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
김예은 (한국성서대학교) 남아영 (한국성서대학교) 양단아 (한국성서대학교)
저널정보
한국컴퓨터그래픽스학회 컴퓨터그래픽스학회논문지 컴퓨터그래픽스학회논문지 제30권 제5호
발행연도
2024.12
수록면
21 - 30 (10page)

이용수

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

초록· 키워드

오류제보하기
생성적 적대 신경망(Generative Adversarial Network, GAN)을 활용한 초해상도 기술은 다양한 분야에서 주목받고 있다. 특히 저해상도 이미지를 고해상도로 변환할 때, 보다 자연스럽고 사실적인 텍스처 복원 능력을 보여준다. 하지만 기존의 초해상도 GAN 모델들은 여전히 고해상도 이미지 생성 시 질감, 가장자리, 패턴 등의 세부적인 특성을 정밀하게 복원하는데 한계를 가지고 있다. 본 연구에서는 초해상도 생성 모델, 특히 Enhanced Super-Resolution Generative Adversarial Network(ESRGAN)의 성능을 개선하기 위해 Inception 모듈과 SE(Squeeze-and-Excitation) Block을 병합한 판별자 구조를 제안한다. 이러한 접근 방법을 통해 모델은 다양한 스케일의 이미지 특징을 보다 효과적으로 학습하고 중요한 정보에 집중할 수 있게 된다. 제안하는 판별자 기반 ESRGAN 모델은 이미지 품질 평가지표에서 PSNR은 29.07dB, SSIM은 0.82, LPIPS는 0.27, NIQE는 5.85를 달성하여 기존 모델 대비 개선되었음을 보인다.
#초해상도 #판별자 #Inception 모듈 #SE 블록 #생성적 적대 신경망 #Super Resolution #Discriminator #ESRGAN #Inception Module #SE Block #GAN

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안 모델
4. 평가
5. 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 논문과 함께 이용한 논문

생성형 AI 모델 API를 활용한 웹 애플리케이션의 동시성 처리 연구
은지수 ,  이아현 ,  김수민 외 1명 Proceedings of KIIT Conference 2024 .05

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-091201356