신경망과 사용자 힌트를 사용한 애니메이션 스타일 일러스트 자동채색

Q: 이 논문에서 정의한 GAN이란 무엇인가?

생성자와 판별자의 경쟁 학습 방식을 통해 이미지 생성 및 합성 분야에서 뛰어난 성능을 보이는 비지도 학습 모델이다. 본 연구에서는 사용자 힌트와 선화를 입력받아 애니메이션 스타일의 이미지를 자동으로 채색하는 핵심 메커니즘으로 활용된다.

Q: 애니메이션 자동 채색에서 고해상도 이미지를 효율적으로 생성하는 방법은 무엇인가?

연구 결과, U-Net 구조에 ResBlock을 적용한 초안 생성자와 2중 생성자 구조를 설계하고 Waifu2x 기반의 Upscaling 모델을 결합하였다. 이를 통해 모델 용량을 160MB로 줄이면서도 최대 1024x1024 픽셀의 고해상도 이미지를 생성할 수 있다.

이영섭; 이성진

학술대회자료

저자정보: 이영섭 (경상대학교) 이성진 (경상대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2019 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

신경망과 적대적 학습을 통해 선화와 상용자 힌트를 입력하여 미디어 산업 초기 콘티와 같은 애니메이션 스타일의 선화(스케치 이미지)를 자동으로 채색하는 기법을 제안한다. 초안 생성자는 U-Net 구조에 ResBlock 을 사용해 생성자 깊이를 늘린다. 초안 생성자는 적대적 학습을 사용해 저해상도 초안을 생성한다. 선화와 저해상도 초안을 힌트로 생성자_2를 통해 이미지를 생 ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료