자동 채색화 과업의 성능 향상을 위한 적대적 생성 신경망의 손실함수 연구

Q: 이 논문에서 정의한 자동 채색화 과업이란 무엇인가?

자동 채색화 과업은 흑백 영상을 입력으로 받아 사용자의 개입 없이 자연스러운 색상을 자동으로 예측하는 컴퓨터 비전 과업이다. 이는 흑백 영상을 분석하고 장면을 이해하여 영상에 맞는 컬러를 생성하는 것을 목표로 하며, 깊은 신경망의 발달과 함께 활발히 연구되고 있다.

Q: pix2pix 기반 자동 채색화 성능 향상을 위한 핵심 개선점은 무엇인가?

연구 결과, pix2pix 모델의 자동 채색화 성능 저하 문제가 손실함수에서 비롯된다고 가정하고, 기존 시그모이드 이진 교차 엔트로피 대신 LSGAN의 Least Squares 손실함수를 적용하여 성능을 개선하였다. 이로 인해 잡음이 감소하고 더 자연스러운 컬러 예측이 가능해졌다.

이혜진; 이재구

추천

검색

질문

자료유형: 학술대회자료

저자정보: 이혜진 (국민대학교) 이재구 (국민대학교)

저널정보: 한국통신학회 한국통신학회 학술대회논문집 2021년도 한국통신학회 추계종합학술발표회 논문집

발행연도: 2021.11

수록면: 263 - 264 (2page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

자동 채색화 과업(Automatic Colorization)은 흑백 영상을 입력으로 하여 자연스러운 색상을 사용자의 개입없이 자동으로 예측하는 과업이다. 전통적인 컴퓨터 비전으로는 해결하지 못했던 자동 채색화에 대한 연구가 깊은 신경망이 발달함에 따라 활발히 이루어지고 있다. 본 논문에서는 자동 채색화의 성능 향상을 위해 적대적 생성 신경망인 pix2pix의 손실함수를 개선하는 방법을 제시한다. 제 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)