인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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.
피인용 0
초록·키워드
본 연구는 고해상도 이미지의 효율적인 생성을 위한 새로운 접근 방법을 제안한다. 우리는 부분 영역 기반의 조건부 생성적 적대 신경망(Conditional Generative Adversarial Networks, cGANs)을 활용하여 메모리 효율성을 크게 향상시켰다. 기존의 GAN 모델은 고해상도 이미지 생성 시 상당한 메모리를 요구하는 반면, 본 모델은 이미지를 N×N 부분 영역으로 나누고, 이를 독립적으로 처리한다. 이를 통해 각 영역의 위치 정보를 조건으로 사용하여 전체 이미지를 자연스럽게 재구성했다. 실험 결과, 제안된 모델은 기존 모델 대비 더 적은 양의 메모리를 사용하지만, 동일하거나 더 높은 품질의 이미지를 생성하는 것을 확인했다. 본 연구는 고해상도 이미지 생성 분야의 새로운 가능성을 열며, 효율적인 이미지 생성을 위한 새로운 길을 제시한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-24-02-089380374
