$\require{mediawiki-texvc}$

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.

[국내논문] 이미지 생성을 위한 변동 자동 인코더 분산 제약
Variational Auto Encoder Distributed Restrictions for Image Generation 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.23 no.3, 2023년, pp.91 - 97  

김용길 (조선이공대학교 컴퓨터보안과)

초록
AI-Helper 아이콘AI-Helper

GAN(Generative Adversarial Networks)이 합성 이미지 생성 및 기타 다양한 응용 프로그램에 현재 사용되고 있지만, 생성 모델을 제어하기가 어렵다. 문제는 생성 모델의 잠재 공간에 있는데, 이미지 생성과 관련하여 입력된 잠재코드를 받아 특정 텍스트 및 신호에 따라 지정된 대상 속성이 향상되도록 하고 다른 속성은 크게 영향을 받지 않도록 하기 위해서는 상당한 제약이 요구된다. 본 연구에서는 이미지 생성 및 조작과 관련하여 변동 자동 인코더의 잠재 벡터에 관해 특정 제약을 수반한 모델을 제안한다. 제안된 모델에 관해 TensorFlow의 변동 자동 인코더를 통해 실험한 결과 이미지의 생성 및 조작과 관련하여 비교적 우수한 성능을 갖는 것으로 확인된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recent research shows that latent directions can be used to image process towards certain attributes. However, controlling the generation process of generative model is very difficult. Though the latent directions are used to image process for certain attributes, many restrictions are required to en...

Keyword

#Auto-encoder   #Variational Auto-encoder   #Latent space   #Tensorflow  

표/그림 (5)

AI 본문요약
AI-Helper 아이콘 AI-Helper

제안 방법

  • 특히, 인코더 분포와 배후 분포 간에 KL Divergence를 최소화하도록 VAE를 훈련하는 것이 중요하다. 본 연구에서는 이미지 생성과 관련하여 VAE 제약을 하는 형태와 표준 자동 인코더의 주의 사항을 극복하는 문제, VAE 손실 함수 및 VAE의 Reparametrization 기법을 나타내고, 특정 이미지 데이터 세트에서 TensorFlow의 인코더 및 디코더를 구현한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (13)

  1. H G. E. Hinton and R. R. Salakhutdinov. Reducing the？Dimensionality of Data with Neural Networks.？SCIENCE, vol. 313, pp. 504-507, 2006.？DOI: https://doi.org/10.1126/science.1127647 

    상세보기 crossref

  2. AJ. Yoo, H. Eom and Y. S. Choi. Image-To-Image？Translation Using a Cross-Domain Auto-Encoder and？Decoder. Appl. Sci. vol. 9, no. 22, 4780, 2019.？DOI: https://doi.org/10.3390/app9224780 

    상세보기 crossref

  3. .LP. Cristovao, H. Nakada, Y. Tanimura, and H. Asoh.？Generating In-Between Images Through Learned？Latent Space Representation Using Variational？Autoencoders. IEEE Access, vol. 8, pp.？149456-149467, 2020..？DOI: https://doi.org/10.1109/ACCESS.2020.3016313 

    상세보기 crossref

  4. AD. P. Kingma and M. Welling. Auto-Encoding？Variational Bayes. 2nd International Conference on？Learning Representations, ICLR 2014, Banff, AB,？Canada, April 14-16, 2014..？DOI: https://doi.org/10.48550/arXiv.1312.6114 

    crossref

  5. LC. Louizos and M. Welling. Multiplicative？normalizing flows for variational Bayesian neural？networks. International Conference on Machine？Learning. 2218-2227, 2017.. 

  6. JB. Kim, S. Shin, and H. Jung. Variational？Autoencoder-Based Multiple Image Captioning Using？a Caption Attention Map. Appl. Sci. Vol.9, No.13,？2699, 2019..？DOI: https://doi.org/10.3390/app9132699 

    상세보기 crossref

  7. SN. D. Lawrence, A unifying probabilistic perspective？for spectral dimensionality reduction: insights and？new models. Journal of Machine Learning Research.？13, 1609-1638, 2012. 

    상세보기

  8. Y.G Kim, K.I Moon. Hair Classification and Region？Segmentation by Location Distribution and Graph？Cutting. The Journal of The Institute of Internet,？Broadcasting and Communication (IIBC). Vol.22,？No.3, pp1-8 Jun.30.2022？DOI: https://doi.org/10.7236/JIIBC.2022.22.3.1 

    원문보기 상세보기 crossref

  9. MJ. A. Lee and M. Verleysen, Nonlinear Dimensionality？Reduction. Springer, 2007, ISBN 978-0-387-39350-6..？Y.G Kim, K.I Moon. Object Detection Based on？Hellinger Distance IoU and Objectron Application.？The Journal of The Institute of Internet, Broadcasting？and Communication (IIBC). Vol,22, No2, pp.63-70？Apr.30. 2022？DOI: https://doi.org/10.7236/JIIBC.2022.22.2.63 

    원문보기 상세보기 crossref

  10. AB. U. Dideriksen, K. Derosche, Z. H. Tan, iVAE-GAN:？Identifiable VAE-GAN Models for Latent Representation？Learning. IEEE Access, vol. 10, pp. 48405-48418,？03,May,2022.？DOI: https://doi.org/10.1109/ACCESS.2022.3172333 

    상세보기 crossref

  11. J. Duda. Gaussian AutoEncoder arXiv:1811.04751v4？[cs.LG] 14 Jan 2019.？DOI: https://doi.org/10.48550/arXiv.1811.04751 

    crossref

  12. Y.G Kim, K.I Moon. Image Restoration Based on Inverse？Order and Power Spectrum Density, The Journal of？The Institute of Internet, Broadcasting and Communication？(IIBC). Vol.16, No.2, pp.113~122, 2016.？DOI: https://doi.org/10.7236/JIIBC.2016.16.2.113 

    원문보기 상세보기 crossref

  13. Y.G Kim, Image Reconstruction Using Poisson Model？Screened from Image Gradient. The Journal of The？Institute of Internet, Broadcasting and Communication？(IIBC). Vol.18, No 2, pp.117-123, 2018.？DOI: https://doi.org/10.7236/JIIBC.2018.18.2.117 

    원문보기 상세보기 crossref

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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