GAN(Generative Adversarial Networks), 적대적 생성 신경망을 활용한 이미지 생성 및 변환 기술은 인공 신경망이 다양한 노이즈(Noise) 입력을 받아 원하는 카테고리의 기존에 존재하지 않는 새로운 이미지를 생성해내거나 입력 이미지나 비디오를 다른 형태나 정보를 지닌 이미지 또는 비디오로 변환하는 기술로 최근 몇 년간 급속도로 발전하여 많은 관심을 받고 활발하게 연구되고 있는 분야이다. 최근에는 이미지 편집을 많이 활용하는 디자인 분야를 겨냥하여 그림 1과 같이 이미지를 손쉽게 편집하거나 그릴 수 있는 프로그램으로 실제 서비스에 적용되고 있다.
GAN은 기존의 딥러닝(Deep learning) 기술에서 활용한 인공 신경망과는 다른 학습 방법을 활용하여 사람이 보기에 진짜와 구분하기 힘들 정도로 정교한 가짜 이미지를 만들어 내는 기술이다. 기존의 이미지 처리에서 많이 활용되는 딥러닝 기술은 학습데이터에 대하여 다층의 인공 신경망 하나를 학습시키는 방법을 활용하였지만, GAN은 2개의 인공 신경망의 상호작용을 활용하여, 최종적으로 사람이 보기에 진짜인지 구분하기 힘든 가짜 이미지를 만드는 1개의 생성 신경망을 실제 서비스에 활용한다. 하지만, 기존의 딥러닝 이미지 처리 방식과 다르게 성능을 객관적인 수치로 표시하는 방법이 부족하고, 4K와 같은 고화질 영상을 만들기에 고성능의 메모리가 필요하여 기술의 고화질 영상 생성 기술의 발전속도가 느린 것과 같은 문제가 있다. 따라서 앞으로 성능개선 및 성능평가 방법 개발 등 여전히 해결해야 할 문제가 많은 것으로 알려져 있다.
본 고에서는 최근 주목받고 있는 GAN의 시작부터 최신 기술의 연구 사례까지 살펴보고, 성능에 대해 살펴보도록 한다.
본 고의 Ⅱ장에서는 GAN에 대한 개괄적인 설명을 하고, Ⅲ장에서는 대표적으로 GAN의 활용 가능성을 보여준 연구 기술들에 대해 살펴본다. Ⅳ장에서는 GAN을 활용한 이미지 생성/변화 기술의 최신 동향과 성능에 대해 살펴보고, Ⅴ장에서는 결론을 맺는다.
Ⅱ. 적대적 생성 신경망 개괄
Ⅲ. 이미지 생성/변환 기술의 시작
1. 노이즈를 이미지로 변환
2. 이미지를 이미지로 변환
Ⅳ. 이미지 생성/변환 기술의 동향
1. 이미지 생성 기술 동향
2. 이미지 변환 기술 동향
Ⅴ. 결론
용어해설
약어 정리
* 자세한 내용은 바로가기(URL)와 첨부파일을 통해 확인하시기 바랍니다.
추천 리포트
-
[동향보고서] 이차전지 음극재용 탄소나노소재 기술동향 및 전망
-
[코센리포트] 4D 프린팅 기술 및 산업 현황
-
[동향보고서] 세계 최초 무결점 그래핀 제작
-
[동향보고서] 디스플레이용 QD 소재 기술 동향 및 향후 추진 방향
-
[동향보고서] KEIT PD 이슈리포트 2021-1,2호-특집
-
[동향보고서] 3D프린팅 산업 활성화 방안 연구
-
[동향보고서] KEIT PD 이슈리포트 2020-5월호 : 포커싱이슈2(CMOS 호환 고성능 GaN 전력반도체 개발)
-
[코센리포트] 수소 생산 및 저장 관련 소재 및 기술의 연구 동향
-
리포트 평점
해당 콘텐츠에 대한 회원님의 소중한 평가를 부탁드립니다. -
0.0 (0개의 평가)