지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.11
- 수록면
- 1,457 - 1,463 (7page)
- DOI
- 10.7840/kics.2023.48.11.1457
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
선화 생성 모델은 원본 사진을 선화 사진으로 스타일 전이(style transfer) 된 사진을 생성하는 모델이다. 기존 선화 모델은 원본 사진에 대한 선화 쌍이 없더라도 선화를 추출하는데, 이를 위해 사진에 대한 의미론적(semantic) 정보와 기하학적(geometric) 정보를 학습한다. 특히 의미론적(semantic) 정보는 CLIP(contrastive language-image pretraining) 모델을 통해 학습하며 기하학적 정보를 위해 깊이 추정(depth estimation) 방법만을 사용하였다. 하지만, 사용된 깊이 추정의 경우, 깊이에 대한 정확한 값 정보가 부족하여 깊이 추정 방법을 통해 추정된 값을 생성하여 사용하기 때문에 선화 모델의 성능이 떨어질 수 있다. 따라서 본 논문은 정확한 기하학적 정보를 사용할 수 있는 객체 분할(segmentation) 방법을 추가하여 선화 성능을 올리고자 한다. 실제 객체 분할 정보를 추가함으로써, 깊이 추정에 대한 정보가 상대적으로 부정확하다는 단점을 보완하였으며, 최종적으로 배경과 음영 등의 정보도 기하학적 정보를 통해 추가하였다. 결과적으로 제안 방법을 다양한 영역의 공개 사진 데이터 집합에 정성적, 정량적 향상된 결과를 확인할 수 있었다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론
References
참고문헌 (15)
참고문헌 신청
C. Chan, F. Durand, and P. Isola, “Learning to generate line drawings that convey geometry and semantics,” in Proc. IEEE/CVF Conf. CVPR, pp. 7915-7925, 2022. (https://doi.org/10.1109/cvpr52688.2022.00776)
A. Radford, et al., “Learning transferable visual models from natural language supervision,” Int. Conf. Mach. Learn., PMLR, pp. 8748-8763, 2021. (https://arxiv.org/abs/2103.00020)
R. Yi, et al., “Apdrawinggan: Generating artistic portrait drawings from face photos with hierarchical gans,” in Proc. IEEE/CVF Conf. CVPR 2019, pp. 10743-10752, 2019. (https://doi.org/10.1109/cvpr.2019.01100)
S. M. H. Miangoleh, et al., “Boosting monocular depth estimation models to high-resolution via content-adaptive multiresolution merging,” in Proc. IEEE/CVF Conf. CVPR, pp. 9685-9694, 2021. (https://doi.org/10.1109/cvpr46437.2021.00956)
M.-M. Cheng, et al., “Structure-preserving neural style transfer,” IEEE Trans. Image Process., vol. 29, pp. 909-920, 2019. (https://doi.org/10.1109/tip.2019.2936746)
A. Radford, et al., “Learning transferable visual models from natural language supervision,” Int. Conf. Mach. Learn., PMLR, pp. 8748-8763, 2021. (https://arxiv.org/abs/2103.00020)
R. Yi, et al., “Apdrawinggan: Generating artistic portrait drawings from face photos with hierarchical gans,” in Proc. IEEE/CVF Conf. CVPR 2019, pp. 10743-10752, 2019. (https://doi.org/10.1109/cvpr.2019.01100)
S. M. H. Miangoleh, et al., “Boosting monocular depth estimation models to high-resolution via content-adaptive multiresolution merging,” in Proc. IEEE/CVF Conf. CVPR, pp. 9685-9694, 2021. (https://doi.org/10.1109/cvpr46437.2021.00956)
M.-M. Cheng, et al., “Structure-preserving neural style transfer,” IEEE Trans. Image Process., vol. 29, pp. 909-920, 2019. (https://doi.org/10.1109/tip.2019.2936746)
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
객체 분할 정보를 활용한 선화 생성 모델의 성능 개선
한국통신학회 학술대회논문집
2023 .02
-
샘플링된 깊이 추정 특징 맵을 이용한 의미론적 분할
정보과학회 컴퓨팅의 실제 논문지
2023 .03
-
인물 객체의 3차원 인스턴스 분할 기술 연구
방송공학회논문지
2024 .11
-
샘플링된 깊이 추정 특징 맵을 이용한 의미론적 분할
한국정보과학회 학술발표논문집
2022 .06
-
Line Drawing Mobile App using Hybrid Approach
한국정보기술학회논문지
2021 .11
-
의미적 분할 기법 기반 깊이 예측 성능 비교
대한전자공학회 학술대회
2022 .11
-
객체 계층 정보를 활용한 이미지 분할 기법 설계
정보 및 제어 논문집
2021 .10
-
실내 조명변화 환경에서 깊이 정보를 활용한 의미론적 영상 분할 방법
정보과학회 컴퓨팅의 실제 논문지
2022 .02
-
의미적 분할 심층학습을 위한 데이터셋 생성 방법
한국정보통신학회 종합학술대회 논문집
2019 .10
-
ViT 기반 깊이 추정과 MVS 기반 깊이 정보 최적화를 통한 고품질 다시점 깊이 정보 생성 기법
방송공학회논문지
2024 .11
-
객체 인식 데이터를 이용한 의미론적 분할 방법
대한전자공학회 학술대회
2023 .06
-
이중 생성자를 사용한 저용량 선화 자동채색 모델
한국컴퓨터정보학회 학술발표논문집
2020 .01
-
자율주행 환경 학습을 위한 영상 분할과 깊이 추정의 도메인 적응 기술
대한전자공학회 학술대회
2022 .06
-
On estimation of structure information in images
한국통신학회 학술대회논문집
2019 .01
-
모바일 디바이스에서의 실시간 깊이 추정 및 시멘틱 분할 통합 모델에 관한 연구
한국통신학회 학술대회논문집
2025 .02
-
다중 해상도 이미지를 활용한 자기 지도 학습 기반 단안 깊이 추정
방송공학회논문지
2024 .07
-
Attention Model 을 이용한 단안 영상 기반 깊이 추정 네트워크
한국방송미디어공학회 학술발표대회 논문집
2020 .07
-
깊이 정보를 이용한 학습된 객체의 관심 영역의 방향 추출
Proceedings of KIIT Conference
2021 .11
-
학습 가능한 매개변수를 활용한 사진에 자유로운 의미론적 분할 성능 개선
한국정보과학회 학술발표논문집
2024 .06
-
Visible Ground Truth를 통한 질감 정보가 부족한 객체에서의 자세 추정 성능 향상
한국정보과학회 학술발표논문집
2023 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-088354950