Генерування художніх зображень за текстовим описом

Abstract

Метою кваліфікаційної роботи є розробка настільного програмного засобу для автоматизованого синтезу художніх і фотореалістичних зображень за природною мовою користувача. У роботі узагальнено сучасні підходи до тексту-зображення (text-to-image), зокрема дифузійні моделі та умовне моделювання за текстовим описом; проведено порівняльний аналіз локальних моделей на базі бібліотеки Hugging Face Diffusers і хмарних API (Google Gemini/Stability AI/OpenRouter). Запропоновано архітектуру застосунку з графічним інтерфейсом на CustomTkinter, модулем обробки промптів з підтримкою локального розширення та зовнішніх LLM-провайдерів (Google, Groq, Ollama), а також із збереженням шаблонів і журналу генерацій у базі даних SQLite. Реалізовано кілька альтернативних шляхів генерації для різних обчислювальних ресурсів і політик приватності; конфігурація ключів і тем інтерфейсу винесена у файл `config.env` з можливістю редагування з вбудованого вікна налаштувань.

The purpose is to develop a desktop tool for automated synthesis of artistic or photorealistic images from user text. The thesis summarizes contemporary text-toimage approaches, focusing on diffusion models and text conditioning; it compares local Diffusers-based pipelines with cloud APIs (Google Gemini, Stability AI, OpenRouter). The designed architecture combines a CustomTkinter GUI, prompt postprocessing with local heuristics and optional LLM providers (Google, Groq, Ollama via `PROMPT_ENHANCE_PROVIDER`), and SQLite persistence for templates and generation history. API keys and UI theme are centralized in `config.env` with an inapp settings editor. Multiple backends support different hardware and privacy constraints.