$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

딥러닝 기반 손상된 흑백 얼굴 사진 컬러 복원
Deep Learning based Color Restoration of Corrupted Black and White Facial Photos 원문보기

컴퓨터그래픽스학회논문지 = Journal of the Korea Computer Graphics Society, v.24 no.2, 2018년, pp.1 - 9  

신재우 (한림대학교 융합소프트웨어학과) ,  김종현 (강남대학교 소프트웨어응용학부) ,  이정 (한림대학교 융합소프트웨어학과) ,  송창근 (한림대학교 융합소프트웨어학과) ,  김선정 (한림대학교 융합소프트웨어학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 손상된 흑백 얼굴 이미지를 컬러로 복원하는 방법을 제안한다. 기존 연구에서는 오래된 증명사진처럼 손상된 흑백 사진에 컬러화 작업을 하면 손상된 영역 주변이 잘못 색칠되는 경우가 있었다. 이와 같은 문제를 해결하기 위해 본 논문에서는 입력받은 사진의 손상된 영역을 먼저 복원한 후 그 결과를 바탕으로 컬러화를 수행하는 방법을 제안한다. 본 논문의 제안 방법은 BEGAN(Boundary Equivalent Generative Adversarial Networks) 모델 기반 복원과 CNN(Convolutional Neural Network) 기반 컬러화의 두 단계로 구성된다. 제안하는 방법은 이미지 복원을 위해 DCGAN(Deep Convolutional Generative Adversarial Networks) 모델을 사용한 기존 방법들과 달리 좀 더 선명하고 고해상도의 이미지 복원이 가능한 BEGAN 모델을 사용하고, 그 복원된 흑백 이미지를 바탕으로 컬러화 작업을 수행한다. 최종적으로 다양한 유형의 얼굴 이미지와 마스크에 대한 실험 결과를 통해 기존 연구에 비해 많은 경우에 사실적인 컬러 복원 결과를 보여줄 수 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a method to restore corrupted black and white facial images to color. Previous studies have shown that when coloring damaged black and white photographs, such as old ID photographs, the area around the damaged area is often incorrectly colored. To solve this problem, this p...

주제어

#복원   #컬러화   #딥러닝   #경계 평행 생성 적대 네트워크   #합성곱 신경망  

참고문헌 (19)

  1. Radford, A., Metz, L., & Chintala, S., "Unsupervised representation learning with deep convolutional generative adversarial networks," arXiv preprint, arXiv:1511.06434, 2015. 

  2. Yeh, R. A., Chen, C., Lim, T. Y., Schwing, A. G., Hasegawa-Johnson, M., & Do, M. N., "Semantic image inpainting with deep generative models," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 5485-5493, 2017. 

  3. Berthelot, D., Schumm, T., & Metz, L., "Began: Boundary equilibrium generative adversarial networks," arXiv preprint, arXiv: 1703.10717, 2017. 

  4. LeCun, Y., Boser, B., Denker, J. S., Henderson, D., Howard, R. E., Hubbard, W., & Jackel, L. D., "Backpropagation applied to handwritten zip code recognition," Neural computation, Vol. 1, No. 4, pp. 541-551, 1989. 

    상세보기 crossref

  5. Bertalmio, M., Sapiro, G., Caselles, V., & Ballester, G., "Image inpainting," Proceedings of the 27th annual conference on Computer graphics and interactive techniques, pp. 417-424, 2000. 

  6. Efros, A. A., and Leung T. K. ''Texture synthesis by non-parametric sampling," Proceedings of the Seventh IEEE International Conference on Computer Vision, Vol. 2, pp. 1033-1038, 1999. 

  7. Hays, J., & Efros, A. A., "Scene completion using millions of photographs," ACM Transactions on Graphics, Vol. 26, No. 3, p. 4, 2007. 

    상세보기

  8. Pathak, D., krahenbuhl, P., Donahue, J. Darrell, T., & Efros, A. A., "Context encoders: Feature learning by inpainting," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 2536-2544, 2016. 

  9. Levin, A., Lischinski, D., & Weiss, Y., "Colorization using optimization," ACM transactions on graphics, Vol. 23, No. 3, pp. 689-694, 2004. 

    상세보기 crossref

  10. Welsh, T., Ashikhmin, M., & Mueller, K., "Transferring color to greyscale image," ACM Transactions on Graphics, Vol. 21, No. 3, pp. 277-280, 2002. 

  11. Iizuka, S., Simo-Serra, E., & Ishikawa, H., "Let there be color!: joint end-to-end learning of global and local image priors for automatic linage colorization with simultaneous classification," ACM Transactions on Graphics, Vol. 35, No. 4, p. 110, 2016. 

  12. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., & Bengio, Y., "Generative adversarial nets," Advances in neural information processing systems, pp. 2672-2680, 2014. 

  13. Bengio, Y., "Learning deep architectures for AI," Foundations and trends(R) in Machine Learning, Vol. 2, No. 1, pp. 1-127, 2009. 

    상세보기 crossref

  14. Arjovsky, M., Chintala, S., & Bottou, L., "Wasserstein gan," arXiv preprint, arXiv: 1701.07875, 2017. 

  15. Perez, P., Gangnet, M., & Blake, A., "Poisson linage editing," ACM Transactions on graphics, Vol. 22, No. 3, pp. 313-318, 2003. 

  16. Noh, H., Hong, S., & Han, B., "Learning deconvolution network for semantic segmentation," Proceedings of the IEEE International Conference on Computer Vision, pp. 1520-1528, 2015. 

  17. Sun, T., Chen, Y., Wang, X., & Tang, X., "Deep learning face representation by joint identification-verification," Advances in neural information proceesing systems, pp. 1988-1996, 2014. 

  18. Viola, P ., & Jones, M., "Rapid object detection using a boosted cascade of simple features," Proceedings of the 200I IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Vol. 1, pp. 1-1, 2001. 

  19. Huang, G. B., Ramesh, M., Berg, T., & Learned-Miller, E., "Labeled faces in the wild: A database for studying face recognition in unconstrained environments," Technical Report 07-49, University of Massachusetts, Amherst, Vol. 1, No. 2, p. 3, 2007. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로