- Journal of Computational Design
- Vol: 1 Issue: 3
- Cycle-GAN ile Modern İç Mekânların Bilim Kurgu Ortamları Olarak Yeniden Üretilmesi
Cycle-GAN ile Modern İç Mekânların Bilim Kurgu Ortamları Olarak Yeniden Üretilmesi
Authors : Esra Yağdır Çeliker, Gizem Efendioğlu, Özgün Balaban
Pages : 71-94
View : 21 | Download : 12
Publication Date : 2020-09-30
Article Type : Research
Abstract :Derin öğrenme, karmaşık görevlerin ve büyük veri setlerinin işlenmesi gereken problemlerde, yapay sinir ağlarını kullanan bir makine öğrenmesi yöntemidir. Derin öğrenme ile daha önceden uzman bir insan tarafından bilgisayara aktarılması gereken veriye ait özelliklerin, salt bilgisayar tarafından işlenmesi mümkün hale gelmiştir. Derin öğrenmenin alt sistemlerinden biri olan Üretken Rakip Yapay Sinir Ağları (GAN) algoritması, birbirine zıt çalışan iki sinir ağının birbiri ile çekişmesinden faydalanmaktadır. Üretici ağ gerçek olmayan görseller üretirken, ayırt edici ağ, üretilen görselleri değerlendirmekte ve görselin sahte veya gerçek olduğu bilgisini üretmektedir. İki ağ arasındaki bu çekişmeli durum ayırt edici ağın gerçek ile sahteyi ayıramayacağı kadar kaliteli görseller üretilene kadar tekrarlanmaktadır. Bu nedenle GAN algoritması özellikle görüntü işleme ve görüntü çeviri problemlerinde tercih edilmektedir. Derin öğrenmenin sunduğu görüntü işleme teknikleri ile karmaşık mekânsal verilerin kurgulanması ve mekânsal kurguların görüntüler üzerinden tekrar üretimi mümkündür. Bu çalışmanın amacı, farklı özelliklere sahip iç mekânların bir bilim kurgu filminin parçası olma durumunu ve bu durumdan türeyen yeni mekânsal potansiyelleri araştırmaktır. Bu bağlamda görüntü işleme için uygun bir teknik olan GAN algoritması kullanılarak, modern iç mekânlar bilim kurgu mekânları olarak yeniden yorumlanmıştır. Çalışmada modern iç mekân fotoğraflarından ve bilim kurgu filmlerinden olmak üzere iki farklı veri seti oluşturulmuştur. Böylece modern iç mekânların bilim kurgu filmlerinde yer alması durumunda söz konusu mekânların morfolojik olarak nasıl yorumlanabileceği araştırılmıştır.Keywords : Cycle-GAN, derin öğrenme, makine öğrenmesi, mimarlıkta yapay zeka, mekansal görüntü işleme