{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3421618"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3421618","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Object-centric generative modeling: merging unsupervised segmentation learning with image synthesis","abstract":"Στην παρούσα εργασία, προσεγγίζουμε το πρόβλημα της σύνθεσης εικόνων και πώς αυτό μπορεί να βελτιωθεί με τη χρήση αντικειμενοκεντρικής τμηματοποίησης. Οι αυτοκωδικο ποιητές με βάση τις υποδοχές(slots) ξεχωρίζουν στον τομέα της αντικειμενοκεντρικής τμη ματοποίησης και οι αυτοκωδικοποιητές με τη χρήση μασκών έχουν δείξει εντυπωσιακά αποτελέσματα στη δημιουργία εικόνων. Στην προσέγγισή μας χρησιμοποιούμε τις ακό λουθες τεχνικές. Έναν αυτόματο κωδικοποιητή με βάση τις υποδοχές, ο οποίος χρησι μοποιεί εκπαίδευση με βάση την την απόσπαση των αντιστοιχίσεων προσοχής από τον αποκωδικοποιητή για κάθε εικόνα. Έναν δημιουργικός αυτόματος κωδικοποιητής με τη χρήση μασκών, προκειμένου να επιτευχθεί η σύνθεση εικόνας, με τη βοήθεια των αντι στοιχήσεων από το πρώτο βήμα. Πραγματοποιούμε επίσης ομαδοποίηση στις εξαγόμενες αντιστοιχίσεις προσοχής για τη δημιουργία εικόνων. Επικεντρωνόμαστε στη βελτίωση της ανακατασκευής εικόνων πραγματικού κόσμου, η προσέγγισή μας καταδεικνύει τις δυνατό τητες των αυτόματων κωδικοποιητών που βασίζονται σε υποδοχές για την ενίσχυση των πρακτικών εφαρμογών στη μάθηση αντικειμενοκεντρικής αναπαράστασης, αντιμετωπίζο ντας τις ειδικές προκλήσεις που θέτουν τα σενάρια απεικόνισης του πραγματικού κόσμου","abstract_html":"Στην παρούσα εργασία, προσεγγίζουμε το πρόβλημα της σύνθεσης εικόνων και πώς αυτό μπορεί να βελτιωθεί με τη χρήση αντικειμενοκεντρικής τμηματοποίησης. Οι αυτοκωδικο ποιητές με βάση τις υποδοχές(slots) ξεχωρίζουν στον τομέα της αντικειμενοκεντρικής τμη ματοποίησης και οι αυτοκωδικοποιητές με τη χρήση μασκών έχουν δείξει εντυπωσιακά αποτελέσματα στη δημιουργία εικόνων. Στην προσέγγισή μας χρησιμοποιούμε τις ακό λουθες τεχνικές. Έναν αυτόματο κωδικοποιητή με βάση τις υποδοχές, ο οποίος χρησι μοποιεί εκπαίδευση με βάση την την απόσπαση των αντιστοιχίσεων προσοχής από τον αποκωδικοποιητή για κάθε εικόνα. Έναν δημιουργικός αυτόματος κωδικοποιητής με τη χρήση μασκών, προκειμένου να επιτευχθεί η σύνθεση εικόνας, με τη βοήθεια των αντι στοιχήσεων από το πρώτο βήμα. Πραγματοποιούμε επίσης ομαδοποίηση στις εξαγόμενες αντιστοιχίσεις προσοχής για τη δημιουργία εικόνων. Επικεντρωνόμαστε στη βελτίωση της ανακατασκευής εικόνων πραγματικού κόσμου, η προσέγγισή μας καταδεικνύει τις δυνατό τητες των αυτόματων κωδικοποιητών που βασίζονται σε υποδοχές για την ενίσχυση των πρακτικών εφαρμογών στη μάθηση αντικειμενοκεντρικής αναπαράστασης, αντιμετωπίζο ντας τις ειδικές προκλήσεις που θέτουν τα σενάρια απεικόνισης του πραγματικού κόσμου","abstract_has_math":false,"creators":["Κωνσταντινίδης Κωνσταντίνος","Konstantinidis Konstantinos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:30:53Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","English","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3421618"],"render_values":[{"text":"uoadl:3421618","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3421618","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3421618","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3421618","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κωνσταντινίδης Κωνσταντίνος","Konstantinidis Konstantinos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","English","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3421618","https://pergamos.lib.uoa.gr/uoa/dl/object/3421618"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στην παρούσα εργασία, προσεγγίζουμε το πρόβλημα της σύνθεσης εικόνων και πώς αυτό μπορεί να βελτιωθεί με τη χρήση αντικειμενοκεντρικής τμηματοποίησης. Οι αυτοκωδικο ποιητές με βάση τις υποδοχές(slots) ξεχωρίζουν στον τομέα της αντικειμενοκεντρικής τμη ματοποίησης και οι αυτοκωδικοποιητές με τη χρήση μασκών έχουν δείξει εντυπωσιακά αποτελέσματα στη δημιουργία εικόνων. Στην προσέγγισή μας χρησιμοποιούμε τις ακό λουθες τεχνικές. Έναν αυτόματο κωδικοποιητή με βάση τις υποδοχές, ο οποίος χρησι μοποιεί εκπαίδευση με βάση την την απόσπαση των αντιστοιχίσεων προσοχής από τον αποκωδικοποιητή για κάθε εικόνα. Έναν δημιουργικός αυτόματος κωδικοποιητής με τη χρήση μασκών, προκειμένου να επιτευχθεί η σύνθεση εικόνας, με τη βοήθεια των αντι στοιχήσεων από το πρώτο βήμα. Πραγματοποιούμε επίσης ομαδοποίηση στις εξαγόμενες αντιστοιχίσεις προσοχής για τη δημιουργία εικόνων. Επικεντρωνόμαστε στη βελτίωση της ανακατασκευής εικόνων πραγματικού κόσμου, η προσέγγισή μας καταδεικνύει τις δυνατό τητες των αυτόματων κωδικοποιητών που βασίζονται σε υποδοχές για την ενίσχυση των πρακτικών εφαρμογών στη μάθηση αντικειμενοκεντρικής αναπαράστασης, αντιμετωπίζο ντας τις ειδικές προκλήσεις που θέτουν τα σενάρια απεικόνισης του πραγματικού κόσμου","In this project, we approach the problem of image synthesis and how this can be improved by using object-centric segmentation. Slot-based auto-encoders stand out in the field of object-centric segmentation and the masked auto-encoders have shown impressive results in image generation. In our approach we use the following techniques. A slot based auto-encoder, which uses attention based training to distill attention maps from the decoder. A Masked Generative encoder, in order to achieve image synthesis, with the aid of the attention maps from the first step. We also perform clustering on the distilled attention maps and perform image generation. We focus on improving real-world image reconstruction, our approach demonstrates the potential of slot-based auto-encoders to enhance practical applications in object-centric representation learning, addressing the specific challenges posed by real-world imaging scenarios."]},{"key":"dc:title","label":"Title","values":["Object-centric generative modeling: merging unsupervised segmentation learning with image synthesis"]}]}],"canonical_facts":{"dc:creator":["Κωνσταντινίδης Κωνσταντίνος","Konstantinidis Konstantinos"],"dc:date":["2024"],"dc:description":["Στην παρούσα εργασία, προσεγγίζουμε το πρόβλημα της σύνθεσης εικόνων και πώς αυτό μπορεί να βελτιωθεί με τη χρήση αντικειμενοκεντρικής τμηματοποίησης. Οι αυτοκωδικο ποιητές με βάση τις υποδοχές(slots) ξεχωρίζουν στον τομέα της αντικειμενοκεντρικής τμη ματοποίησης και οι αυτοκωδικοποιητές με τη χρήση μασκών έχουν δείξει εντυπωσιακά αποτελέσματα στη δημιουργία εικόνων. Στην προσέγγισή μας χρησιμοποιούμε τις ακό λουθες τεχνικές. Έναν αυτόματο κωδικοποιητή με βάση τις υποδοχές, ο οποίος χρησι μοποιεί εκπαίδευση με βάση την την απόσπαση των αντιστοιχίσεων προσοχής από τον αποκωδικοποιητή για κάθε εικόνα. Έναν δημιουργικός αυτόματος κωδικοποιητής με τη χρήση μασκών, προκειμένου να επιτευχθεί η σύνθεση εικόνας, με τη βοήθεια των αντι στοιχήσεων από το πρώτο βήμα. Πραγματοποιούμε επίσης ομαδοποίηση στις εξαγόμενες αντιστοιχίσεις προσοχής για τη δημιουργία εικόνων. Επικεντρωνόμαστε στη βελτίωση της ανακατασκευής εικόνων πραγματικού κόσμου, η προσέγγισή μας καταδεικνύει τις δυνατό τητες των αυτόματων κωδικοποιητών που βασίζονται σε υποδοχές για την ενίσχυση των πρακτικών εφαρμογών στη μάθηση αντικειμενοκεντρικής αναπαράστασης, αντιμετωπίζο ντας τις ειδικές προκλήσεις που θέτουν τα σενάρια απεικόνισης του πραγματικού κόσμου","In this project, we approach the problem of image synthesis and how this can be improved by using object-centric segmentation. Slot-based auto-encoders stand out in the field of object-centric segmentation and the masked auto-encoders have shown impressive results in image generation. In our approach we use the following techniques. A slot based auto-encoder, which uses attention based training to distill attention maps from the decoder. A Masked Generative encoder, in order to achieve image synthesis, with the aid of the attention maps from the first step. We also perform clustering on the distilled attention maps and perform image generation. We focus on improving real-world image reconstruction, our approach demonstrates the potential of slot-based auto-encoders to enhance practical applications in object-centric representation learning, addressing the specific challenges posed by real-world imaging scenarios."],"dc:identifier":["uoadl:3421618","https://pergamos.lib.uoa.gr/uoa/dl/object/3421618"],"dc:language":["Ελληνικά","English","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Object-centric generative modeling: merging unsupervised segmentation learning with image synthesis"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:30:53Z"}