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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
오주연 (강남대학교) 김보민 (강남대학교) 이해원 (강남대학교) 조수빈 (강남대학교) 최민성 (강남대학교) 배성근 (강남대학교)
저널정보
아태인문사회융합기술교류학회 아시아태평양융합연구교류논문지 Asia-pacific Journal of Convergent Research Interchange Vol.10 No.8
발행연도
2024.8
수록면
23 - 32 (10page)
DOI
http://dx.doi.org/10.47116/apjcri.2024.08.03

이용수

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

초록· 키워드

오류제보하기
급속도로 발전하고 있는 생성형 인공지능 기술 중 하나인 CartoonGAN은 실제 사진을 만화 스타일의 이미지로 변환하는 기능으로 최근 이미지 처리 및 스타일 전이 분야에서 많은 주목을 받고 있다. 그러나 CartoonGAN은 원본 이미지의 색채와 구조를 충분히 보존하지 못하고, Style Transfer 과정에서 이미지의 깊이감이 왜곡되는 문제를 가지고 있었다. 이러한 문제점을 해결하기 위해 본 연구는 원본 이미지와 변환된 카툰 이미지의 분산을 비교하여 픽셀값의 변화 정도를 측정하고, 이를 기반으로 이미지를 조정하는 새로운 알고리즘을 제안하였다. 제안된 알고리즘의 효과를 검증하기 위해 다양한 실험을 수행하였다. 실험 결과, 제안된 방법은 기존 CartoonGAN 모델에 비해 PSNR 및 SSIM 값에서 개선된 성능을 보였다. 또한, 이미지 히스토그램 분석을 통해 제안된 방법이 원본 이미지와 더 유사한 확률 분포 값을 보임을 확인하였다. 깊이감 추정을 위해 Depth Estimation 기술을 적용하여 측정한 결과, 제안된 방법이 이미지의 구조와 색채를 보다 잘 보존함을 확인하였다. 이를 통해 제안된 알고리즘이 원본 이미지의 명암과 색채를 보다 잘 반영하고, 깊이감도 더욱 정확하게 표현함을 입증하였다. 이러한 결과는 이미지 생성 및 변환 기술의 향상과 함께 다양한 분야에서의 응용 가능성을 시사하며, 향후 생성형 인공지능 기술의 발전 방향에 중요한 기여를 할 것으로 기대된다.
#Style Transfer #GAN #CartoonGAN #이미지 처리 #딥러닝 #Style Transfer #GAN #CartoonGAN #Image Processing #Deep-Learning

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0