KCI등재
SRCNN 품질 향상 처리를 이용한 비선형 에지 보강을 위한 CartoonGAN 이미지 품질 향상에 관한 연구 = A Study on the Improvement of CartoonGAN Image Quality for Nonlinear Edge Reinforcement using SRCNN Quality Enhancement Processing
저자
발행기관
학술지명
아시아태평양융합연구교류논문지(Asia-pacific Journal or Convergent Recearch Interchange)
권호사항
발행연도
2024
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
43-52(10쪽)
DOI식별코드
제공처
최근 이미지 처리 및 딥러닝 기술의 발전으로 초고해상도 이미지 생성과 cartoon-style 변환 분야의 연구 및 응용이 더욱 확대되고 있다. 특히 초해상도 이미지 생성 모델 중 CartoonGAN 모델은 cartoon-style의 이미지를 생성하는 데 특화되어 있으나, 해상도 향상 측면에서 제약이 존재한다. 본 연구에서는 이러한 CartoonGAN의 한계를 극복하고 이미지의 해상도와 품질을 향상시키기 위해 Super-Resolution Convolutional Neural Network (SRCNN)을 추가적으로 적용하는 혁신적인 방법을 제안한다. 이를 통해 미술 및 디자인 분야에서의 응용 가능성을 확장하고, 딥러닝 기반 이미지 생성 기술의 성능을 한 단계 더 발전시킬 것으로 기대된다. CartoonGAN 모델과 SRCNN 모델의 세부 구조 및 알고리즘 프로세스를 간략하게 이해하고, 이러한 이해를 기반으로 본 연구에서 제안하는 알고리즘을 실험을 통해 검증하였다. 실험 결과, 이미지 품질 평가 매트릭스인 PSNR, MSE, SSIM의 값을 통해 SRCNN을 활용한 고해상도 이미지가 품질 측면에서 개선을 보였음을 확인하였다. 본 연구의 결과는 SRCNN을 적용한 CartoonGAN 이미지 생성이 기존의 CartoonGAN 대비 높은 해상도와 품질을 제공함을 입증하며, cartoon-image 생성 분야에서의 새로운 기술적 기여를 제시한다.
더보기With the recent development of image processing and deep learning technology, research and application in the fields of ultra-high-resolution image generation and cartoon-style conversion are expanding further. Among the ultra-resolution image generation models, the CartoonGAN model is specialized in generating cartoon-style images, but there are limitations in terms of resolution improvement. This study proposes an innovative method of additionally applying a Super-Resolution Convolutional Neural Network (SRCNN) to overcome these limitations of CartoonGAN and improve the resolution and quality of images. Through this, it is expected to expand the applicability in the art and design fields and develop the performance of deep learning-based image generation technology to the next level. The detailed structure and algorithm process of the CartoonGAN model and the SRCNN model were briefly understood, and the algorithm proposed in this study was verified through experiments based on this understanding. As a result of the experiment, it was confirmed that the high-resolution image using SRCNN showed improvement in terms of quality through the values of the image quality evaluation metrics PSNR, MSE, and SSIM. The results of this study demonstrate that CartoonGAN image generation with SRCNN provides high resolution and quality compared to the existing CartoonGAN, and presents a new technical contribution to cartoon-image generation.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)