$\require{mediawiki-texvc}$

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.

3D 얼굴 모델 기반의 GAN을 이용한 게임 캐릭터 회전 기법
A GAN-based face rotation technique using 3D face model for game characters 원문보기

한국게임학회 논문지 = Journal of Korea Game Society, v.21 no.3, 2021년, pp.13 - 24  

김한동 (상명대학교 일반대학원 컴퓨터학과) ,  한종대 (상명대학교 컴퓨터과학과) ,  양희경 (상명대학교 SW융합학부) ,  민경하 (상명대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 게임 캐릭터 얼굴 일러스트레이션에 적용할 수 있는 안면 회전 기술(Face rotation) 기술을 제안한다. 기존의 진행된 연구들은 실제 사람의 얼굴 데이터에 대해서로 데이터를 한정하였으며 방대한 양의 데이터를 필요로 하였고 합성된 결과물이 좋지 못한 문제가 있었다. 본 논문에서는 기존 연구들의 존재하는 문제를 해결하기 위해 다음과 같은 방법을 도입하였다. 첫째, 입력 이미지가 갖고 있는 특징을 입힌 3D 모델을 회전시키고 다시 2D 이미지로 렌더링하여 학습 및 평가에 필요한 데이터 셋을 구축하였다. 둘째, 3D 모델을 통해 구축된 데이터에서 다양한 각도의 특징을 학습할 수 있는 적대적 생성 모델(Generative Adversarial Networks)을 설계하여 입력된 이미지를 원하는 각도로 합성할 수 있다. 논문에서는 실제 게임 캐릭터 얼굴 일러스트레이션 합성 결과를 제시한다. 합성 결과를 통해 논문에서 제안하는 방법이 잘 동작함을 확인할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper shows the face rotation applicable to game character facial illustration. Existing studies limited data to human face data, required a large amount of data, and the synthesized results were not good. In this paper, the following method was introduced to solve the existing problems of exis...

주제어

#게임 일러스트레이션   #심층 학습  

표/그림 (4)

참고문헌 (18)

  1. I.Goodfellow, J.Pouget-Abadie, M.Mirza, B.Xu, D.Warde-Farley, S.Ozair, A.Courville, Y.Bengio. "Generative adversarial networks.". Advances in Neural Information Processing Systems 27, 2014. 

  2. T.Hassner, S.Harel, E.Paz, R.Enbar. "Effective face frontalization in unconstrained images." Proceedings of the IEEE conference on computer vision and pattern recognition, pp4295-4303, 2015. 

  3. Z.Xiangyu, L.Zhen, Y.Junjie, Y.Dong, L.Stan Z. "High-fidelity pose and expression normalization for face recognition in the wild." Proceedings of the IEEE conference on computer vision and pattern recognition, pp787-796, 2015. 

  4. J.Moniz, C.Beckham, S.Rajotte, S.Homari, C.Pal. "Unsupervised depth estimation, 3d face rotation and replacement." arXiv preprint arXiv:1803.09202, 2018. 

  5. T.Luan, Y.Xi, L.Xiaoming. "Disentangled represerntation learning gan for pose-invariant face recognition." Proceedings of the IEEE conference on computer vision and pattern recognition, pp1415-1424, 2017 

  6. H.Rui, Z.Shu, L.Tianyu, H.Ran. "Beyond face rotation: Global and local perception gan for photorealistic and identity preserving frontal view synthesis." Proceedings of the IEEE international conference on computer vision, pp2439-2448, 2017 

  7. H.Yibo, W.Xiang, Y.Bing, H.Ran, S.Zhenan. "Pose-guided photorealistic face rotation." Proceedings of the IEEE conference on computer vision and pattern recognition, pp8398-8406, 2018 

  8. Q.Yichen, D.Weihong, H.Jiani. "Unsupervised face normalization with extreme pose and expression in the wild." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp9851-9858, 2019. 

  9. Y.Xi, Y.Xiang, S.Kihyuk, L.Xiaoming, C.Manmohan. "Towards large-pose face frontalization in the wild." Proceedings of the IEEE international conference on computer vision, pp3990-3999, 2017 

  10. D.Jiankang, C.Shiyang, X.Niannan, Z.Yuxiang, Z.Stefanos. "Uv-gan: Adversarial facial uv map completion for pose-invariant face recognition." Proceedings of the IEEE conference on computer vision and pattern recognition, pp7093-7102, 2018. 

  11. C.Jie, H.Yibo, Z.Hongwen, H.Ran, S.Zheman. "Learning a high fidelity pose invariant model for high-resolution face frontalization." arXiv preprint arXiv:1806.08472, 2018. 

  12. Z.Hang, L.Jihao, L.Ziwei, L.Yu, W.Xiaogang. "Rotate-and-render: Unsupervised photo-realistic face rotation from single-view images." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp5911-5920, 2020. 

  13. Z.Jun-Yan, P.Taesung, I.Phillip, E.Alexei A. "Unpaired image-to-image translation using cycle-consistent adversarial networks." Proceedings of the IEEE International conference on computer vision, pp2223-2232, 2017. 

  14. J.Guo, X.Zhu, Z.Lei. "3DDFA". https://github.com/cleardusk/3DDFA, 2018 

  15. Guardian tales, Kong studois, 2020. Phoenix Wright: Ace Attorney, CAPCOM, 2001. The war of Genesis, Softmax, 1995. Hearthstone, Blizzard, 2014. 

  16. PyTorch, 2016, https://pytorch.org/ 

  17. Yi, D., Lei, Z., Liao, S., Li, S. Z. "Learning face representation from scratch." arXiv preprint arXiv:1411.7923, 2014. 

  18. Guo, Y., Zhang, L., Hu, Y., He, X., Gao, J. "Ms-celeb-1m: A dataset and benchmark for large-scale face recognition." In European conference on computer vision. pp87-102. 2016. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
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