VQ-VAE-2를 활용한 향상된 동적 영상 생성 인공지능

이현준; 김지우; 채상미

doi:10.6109/jkiice.2024.28.10.1168

추천

검색

질문

자료유형: 학술저널

저자정보: 이현준 (경기과학고등학교) 김지우 (경기과학고등학교) 채상미 (Gyeonggi Science High School)

저널정보: 한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제28권 제10호

발행연도: 2024.10

수록면: 1,168 - 1,173 (6page)

DOI: 10.6109/jkiice.2024.28.10.1168

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 인공지능(AI)을 활용한 콘텐츠 생산을 목표로 하고 있으며, 특히 영상 생성 분야의 급격한 발전에 주목하고 있다. 최근 영상 생성 모델에 대한 수요가 지속적으로 증가함에 따라, 본 연구에서는 VQ-VAE-2 프레임워크를 활용한 새로운 영상 생성 모델을 제안한다. 이 모델은 정지된 이미지를 동적인 영상 콘텐츠로 효과적으로 변환하도록 설계되었으며, AI 기반 영상 합성 분야에서 상당한 진전을 이룰 수 있는 가능성을 제시한다. TGIF 데이터셋을 사용하여 본 연구에서 제안하는 VQ-VAE-2 모델의 변형을 훈련한 결과, 단일 사진으로부터 고품질의 영상을 생성할 수 있는 모델을 성공적으로 개발하였다. 이 성과는 AI를 활용한 영상 제작의 가능성을 입증할 뿐만 아니라 창의적인 콘텐츠 생성에 대한 새로운 가능성을 열어준다. 더 나아가, VQ-VAE-2 모델의 훈련 과정에서 생성된 픽셀의 분포를 분석하여 자연 영상의 구조를 심도 있게 연구할 계획이다. 이러한 분석을 통해 이미지 합성의 기본 메커니즘에 대한 더 깊은 통찰을 제공하고, 혁신적인 응용을 위한 AI 활용에 대한 이해를 높이고자 한다.

#비디오 생성 #이미지 생성 #딥러닝 #인공지능 #Video Generation #Image Generation #Deep Learning #Artificial Intelligence

참고문헌 (9)

참고문헌 신청

T. Yu, W. Yang, J. Xu, and Y. Pan, “Barriers to Industry Adoption of AI Video Generation Tools: A Study Based on the Perspectives of Video Production Professionals in China,” Applied Sciences, vol. 14, no. 13, pp. 5770, Jul. 2024. DOI: 10.3390/app14135770.

Research and Markets. (n.d.). Global Generative AI Market by Offering - Report (Report No. 5775046). Retrieved from https://www.researchandmarkets.com/reports/5775046/global-generative-ai-market-offering.

N. Siddique, S. Paheding, C. P. Elkin, and V. Devabhaktuni, “U-Net and Its Variants for Medical Image Segmentation: A Review of Theory and Applications,” IEEE access, vol. 9, pp. 82031-82057, Jun. 2021. DOI: 10.1109/ACCESS.2021.3086020.

A. Razavi, A. V. D. Oord, and O. Vinyals, “Generating Diverse High-Fidelity Images with VQ-VAE-2,” in Proceedings of the 33rd Conference on Neural Information Processing Systems, Vancouver: CA, pp.1-11, 2019.

Y. Lecun, L. Bottou, Y. Bengio, and P. Haffner, “Gradient-based learning applied to document recognition,” IEEE, vol. 86, no. 11, pp. 2278-2324, Nov. 1998. DOI: 10.1109/5.726791.

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

유전체 데이터와 인공지능 생성 이미지의 융합 연구

박태성 한국과학예술융합학회 2025 .03

이미지 생성 인공지능 모델의 비교 분석을 통한 게임 제작에서의 활용 가능성 연구

진기영 , 한태우 조형미디어학 2024 .08

인공지능 플랫폼을 활용한 차체 디자인 방법론의 고찰

구상 한국자동차공학회논문집 2024 .12

인공지능 성능 향상을 위한 합성데이터 생성 기술 연구 (Synthetic AI in Long-tailed Environments, SAIL)

백승호 , 이상철 , 조한얼 외 4명 한국통신학회 인공지능 학술대회 논문집 2024 .09

빅데이터를 활용한 인공지능 주식 예측 분석

최훈 한국정보통신학회논문지 2021 .10

최근 본 자료

전체보기

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

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (9)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)