• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.14-16
• /
• 2014

가상 데스크탑 시스템은 단일 물리적 서버상에 가상화 기술을 사용하여 다수의 가상 머신을 실행하고, 이를 네트워크로 연결된 클라이언트에서 사용하는 기술이다. 가상 데스크탑에는 저장장치의 역할을 하는 가상 데스크탑 이미지가 연결되며, 본 이미지에는 운영체제 및 필요한 응용 프로그램이 설치되어 배포된다. 따라서, 새로운 가상 데스크탑을 생성할 때 가상 데스크탑 이미지를 함께 생성해야 하며, 이는 저장장치를 사용한 작업으로 시간이 많이 소요되는 작업이다. 본 논문에서는 이미지 풀을 사용한 빠른 가상 데스크탑 생성 방안을 제안한다. 이미지 풀은 일정 수의 가상 데스크탑 이미지를 포함하고 있으며, 이미지 준비기는 이미지 풀에 있는 이미지의 개수가 일정하게 유지되도록 골든 이미지에서 복사해오는 역할을 담당한다. 가상 데스크탑 생성시, 이미지 풀에서 필요한 이미지를 지연시간 없이 바로 가져옴으로써, 가상 데스크탑 생성에 소요되는 시간을 감소시킬 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.109-114
• /
• 2021

GAN(Generative Adversarial Network, 생성적 적대 신경망)은 이미지 생성모델로서 생성기 네트워크와 판별기 네트워크로 구성되며 실제 같은 이미지를 생성한다. GAN에 의해 생성된 이미지는 실제 이미지와 유사해야 하므로 생성된 이미지와 실제 이미지의 손실 오차를 최소화하는 손실함수(loss function)를 사용한다. 그러나 GAN의 손실함수는 이미지를 생성하는 학습을 불안정하게 만들어 이미지의 품질을 떨어뜨린다는 문제점이 있다. 이러한 문제를 해결하기 위해 본 논문에서는 GAN 관련 연구를 분석하고 에지 검출(edge detection)을 이용한 eGAN(edge GAN)을 제안한다. 실험 결과 eGAN 모델이 기존의 GAN 모델보다 성능이 개선되었다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
• /
• pp.82-84
• /
• 2017

본 논문에서는 한국어 이미지 캡션을 학습하기 위한 데이터를 작성하고 딥러닝을 통해 예측하는 모델을 제안한다. 한국어 데이터 생성을 위해 MS COCO 영어 캡션을 번역하여 한국어로 변환하고 수정하였다. 이미지 캡션 생성을 위한 모델은 CNN을 이용하여 이미지를 512차원의 자질로 인코딩한다. 인코딩된 자질을 LSTM의 입력으로 사용하여 캡션을 생성하였다. 생성된 한국어 MS COCO 데이터에 대해 어절 단위, 형태소 단위, 의미형태소 단위 실험을 진행하였고 그 중 가장 높은 성능을 보인 형태소 단위 모델을 영어 모델과 비교하여 영어 모델과 비슷한 성능을 얻음을 증명하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제9권1호
• /
• pp.11-18
• /
• 2003

본 논문에서는 회화적 렌더링에서 칼라변환을 이용한 브러쉬 스트로크의 생성에 관한 새로운 알고리즘을 제안한다. 본 논문의 브러쉬 스트로크 생성을 위한 전체적인 구성은 다음과 같다. 첫째, 두 장의 사진(한 장의 소스 이미지와 한 장의 참조 이미지)을 입력으로 하여 칼라 변환 이론을 적용하여 색상 테이블이 바뀐 새로운 이미지를 생성한다. 이 방법은 소스 이미지의 칼라 분포 형태를 창조 이미지의 칼라 분포 형태로 변환하기 위해, 선형 히스토그램 매칭이라 불리는, 간단한 통계학적 방법을 이용한다. 둘째, 가우시안 블러링과 소벨 필터를 이용하여 에지를 검출한다. 검출된 에지는 브러쉬 스트로크 렌더링 시 에지 부분에서 스트로크를 클리핑 함으로써 이미지의 윤곽선 보존을 위해 사용된다. 셋째, 브러쉬 스트로크의 방향을 결정하기 위한 방향맵을 생성한다. 방향맵은 입력 영상에 대한 영역 분할 및 병합을 토대로 만들어진다. 영역별 각 픽셀들에 대해 이미지 그래디언트에 기초한 일정한 방향을 부여함으로써 방향맵을 구성한다. 넷째, 구성된 방향맵을 참조하여 브러쉬 스트로크 생성의 기초가 되는 베지어 곡선(Bezier Curve)의 제어점(Control point)을 설정한다. 실제 회화작품에서 사용되는 브러쉬 스트로크는 일반적으로 곡선의 형태를 이루므로 곡선 표현이 가능한 베지어 곡선을 이용하여 브러쉬 스트로크를 표현하였다. 마지막으로, 생성된 브러쉬 스트로크를 에지부문에서 클리핑하고 배경색을 참조하여 블렌딩하거나 퐁 조명 모델을 이용하여 이미지에 적용하게 된다.

• 스마트미디어저널
• /
• 제13권3호
• /
• pp.27-35
• /
• 2024

본 연구는 GAN(Generative Adversarial Network)을 기반으로 한 Semi Supervised Learning을 활용하여 이미지 생성과 ResNet50을 이용한 이미지 분류를 결합하는 방법에 대해 다루고 있다. 이를 통해 새로운 접근법을 제시하여 이미지 생성과 분류를 통합함으로써 더 정확하고 다양한 결과를 얻을 수 있도록 하였다. 생성자와 판별자를 학습시켜 생성된 이미지와 실제 이미지를 구별하고, ResNet50을 활용하여 이미지 분류를 수행한다. 실험 결과에서는 생성된 이미지의 품질이 epoch에 따라 변화함을 확인할 수 있었으며, 이를 통해 산업재해 예측 정확성을 향상하고자 한다. 또한, GAN과 ResNet50의 결합을 통해 이미지 생성의 품질을 향상시키고 이미지 분류의 정확도를 높이는 효율적인 방법을 제시하고자 한다.

• 문화기술의 융합
• /
• 제10권2호
• /
• pp.343-348
• /
• 2024

오늘날 AI 이미지 생성 프로그램은 패션 상품 광고, 맞춤형 패션 스타일 제안, 디자인 개발 등 패션 산업 분야의 세분화된 목적에 알맞게 개발되고 있다. 한편 색상은 강력한 조형 요소로서 상품이나 패션 스타일 제안을 위한 이미지 표현에 중요한 역할을 한다. 본 연구는 AI 이미지 생성 도구 중에서 미드저니를 사용하여 생성한 의상 이미지에 나타나는 색상과 배색 관계에 중점을 두어 그 특징을 파악함으로써 미드저니의 활용에 대한 이해를 넓히고자 한다. 본 연구의 결과는 다음과 같다. 첫째, 미드저니에서 생성한 초기의 이미지는 명령어에 지시한 색상보다 이미지 생성을 위하여 사용한 기존의 이미지 색상에 더 의존적으로 반영되어 나타난다. 둘째, 미드저니에서 생성된 이미지의 의상에 나타난 배색의 특징은 의상의 구조에 따라 구분되는 부위별로 다른 색상이 표현된 분리배색과 의상의 한 부위에 다른 색상들이 무늬 형태로 표현된 혼합배색이 생성된다. 분리배색에 표현된 색상들의 비율은 명령어에 지시한 색상 순서의 영향을 받는다. 혼합배색에 조합되어 나타난 색상 수는 미드저니에서 이미지 생성을 위하여 사용한 기존의 이미지 속 의상의 색상 수와 명령어에 지시한 색상 수의 총합보다 적은 수의 색상으로 조합되어 나타난다. 셋째, 미드저니는 생성하는 이미지의 배경도 색상 표현을 위한 대상으로 인식하며 이에 따른 배경색의 변화는 이미지 속의 의상에 대한 사용자의 색지각과 의상 이미지 형성에 영향을 미칠 수 있으므로 주의가 필요하다. 본 연구 결과가 패션디자인 교육과 실무에 있어 미드저니에서 생성되는 이미지의 색상 배색에 대한 이해를 넓히고 이를 통하여 미드저니의 활용에 도움이 되기를 기대한다.

• 정보과학회 논문지
• /
• 제43권8호
• /
• pp.878-882
• /
• 2016

이미지의 내용을 설명하는 캡션을 자동으로 생성하는 기술은 이미지 인식과 자연어처리 기술을 필요로 하는 매우 어려운 기술이지만, 유아 교육이나 이미지 검색, 맹인들을 위한 네비게이션 등에 사용될 수 있는 중요한 기술이다. 본 논문에서는 이미지 캡션 생성을 위해 Convolutional Neural Network(CNN)으로 인코딩된 이미지 정보를 입력으로 갖는 이미지 캡션 생성에 최적화된 Recurrent Neural Network(RNN) 모델을 제안하고, 실험을 통해 본 논문에서 제안한 모델이 Flickr 8K와 Flickr 30K, MS COCO 데이터 셋에서 기존의 연구들보다 높은 성능을 얻음을 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.459-461
• /
• 2012

일반적으로 같은 장면을 찍은 여러 장의 이미지를 이용하여 파노라마를 생성하려는 경우에도 각 이미지 사이에는 많은 기하학적 제약이 존재하기 때문에 이미지들간의 관계를 단 하나의 호모그래피로 나타낼 수 없다. 하지만 현존하는 대부분의 파노라마 생성 알고리즘은 하나의 호모그래피를 이용하여 파노라마 이미지를 생성하는 방법을 이용하기 때문에 여러 가지 기하학적 제약을 제대로 나타낼 수 없다. 따라서 이러한 알고리즘을 이용한 파노라마의 결과 이미지는 많은 왜곡과 부정합을 포함하게 된다. 본 논문에서 우리는 이러한 문제를 해결하기 위하여 여러 개의 호모그래피를 생성하고 합성하여 파노라마 이미지를 생성하는 방법을 제안한다. 제안하는 방법을 통하여 기존 파노라마 생성 알고리즘에서 나타난 많은 왜곡과 부정합을 줄일 수 있으며 호모그래피 개수도 자동으로 판별하여 주기 때문에 사용자의 입력을 필요로 하지 않는다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 3부
• /
• pp.170-175
• /
• 2007

영상 재투영이란, 깊이 맵을 투영하여 임의의 시점에서 본 이미지를 생성해내는 기법을 말한다. 기존의 CPU를 이용한 영상 재투영 기법들의 가장 큰 단점은 CPU와 GPU 간의 데이터 복사가 일어나고 재투영 연산 자체의 속도가 느리기 때문에 실시간 렌더링이 불가능 하다는 것이다. 따라서 본 논문에서는 GPU를 이용하여 영상 재투영을 구현하고 실시간에 이미지를 렌더링하는 기법을 소개한다. 우리의 기법은 입력으로 참조 이미지와 해당 이미지의 깊이 맵이 주어졌을 때, 임의의 시점에서 보이는 새로운 이미지를 실시간으로 생성한다. 임의의 시점에서 이미지를 생성하기 위해, 각 픽셀에서 참조 이미지에 해당하는 평면을 렌더링하여 시점 반대 방향의 광선을 생성한다. 이 광선을 참조 이미지의 투영 공간으로 변환한 후, 광선과 깊이 맵간의 교차점을 찾는다. 이렇게 찾아낸 깊이 맵의 교차점과 일치하는 참조 이미지의 픽셀 색으로 새로운 시점의 이미지를 만들어 낼 수 있다. 이와 같은 기법은 기하 정보의 복잡도와 관계없이 수십 프레임의 속도로 실시간 렌더링이 가능하다.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.437-450
• /
• 2022

생성적 적대 신경망(GAN, Generative Adversarial Networks)는 이미지 생성 분야에서 주목할 만한 발전을 이루었다. 하지만 큰 데이터 셋에서 불안정한 모습을 보인다는 한계 때문에 다양한 응용 분야에 쉽게 적용하기 어렵다. 단일 이미지 생성적 적대 신경망은 한장의 이미지의 내부 분포를 잘 학습하여 다양한 영상을 생성하는 분야이다. 큰 데이터셋이 아닌 단 한장만 학습함으로써 안정적인 학습이 가능하며 이미지 리타겟팅, 이미지 조작, super resolution 등 다양한 분야에 활용 가능하다. 본 논문에서는 SinGAN, ConSinGAN, InGAN, DeepSIM, 그리고 One-Shot GAN 총 다섯 개의 단일 이미지 생성적 적대 신경망을 살펴본다. 우리는 각각의 단일 이미지 생성적 적대 신경망 모델들의 성능을 비교하고 장단점을 분석한다.