메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이영섭 (Gyeongsang National University) 이성진 (Gyeongsang National University)
저널정보
대한전기학회 전기학회논문지 P 전기학회논문지 제69P권 제4호
발행연도
2020.12
수록면
275 - 283 (9page)
DOI
10.5370/KIEEP.2020.69.4.275

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, we use Generative Adversarial Networks (GAN) to address the industrial needs of auto colorization of line arts which takes enormous amount of manual labor. Auto-colorization method used in Image-to-Image conversion based on GAN has received a lot of attention due to its promising results. In this paper, we present a solution to not only colorize the line art but also transform the low resolution out image to match the resolution of the input image through two generators and frequency separation method. A high frequency components are extracted from the line, then two generators are used to colorize the image in low resolution. The high frequency component is merged with low resolution image to produce the high resolution colorized image. The resolution of fi nal output image matches the resolution of original image while preserving the texture of the input image, whereas the other schemes reduce the output image to 512 pixels. We performed visual and qualitative evaluation using FID, PSNR, and SSIM. The FID Score of the proposed method is better than the base model by about 4 (proposed: 47.87 and base model 51.64). PNSR and SSIM of the high-resolution images are also better than the base model. PSNR and SSIM of base model is 13.01 and 0.72 whereas the proposed is 20.77 and 0.86, respectively.
#Machine Learning #Generative Adversarial Network #Line Arts Colorization #Image Generation

목차

Abstract
1. 서론
2. 관련 연구
3. 제안 기법의 구성
4. 실험과 분석
5. 결론
References

참고문헌 (34)

참고문헌 신청
I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville, and Y. Bengio, “Generative adversarial nets,” Advances in neural information processing systems, pp. 2672-2680, 2014. google schola pixiv inc., “Petalica paint.” https://petalica-paint.pixiv.dev/index_en.html, 2019. [Online; accessed 2020.11.23]. P. Isola, J.-Y. Zhu, T. Zhou, and A. A. Efros, “Imageto- image translation with conditional adversarial networks,” Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 1125-1134, 2017. google schola S. Kang, J. Choo, and J. Chang, “Consistent comic colorization with pixel-wise background classification,” NIPS’17 Workshop on Machine Learning for Creativity and Design, 2017. google schola C. Furusawa, K. Hiroshiba, K. Ogaki, and Y. Odagiri, “Comicolorization: semi-automatic manga colorization,” SIGGRAPH Asia 2017 Technical Briefs, pp. 1-4, 2017. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

신경망과 사용자 힌트를 사용한 애니메이션 스타일 일러스트 자동채색
이영섭 ,  이성진 한국정보과학회 학술발표논문집 2019 .06
선화 자동채색을 위한 효율적인 힌트입력 기법
김태훈 ,  이성진 한국컴퓨터정보학회 학술발표논문집 2020 .01
GAN과 Edge Detector를 사용한 Webtoon 자동 채색 기법
홍준표 ,  김형호 ,  김동이 외 1명 한국정보과학회 학술발표논문집 2018 .06
디지털 일러스트레이션 이미지의 표현형식에 연구
왕일나 한국과학예술융합학회 2005 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-560-000074136