StarGAN v2를 이용한 동양인 얼굴 합성 이미지 생성 모델 설계

Q: 이 논문에서 정의한 StarGAN v2란 무엇인가?

단일 생성기와 스타일 인코더를 활용하여 여러 도메인에 대한 이미지 스타일 변환을 가능하게 하는 기술이다. 본 연구에서는 이를 통해 동양인 얼굴의 이목구비, 얼굴형, 헤어스타일 등의 특징을 추출하고 결합하여 실제와 유사한 새로운 합성 이미지를 생성하는 모델로 정의한다.

Q: StarGAN v2를 활용한 동양인 얼굴 합성 모델의 성능과 효과는 어떠한가?

연구 결과, 7만 장의 동양인 얼굴 데이터 세트를 학습시킨 모델은 평균 88.95%의 평가지표 정확도를 기록하였다. 결론적으로 생성된 이미지가 실사 이미지와 매우 유사함을 확인하였으며, 이는 향후 자연스러운 얼굴 변화 및 헤어스타일 변환 연구에 활용될 수 있다.

곽영후; 김현빈; 강정화; 김재현

학술대회자료

저자정보: 곽영후 (아주대학교) 김현빈 (아주대학교) 강정화 (아주대학교) 김재현 (아주대학교)

저널정보: 한국통신학회 한국통신학회 학술대회논문집 2021년도 한국통신학회 추계종합학술발표회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

본 논문은 generative adversarial networks (GAN) 기술에서 최근 연구 및 제안된 StarGAN v2 알고리즘을 활용하여 동양인 얼굴의 합성 이미지를 생성하는 모델을 설계한다. 연구에 사용되지 않은 동양인 얼굴 데이터 세트를 Google과 Bing에서 크롤링 ... 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