Earticle

초록

한국어

딥러닝 기술의 발전에 따라 개발된 적대적 인공 생성 신경망 (GAN)은 여러 분야에서 활용되고 있다. 특히 다양한 분야에서 활용될 수 있는 도메인 변환에 특화된 순환 적대적 인공 생성 신경망 (CycleGAN)의 개발 이후 이미지 변환 문제에서 GAN은 훌륭한 성능을 선보였다. 다만, 기존의 CycleGAN 모델은 학습이 불안정하다는 점과 더불어 제대로 변환되지 않은 이미지가 다수 존재한다는 한계를 가지고 있다. 본 논문에서는 이러한 CycleGAN의 한계를 개선하기 위해 가변 오토인코더(VAE) 를 GAN 구조에 이미지 변환 모델인 이중 양방향 생성 모델 (DoubleRoundTrip)을 제시하고 모델의 성 능을 견본 이미지 데이터셋에서 확인하였다.

목차

요약
1. 서론
2. 관련연구
2.1 적대적 인공 생성 신경망 (GAN)
2.2 순환 적대적 인공 생성 신경망 (CycleGAN)
3. 실험방법
4. 실험결과
5. 결론
Acknowledgement
참고문헌

저자

• 김인수 [ 전자전기공학부 고려대학교 ]
• 태동현 [ 전자전기공학부 고려대학교 ]
• 석준희 [ 전자전기공학부 고려대학교 ] 교신저자

참고문헌