현재 위치
Home
Research Article
실시간 Neural Style Transfer 모델의 DirectML 기반 표준 벤치마킹 프로토콜 제안
A DirectML-Based Standardized Benchmarking Protocol for Real-Time Neural Style Transfer Models
-
- 발행기관
- 한국인공지능교육학회 바로가기
-
- 간행물
- 인공지능연구 논문지 KCI 등재후보 바로가기
-
- 통권
- Vol.6 No.3 (2025.12)바로가기
-
- 페이지
- pp.49-58
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A478573
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- This study compares and analyzes four representative real-time Neural Style Transfer models under identical conditions within a unified DirectML-based execution environment. All models were trained using the MS-COCO (content) and WikiArt (style) datasets, and inference was performed using ONNX Runtime with the DirectML Execution Provider built on DirectX 12. The evaluation metrics include inference speed, GPU memory usage, PSNR, SSIM, LPIPS, temporal consistency (TC), and structural coherence (C). Experimental results show that Fast Style Transfer and ReCoNet achieved the highest FPS and lowest VRAM usage, with ReCoNet demonstrating particularly high temporal stability, making it suitable for video applications. AdaIN exhibited strong flexibility by enabling real-time arbitrary style transfer, while SANet achieved fine-grained stylistic expressiveness at the cost of higher computational overhead. This study addresses the long-standing issue of non-standardized NST comparisons and is expected to contribute to model selection and benchmarking standardization for real-time graphics and game-engine environments.
- 한국어
- 본 연구는 DirectML 기반 통합 실행 환경에서 대표적인 실시간 Neural Style Transfer 모델 4종을 동일 조건에서 비교·분석하였다. 모든 모델은 MS-COCO(콘텐츠)와 WikiArt(스타일) 데이터셋을 사용하여 학습되었으며, ONNX Runtime과 DirectML Execution Provider(DirectX 12 기반)를 이용해 추론을 수행하였다. 평가 지표로는 추론 속도, GPU 메모리 사용량, PSNR, SSIM, LPIPS, 시간적 일관성(Temporal Consistency), 구조 유지(Coherence)를 사용하였다. 실험 결과, Fast Style Transfer와 ReCoNet은 가장 높은 FPS와 낮은 VRAM 사용량을 기록하였으며, 특히 ReCoNet은 높은 시간적 안정성을 보여 비디오 응용에 적합함을 확인하였다. AdaIN은 임의 스타일을 실시간으로 적용할 수 있는 유연성을 보였고, SANet은 세밀한 스타일 표현력은 우수하나 높은 연산 비용이 요구되었다. 본 연구는 기존의 비표준화된 NST 비교 문제를 해결하고, 이를 통해 실시간 그래픽스 및 게임 엔진 환경에서의 NST 모델 선택과 벤치마크 표준화에 기여할 수 있을 것으로 기대된다.
목차
요약
ABSTRACT
I. 서론
II. 기존 연구 고찰 및 연구 필요성
III. 실험 환경 및 평가 방법
1. 정량적 지표 (Quantitative Metrics)
2. 데이터셋 구성 및 준비 절차
3. 테스트 세트 및 촬영 시나리오
IV. 실험 결과 및 분석
1. 추론 성능 비교
2. 화질 지표 해석 및 트레이드오프 분석
V. 결론
References
키워드
Neural Style Transfer DirectML ONNX Runtime 실시간 렌더링 벤치마킹 Neural Style Transfer DirectML ONNX Runtime Real-Time Rendering Benchmarking저자
간행물 정보
발행기관
-
- 발행기관명
- 한국인공지능교육학회 [Korean Association of Artificial Intelligence Education]
- 설립연도
- 2019
- 분야
- 사회과학>교육학
- 소개
- 인공지능 기반의 융합 사회의 도래로 사회 전반에서 인공지능의 소양과 역량에 대한 요구가 증가하고 있습니다. 알파고 이후 인공지능은 우리 생활의 일부가 되고 있고 인공지능 기술이 융합 산업의 핵심으로 대두되었습니다. 인공지능기술이 다른 분야를 만났을 때 창출되는 가치는 자동차, 반도체, 스마트폰의 부가가치를 모두 합친 것보다 초월하고 있고 인공지능 역량을 가진 인재는 세상의 변화를 주도하는 막강한 영향력을 갖게 되었습니다. 이러한 인재의 양성은 혁신 기업의 존망을 좌우하게 되었고 국가의 경쟁력으로 이어지고 있습니다. 이것이 인공지능교육의 필요성이며 이를 이끌 단체로서 인공지능교육학회가 있습니다. 한국인공지능교육학회는 인공지능 기술과 융합적 역량을 가진 인재를 양성하고 미래 사회에서 인공지능이 인간을 위한 기술로 전개될 수 있도록 교육의 기반을 마련하고자 합니다. 학회에서는 인공지능에 관한 산학연 연계의 학문을 발전시키고 국가 발전에 기여하는 인재를 양성하는 등 다양한 방면에서 인공지능교육의 발전을 위해 노력하겠습니다. 또한 글로벌 인공지능과 융합 기술 분야에서 우리나라가 선도할 수 있도록 다양한 연구와 학술활동 그리고 국내외 공유의 장을 만들어 가도록 하겠습니다 .
간행물
-
- 간행물명
- 인공지능연구 논문지 [Journal of The Korean Association of Artificial Intelligence Education]
- 간기
- 연3회
- pISSN
- 2733-404X
- 수록기간
- 2020~2025
- 등재여부
- KCI 등재후보
- 십진분류
- KDC 000 DDC 006
이 권호 내 다른 논문 / 인공지능연구 논문지 Vol.6 No.3
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.