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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최규상
- 발행연도
- 2021
- 저작권
- 영남대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In recent years, researches on generating text-based images using Generative Adversarial Networks (GAN) in fields such as art, computer design, film industry, and fashion are attracting attention. Previous studies have a limitation in that the performance varies greatly depending on the quality of the initial image, and the importance of words used in the process of improving different image characteristics is uniformly applied. In this paper, we propose a non-local block based Dynamic Memory Generative Adversarial Networks for text to fashion image Synthesis (NL-DMGAN) for high-quality text-based image generation. In the proposed model, a dynamic memory module is applied to reduce the dependence of the initial image when generating the text-based initial image. In the image improvement stage, a non-local block is used to measure the similarity between each other in a non-local area and based on the new features. It produces high-quality images. This paper uses FashionGen data and uses Inception score (IS), Frechet Inception Distance (FID), and R-precision for performance evaluation. Experimental results show that NL-DMGAN shows state of the art performance compared to previous studies.
목차
Ⅰ. 서 론 10Ⅱ. 관련 연구 132.1 이미지 생성 모델 142.1.1 VAE 142.1.2 GAN 152.2 텍스트 기반 이미지 생성 모델 162.2.1 GAN-CLS, GNA-INT 172.2.2 StackGAN 182.2.3 AttnGAN 202.2.4 DMGAN 212.3 비 지역적 블록 22Ⅲ. 제안하는 패션 이미지 생성 모델 233.1 텍스트 전처리 및 초기 이미지 생성 243.2 NL-DMGAN 기반의 초기 이미지 개선 263.3 목적 함수 32Ⅳ. 실험 결과 및 분석 344.1 데이터 세트 344.2 실험 결과 364.2.1 정량적 평가 364.2.2 시각적 평가 384.3 얼굴 이미지 개선 연구 44Ⅴ. 결 론 46참 고 문 헌 47Abstract 50
최근 본 자료
댓글(0)
0