$\require{mediawiki-texvc}$

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.

Generative Adversarial Network를 이용한 카툰 원화의 라인 드로잉 추출
Extraction of Line Drawing From Cartoon Painting Using Generative Adversarial Network 원문보기

스마트미디어저널 = Smart media journal, v.10 no.2, 2021년, pp.30 - 37  

유경호 (조선대학교 컴퓨터공학과) ,  양희덕 (조선대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

최근 웹툰이나 애니메이션을 3D 콘텐츠로 제작하는 사례가 증가하고 있다. 3D 콘텐츠 제작에서 모델링은 반드시 필요하지만 시간이 오래 걸리는 작업이다. 드로잉 기반 모델링을 사용하여 2D 카툰 원화에서 3D 모델을 생성하기 위해서는 라인 드로잉이 필요하다. 하지만 2D 카툰원화는 3D 모델의 기하학적 특성이 표현되지 않고 카툰원화의 제작 기법이 다양하여 일관성 있게 라인 드로잉 추출이 힘들다. 본 연구에서는 generative adversarial network (GAN) 모델을 사용하여 2D 카툰 원화에서 3D 모델의 기하학적 특성을 나타내는 라인 드로잉을 추출하는 방법을 제안하고 이를 실험한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, 3D contents used in various fields have been attracting people's attention due to the development of virtual reality and augmented reality technology. In order to produce 3D contents, it is necessary to model the objects as vertices. However, high-quality modeling is time-consuming and cos...

주제어

#생성적 적대 신경망   #카툰   #라인 드로잉  

참고문헌 (18)

  1. 허예지, 황보영, 오승주, 신대영, 이종원. "웹툰의 인지도와 게임의 인지도간의 관계", 한국컴퓨터정보학회지, 제24권, 제2호, 323-326쪽, 2016년 7월 

  2. O. Luke, et al. "Sketch-based modeling: A survey," Computers & Graphics, Vol. 33, No. 1, pp. 85-103, 2009. 

    상세보기 crossref

  3. 김성예, 김희정, 김보연, 이지형, 구본기, "비사실적 렌더링 기술동향," 한국멀티미디어학회지, 제9권, 제3-4호, 78-94쪽, 2005년 12월 

  4. 강윤석, 호요성, "실감방송을 위한 3차원 영상 촬영 및 3차원 콘텐츠 제작 기술," 스마트미디어저널, 제1권, 제1호, 14-20쪽, 2012년 3월 

  5. 김형숙, 이종혁, 이현동, "인공지능 기반 개인 맞춤형 의류 추천 서비스 개발," 스마트미디어저널, 제10권, 제1호, 116-123쪽, 2021년 03월 

    원문보기 상세보기

  6. N. N. Hoang, G.-S. Lee, S.-H. Kim, and H.-J. Yang, "Effective hand gesture recognition by key frame selection and 3D neural network," Smart Media Journal Vol. 9, No. 1, pp. 23-29, 2020. 

    원문보기 상세보기 crossref

  7. I. K. Kazmi, L. You, X. Yang, X. Jin, and J. J. Zhang, "Efficient sketch-based creation of detailed character models through data-driven mesh deformations," Computer Animation and Virtual Worlds, Vol. 26, No. 3-4, pp. 469-481, 2015. 

    상세보기 crossref

  8. Z. Lun, M. Gadelha, E. Kalogerakis, S. Maji, and R. Wang, "3D shape reconstruction from sketches via multi-view convolutional networks," Proc. of 3D Vision, Rome, Italy, pp. 64-77, Apr. 2007. 

  9. F. Wang, L. Kang, and Y. Li, "Sketch-based 3D shape retrieval using convolutional neural networks," Proc. of International Conference on Computer Vision and Pattern Recognition, Boston, USA, pp. 1875-1883, Jun. 2015. 

  10. D. DeCarlo, A. Finkelstein, and S. Rusinkiewicz, "Interactive rendering of suggestive contours with temporal coherence," Proc. of International Symposium on Non-Photorealistic Animation and Rendering, Annecy, France, pp. 15-24, Jun. 2004. 

  11. P. Benard, A. Hertzmann, and M. Kass, "Computing smooth surface contours with accurate topology," ACM Transa. on Graphics, Vol. 33, No. 2, pp. 19-25, 2014. 

  12. T. Judd, F. Durand, and E. Adelson, "Apparent ridges for line drawing," ACM Trans. on Graphics, Vol. 26, No. 3, pp. 19-26, 2007. 

    상세보기 crossref

  13. J. Bender, A. Kuijper, T. Landesberger, H. Theisel, and P. Urban, "Comparative evaluation of feature line techniques for shape depiction," Proc. of Vision, Modeling and Visualization, Darmstadt, Germany, pp. 31-38, Oct. 2014. 

  14. D. Zorin, P. Schroder, T. Derose, L. Kobbelt, A. Levinet, W. Sweldens, "Subdivision for modeling and animation," SIGGRAPH 2000 Course Notes, Denis Zorin, New York University. 2000. 

  15. J. Masci, U. Meier, D. Ciresan, and J. Schmidhuber, "Stacked convolutional auto-encoders for hierarchical feature extraction," Proc. of Artificial Neural Networks and Machine Learning, Espoo, Finland, pp. 52-59, Jun. 2011. 

  16. J. Chen, L. Du, and L. Liao, "Discriminative mixture variational autoencoder for semisupervised classification," IEEE Trans. on Cybernetics, pp. 1-15, 2020. (Early Access) 

  17. M. Mirza and O. Simon, "Conditional generative adversarial nets," arXiv:1411.1784, 2014. 

  18. P. Isola, J. Y. Zhu, T. Zhou, and A. A. Efros, "Image-to-image translation with conditional adversarial networks," Proc. of Conference on Computer Vision and Pattern Recognition, pp. 1125-134, Honolulu, Hawai, Jul. 2017. 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

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