A Study on the Data Generation and Effectiveness of GAN-Based Object Form Learning

GAN 기반의 물체 형태 학습용 데이터 생성과 유효성에 관한 연구

Various object recognition using artificial intelligence basically shows planar results. It is based on classifying objects or identifying what objects are on the image. However, the original object has a three-dimensional shape, not a plane, and although the perception to obtain only simple results from the image does not matter, there is a lot of information that is insufficient when used in various fields. In this paper, checks the method of generating data in various fields of objects and whether it is meaningful by utilizing the characteristics of Layer that generates intermediate results with respect to image generation based on the GAN algorithm. It solves some of the problems in the hardware and collection process for generating existing multi-faceted data, and confirms that it can be utilized after data generation on several limited objects.

인공지능을 사용하는 다양한 객체 인식은 기본적으로 평면적인 결과를 보여준다. 물체를 분류하거나 이미지상에 있는 객체가 무엇인지를 확인하는 것을 기초로 한다. 하지만, 원래의 물체는 평면이 아닌 입체적 형태를 가지고 있으며 이미지에서 단순 결과만을 얻기 위한 인식은 상관없지만, 다양한 분야에 활용한다면 부족한 정보가 많다. 본 논문에서는 GAN 알고리즘을 기반으로 한 이미지 생성과 관련하여 중간 결과를 생성하는 Layer의 특성을 활용하여 물체의 다방면의 데이터 생성 방법과 그것이 유의미한지를 확인한다. 기존의 다방면 데이터를 생성하기 위한 하드웨어 및 수집과정에서의 문제점을 일부 해결하고, 몇몇 제한적인 객체에서의 데이터 생성 후 활용이 가능함을 확인한다.