Neuronaler Bauhausstil-Transfer

Neuronaler Bauhausstil-Transfer

Neuronaler Bauhausstil-Transfer

Sneha Mohanty, Xiaoni Cai, Anh Phuong Le

(Christian Benz, Prof. Dr.-Ing. Volker Rodehorst)

Während typische Deep-Learning-Modelle nur über diskriminierende Fähigkeiten verfügen - im Wesentlichen die Klassifizierung oder Regression von Bildern oder Pixeln - sind Generative Adversarial Networks (GANs) in der Lage, neuartige Bilder zu erzeugen, d. h. zu produzieren oder zu synthetisieren. Eine ganze Bewegung ist um den CycleGAN-Ansatz entstanden, der versucht, den Stil eines Bildes (z. B. die Gemälde von Van Gogh) auf ein anderes (z. B. Landschaftsfotografien) zu übertragen. Die Anwendbarkeit dieses Ansatzes für die Übertragung des Bauhaus-Stils auf einzelne Objekte oder Gebäude in Bildern oder vollständigen Bildern soll erforscht werden. Am Ende des Projekts findet eine Untersuchung zu einem scheinbar anderen, aber durchaus verwandten Problem statt: Inwieweit ist das gewonnene GAN in der Lage, einen kleinen Datensatz von Bauschadensdaten zu ergänzen.