Generování textur pro trojrozměrné modely pomocí sítě GAN

Abstract

V této bakalářské práci se zaměřujeme na generování realistických textur pro 3D ob- jekty. Hlavním cílem je experimentálně prozkoumat možnosti integrace procesů hlubokého učení a rasterizace a ověřit, zda je možné přes rasterizační proces propagovat gradienty potřebné pro efektivní trénování neuronových sítí. V rámci práce budou testovány různé architektury, včetně modelů U-Net a StyleGAN2, s cílem vytvořit realistické textury pro objekty, které dosud žádné textury nemají. Výsledky této práce mohou být užitečné pro další výzkum v oblasti propojení strojového učení a počítačové grafiky.

This bachelor's thesis focuses on generating realistic textures for 3D objects. The main objective is to experimentally explore the possibilities of combining deep learning processes with rasterization and to verify whether gradients necessary for effective neural network training can be propagated through the rasterization process. Various archi- tectures, including U-Net and StyleGAN2, will be tested to generate realistic textures for previously untextured objects. The findings of this study may contribute to further research in bridging machine learning and computer graphics.