçuklu sanat eserleri ise, veri miktarının sınırlı olması nedeniyle, yalnızca önceden eğitilmiş modeller ile gerçekleştirilen deneylerde değerlendirilmiştir. Stil transferi uygulamaları çeşitli mimari yapılar ve yöntemlerle gerçekleştirilmiştir. Bu yöntemler arasında; önceden eğitilmiş evrişimli sinir ağları, uyarlanabilir örnek normalleştirme (Adaptive Instance Normalization, AdaIN), doğrusal dönüşüm temelli modeller ve üretken rekabetçi ağlar (Generative Adversarial Networks, GAN) yer almaktadır. Elde edilen sonuçlar hem görsel algı açısından hem de SSIM (Structural Similarity Index Measure) ve LPIPS (Learned Perceptual Image Patch Similarity) gibi metrikler aracılığıyla değerlendirilmiştir. Önceden eğitilmiş modeller ve AdaIN temelli deneyler genellikle tatmin edici stilizasyon sonuçları üretmiştir. Ancak doğrusal dönüşüm ve GAN temelli modellerde, sınırlı veri ve eğitim sürecindeki istikrarsızlıklar gibi nedenlerle istenen başarı düzeyine ulaşılamamıştır. Bu tez, tarihi sanat biçimlerinin dijital ortamda yeniden üretilmesine yönelik bir yaklaşım sunmakta ve makine öğrenmesi tekniklerinin bu alandaki potansiyelini deneysel olarak ortaya koymaktadır.

Description

Citation

Endorsement

Review

Supplemented By

Referenced By