선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 2차원 게임 그래픽 리소스의 생산성 향상을 위한 방법으로 인공지능을 적용한 게임 이미지 생성 방법을 제안한다. 2차원 게임에서 많이 사용되는 그래픽 리소스 개발 기법은 스프라이트 기법이다.
- 본 연구에서는 그래픽 리소스의 개발속도 개선연구를 위하여 컨볼루션 인공신경망 모델중 하나인 오토인코더를 응용하여 서로 다른 모양과 색상을 가지는 두 이미지를 입력으로 사용하여 모양과 색상이 합성된 새로운 이미지를 생성해내는 연구를 진행하였다. 제안하는 시스템은 입력에서 모양을 가져오는 인코더와 입력에서 색상을 가져오는 인코더 그리고 두 인코더의 압축된값에서 모양과 색상이 조합된 합성이미지를 생성하는 디코더로 이루어진 인공신경망 모델이다.
- 또한, 3D 의자 모델 이미지 데이터 셋으로 의자 이미지를 생성할 수 있도록 학습시키고 새로운 스타일의 의자 이미지도 생성할 수 있도록 하는 연구가 있으며[7] 해당 연구에 사용된 모델은 다수의 입력을 하나의 레이어로 합쳐서 사용하는 방식을 사용하였다. 본 연구에서는 컨볼루션 인공신경망의 종류중 하나인 오토인코더(Autoencoder)[8]를 사용하여 오토인코더 기법이 2D 이미지를 효과적으로 생성하는데 사용될 수 있음을 보이고자 한다. 특히 본 논문에서는 복수의 이미지에서 각각 형태와 색상을 독립적으로 추출하는 복수의 인코더 구조를 새로이 제안한다.
- 이러한 게임 제작환경의 개선을 위하여 본 논문에서는 최근 이미지 처리에서 많이 사용되는 컨볼루션 인공신경망 기법을 도입하고자 한다. 본 논문에서 제안하는 게임 이미지 생성 방법은 두 개의 서로 다른 이미지를 입력받아 모양과 색상을 추출하고 조합하여 새로운 이미지로 합성하는 방법으로 첫 번째 이미지에서 모양을 복사하고 두 번째 이미지에서 색상을 복사하여 모양과 색상을 조합한 새로운 이미지를 생성한다.
- 특히 본 논문에서는 복수의 이미지에서 각각 형태와 색상을 독립적으로 추출하는 복수의 인코더 구조를 새로이 제안한다. 이를 통해 대량의 스프라이트를 일괄적으로 변화할 필요가 있을 때 형태 혹은 색상을 분리시켜 변화시킬 수 있는 가능성을 확인해 보고자 하였다.
- 본 연구에서는 컨볼루션 인공신경망의 종류중 하나인 오토인코더(Autoencoder)[8]를 사용하여 오토인코더 기법이 2D 이미지를 효과적으로 생성하는데 사용될 수 있음을 보이고자 한다. 특히 본 논문에서는 복수의 이미지에서 각각 형태와 색상을 독립적으로 추출하는 복수의 인코더 구조를 새로이 제안한다. 이를 통해 대량의 스프라이트를 일괄적으로 변화할 필요가 있을 때 형태 혹은 색상을 분리시켜 변화시킬 수 있는 가능성을 확인해 보고자 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.