Статья представляет собой анализ современных методов генерации изображений: вариационных автоэнкодеров (Variational Autoencoder - VAE), генеративных состязательных сетей (Generative Adversarial Networks - GAN) и диффузионных моделей. Основное внимание уделено сравнительному анализу их производительности, качеству генерации и вычислительным требованиям. Для оценки качества изображений используется метрика расстояние Фреше между распределениями признаков (Fréchet Inception Distance - FID). Диффузионные модели показали наилучшие результаты (FID 20.8), превосходя VAE (FID 59.75) и GAN (FID 38.9), но требуют значительных ресурсов. VAE стабильны, но генерируют размытые изображения. GAN обеспечивают высокое качество, но страдают от нестабильности обучения и коллапса моды. Диффузионные модели, благодаря пошаговому декодированию шума, сочетают детализацию и структурированность, что делает их наиболее перспективными. Также рассмотрены методы генерации из изображения в изображение, применяемые для модификации изображений. Результаты исследования полезны для специалистов в области машинного обучения и компьютерного зрения, способствуя улучшению алгоритмов и расширению областей применения генеративных моделей.

Ключевые слова: дипфейк, глубокое обучение, искусственный интеллект, GAN, VAE, диффузионная модель

1.2.1 - Искусственный интеллект и машинное обучение , 1.2.2 - Математическое моделирование, численные методы и комплексы программ

Достоверность оценки количества накопленных отходов в условиях несовершенной научно-методической базы нормирования ТКО, отсутствии общепринятых методик расчета недостаточно высокая. Показана возможность использования кластерного анализа при формирование статистической выборки объектов стационарной торговой сети при установлении нормативов накопления твердых коммунальных отходов. Разработана методика формирования репрезентативной статистической выборки объектов стационарной торговой сети при установлении нормативов накопления твердых коммунальных отходов на основе кластерного анализа.

Ключевые слова: накопление отходов, твердые коммунальные отходы, норматив образования ТКО, объект стационарной торговой сети, кластерный анализ, репрезентативная выборка

2.1.10 - Экологическая безопасность строительства и городского хозяйства

Проблема разработки оптимальной системы обращения с отходами весьма актуальна во многих странах. Для ее решения необходимо исследовать процессы накопления отходов, систематизировать факторы и условия, влияющие на образование отходов, определить особенности установления нормативов накопления отходов для различных объектов. В статье рассматриваются особенности накопления твердых коммунальных отходов и установление нормативов их накопления для стационарных объектов торговой сети. Найдены объемные и массовые значения суточных показателей накопления ТКО с торговой площади определенного типа и суммарное значение показателей накопления (по всей торговой площади). Установлены форматы торговых объектов с максимальными среднесуточными показателями накопления ТКО. Установлены нормативы накопления ТКО для рассматриваемой категории для 1м2 торговой площади продовольственными товарами, 1м2 торговой площади непродовольственными товарами.

Ключевые слова: накопление отходов, твердые коммунальные отходы, норматив образования ТКО, объект стационарной торговой сети, объемные показатель, массовые показатели

2.1.10 - Экологическая безопасность строительства и городского хозяйства