현재 위치
Home
문화재 복원을 위한 3D GAN 알고리즘에 관한 연구
A Study on 3D GAN Algorithm for Restoration of Cultural Properties
-
- 발행기관
- 국제차세대융합기술학회 바로가기
-
- 간행물
- 차세대융합기술학회논문지 KCI 등재 바로가기
-
- 통권
- 제6권 3호 (2022.03)바로가기
-
- 페이지
- pp.389-395
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A409409
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- The restoration of cultural properties depends on the data and the skills of experts and IT skills. However, there are times when new cultural assets are unearthed and restoration takes too long. And there is a possibility that the result may be different from what was expected. Therefore, we want to quickly restore cultural properties using artificial intelligence. There are two ways to restore cultural assets: a 2D deep learning method and a 3D deep learning method. 3D deep learning has a variety of ways to represent 3D data. Cultural properties restoration may vary in complexity, accuracy, and restoration time depending on input data. Therefore, the selection of the 3D data expression method and the selection of the deep learning algorithm are important. Recently, 2D data (image) restoration using GAN algorithm is being studied, and 3D restoration research is also being conducted through GAN algorithm. In this paper, 3D GAN was selected for the restoration of cultural properties. And it showed excellent performance in 2D GAN. The 3D GAN algorithm restored cultural properties by selecting the RASGAN algorithm using voxels and semantics.
- 한국어
- 문화재 복원은 자료와 전문가의 기술 및 고 기록물 자료에 의존해 복구한다. 하지만 새로운 문화재 자료 가 출토되거나, 잘못된 정보로 복원에 오류가 발생하면 다시 복원하는 데 오랜 시간이 걸린다. 본 연구에서는 인 공지능을 이용해 문화재를 복원하는 방법을 연구했다. 문화재를 복원하는 방법으로 기본에 2D 이미지 기반의 복 원 벗어나 문화재 특성상 3D형태의 복원이 적합하다는 판단으로 연구를 진행했다. 문화재 중 석탑을 기준으로 3D 데이터로 변환한 후 학습을 진행하고 복원정도를 확인했다. 제안된 문화재 복원은 데이터의 형태에 따라 2D형태 와 다르게 복잡도, 정확도, 복원 시간이 달라질 수 있다. 본 연구에서는 문화재 데이터를 3D 데이터 표현방법(3D Modeling)을 선정했고 RaSGAN 알고리즘을 수정해 진행했다. 최근에는 대부분의 복원 연구가 2D 형태의 GAN 알고리즘을 이용한 2D데이터(이미지) 복원 관련 연구되고 있지만 3D형태의 알고리즘은 없는 상태이다. 본 연구에서는 문화재 복원을 위해 3D GAN인 개선된 복셀(Voxel) 방식의 RaSGAN 통하여 학습을 진행하고 복원 가능성 확인했다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 제안된 방법
2.1 3D 데이터 모델 복원학습
2.2 3D 데이터표현방법
2.3 3D 딥러닝
2.4 RaSGAN 알고리즘
Ⅲ. 실험 및 고찰
3.1 실험환경
3.2 RaSGAN 학습
Ⅳ. 실험결과 및 분석
Ⅴ. 결론
REFERENCES
키워드
2D-GAN RASGAN 3D-GAN OBJECT 텐서플로우 파이토치 2D-GAN RASGAN 3D-GAN OBJECT TENSORFLOW PYTORCH저자
간행물 정보
발행기관
-
- 발행기관명
- 국제차세대융합기술학회 [International Next-generation Convergence technology Association]
- 설립연도
- 2017
- 분야
- 복합학>기술정책
- 소개
- Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.
간행물
-
- 간행물명
- 차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
- 간기
- 월간
- pISSN
- 2508-8270
- 수록기간
- 2017~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 506 DDC 606
이 권호 내 다른 논문 / 차세대융합기술학회논문지 제6권 3호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.