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
질문

논문 기본 정보

자료유형
학술저널
저자정보
이희열 (Hanbat National University) 이승호 (Hanbat National University)
저널정보
한국전기전자학회 전기전자학회논문지 전기전자학회논문지 제28권 제4호
발행연도
2024.12
수록면
560 - 565 (6page)

이용수

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

초록· 키워드

오류제보하기
본 논문은 StyleGAN Encoder를 활용하여 단일 2D 이미지로부터 다각도의 얼굴 이미지를 생성하고, 이를 기존 3D 얼굴 특징점 추출 네트워크의 입력 구조에 통합하여 3D 모델의 정확성을 향상시키는 새로운 방법을 제안한다. 기존의 단일 이미지 기반 접근법은 입력 데이터의 제한으로 인해 각도에 따른 왜곡이나 정보 손실이 발생하는 한계가 있다. 이를 해결하기 위해, 본 연구에서는 StyleGAN Encoder를 활용해 생성된 다각도의 이미지를 입력으로 사용함으로써 3D 얼굴 모델링의 정밀도와 안정성을 동시에 개선하였다. 제안된 방법은 다각도의 정보를 제공하는 생성 이미지를 기존 3D 얼굴 특징점 추출 네트워크의 입력 구조에 통합하는 방식으로 구현되었다. 이렇게 생성된 다각도 이미지는 각기 다른 시점에서 얼굴의 구조적 특성을 포착할 수 있어 기존의 단일 이미지 입력보다 더욱 풍부한 정보를 제공한다. 또한, 입력 구조의 개선을 통해 다각도 데이터를 입력하여 3D 얼굴 특징점을 더욱 정교하게 생성한다. 실험은 NoW 데이터셋을 활용하여 진행되었으며, 생성된 3D 얼굴 모델과 Ground Truth 3D 모델 간의 mesh 거리를 비교하였다. 실험 결과, PRNet은 평균 1.99, 표준편차 1.90, 3DDFA 모델은 평균 1.87, 표준편차 1.82에 비해, 제안된 방법은 평균 1.71, 표준편차 1.65로 측정되었다. 이는 제안된 방법이 기존 접근법에 비해 3D 얼굴 모델링의 정밀성과 안정성을 개선하였음을 보여준다. 또한, 표준편차의 감소는 더욱 안정적으로 3D 얼굴 모델을 생성하여 성능 향상을 확인하였다.
#DeepLearning #Generative Adversarial Networks #Image generation #3DMM #Multi-angle image

목차

Abstract
요약
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 결론
References

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!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092321142