Объект исследования – модели синтеза изображений. Цель работы – анализ современных нейросетевых методов синтеза изображений и выбор наиболее перспективных из них. В результате исследования было рассмотрено несколько архитектур синтеза изображений, рассмотрены результаты их работы и выбраны метрики, на основе которых происходило дальнейшее сравнение моделей. В ходе анализа использовались следующие критерии: Inception Score (IS), Frechet Inception Distance (FID) и размеры моделей – количество параметров. На основе данных критериев было выполнено сравнение качества работы нейронных сетей. Результатом работы является выбор наиболее перспективных подходов синтеза для определённых целей. Использовались открытые образовательные ресурсы и программы поиска и анализа информации.

Research Object – image synthesis models. Objective – to analyze modern neural network methods of image synthesis and select the most promising among them. As a result of the research, several image synthesis architectures were reviewed, their performance results were analyzed, and metrics were chosen for further model comparison. The following criteria were used in the analysis: Inception Score (IS), Frechet Inception Distance (FID), and model size – the number of parameters. Based on these criteria, the quality of neural networks was compared. The outcome of the work is the selection of the most promising synthesis approaches for specific purposes. Open educational resources and programs for searching and analyzing information were used.