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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Aziz Siyaev (인하대학교) Geun-Sik Jo (인하대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제26권 제8호
발행연도
2020.8
수록면
390 - 395 (6page)
DOI
10.5626/KTCP.2020.26.8.390

이용수

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

초록· 키워드

오류제보하기
Generative Adversarial Networks(이하 GANs)은 다양한 콘텐츠 제작 분야에서 빠른 발전속도를 보여왔다. 특히 영상 생성 분야에서는 아바타 애니메이션과 같은 인간 중심 응용 프로그램의 개발로 큰 주목을 받았다. 본 논문에서는 2단계 GAN 파이프라인을 사용하여 ‘GAN을 통한 순차적 인간 행동생성’(Sequential Human Action Generation with GANs)’에 대한 방법을 제안한다. 제안하는 방법은 비디오 생성을 위해 자세 제어 가능한 접근 방식을 적용하였다. 자세 생성기로 자세의 뼈대를 생성한 후, 프레임 생성기를 통해 텍스처를 입히는 방식이 사용되었다. 비디오 제작에 대한 광범위한 실제 분석 결과는 포즈 제어 가능한 비디오 생성이 안정적이고 직관적이라는 결과를 보여준다. 결과적으로 다양한 영상 품질실험을 통해 SeHAGAN의 순차적 행동 방법이 사람의 움직임에 대한 자연스러운 고품질의 영상을 생성할 수 있음을 입증하였다.

목차

요약
Abstract
1. Introduction
2. Related Works
3. SeHAGAN: Sequential Human Action Generation with GANs
4. Evaluation
5. Conclusion
References

참고문헌 (12)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0