10편의 한국어 분석 — 최신순으로 정렬했어요
대규모 생성 모델은 다양한 시각 작업에서 놀라운 발전을 이루었지만, 이미지 그림자 제거 분야에서는 여전히 어려움이 있습니다. 기존 모델들은 사실적인 디테일을 생성하지만 이미지 콘텐츠의 정밀한 보존이라는 그림자 제거의 핵심 요구사항을 충족하지 못하고, 종종 충실도보다는 다양성에 치중하는 경향이 있습니다. 본 연구는 그림자 없는 이미지를 처음부터 재생성하려던 기존 접근 방식과 달리, 확산 모델을 활용하여 이미지 잔차를 생성하고 정제하는 새로운 전략을 제안합니다. 이 방법은 그림자 진 이미지에 내재된 상세 정보를 최대한 활용하여 그림자…
추천 시스템은 광범위한 응용 분야와 비즈니스 잠재력으로 인해 컴퓨터 과학 분야에서 핵심적인 연구 주제로 자리매김하고 있습니다. 최근 컴퓨터 비전 분야에서 확산 모델(Diffusion Models)이 뛰어난 생성 능력을 보여주면서, 많은 추천 시스템 연구들이 이를 도입하여 다양한 태스크에서 성능 향상을 이루고 있습니다. 이 분야의 연구가 빠르게 증가함에 따라 체계적인 연구 동향 분석의 필요성이 대두되었습니다. 본 연구는 확산 모델을 활용하는 추천 시스템을 분류하기 위해 세 가지 상호보완적인 축을 기반으로 새로운 분류 체계를 제안합니…
본 논문은 인공지능(AI) 생성 예술 분야에서 활용되는 다양한 딥러닝 신경망 아키텍처와 모델을 탐구한다. 고전적인 컨볼루션 네트워크부터 최신 확산 모델에 이르기까지, 이 분야의 주요 기술들을 심층적으로 분석한다. 각 신경망의 일반적인 구조와 작동 원리를 설명하고, DeepDream의 몽환적인 이미지부터 Stable Diffusion 및 DALL-E 3와 같은 최신 모델이 생성하는 매혹적인 이미지에 이르기까지 AI 생성 예술의 주요 발전 사례들을 제시한다. 또한, 이 모델들의 강점과 한계를 비교 분석하여 딥러닝 신경망이 단기간에 …
사전 학습된 확산 모델의 뛰어난 이미지 편집 능력 활용에 대한 연구가 활발합니다. 기존 접근 방식들은 모델 미세 조정 또는 잠재 공간에서의 이미지 역전을 사용하지만, 선택 영역의 불만족스러운 결과와 비선택 영역의 예상치 못한 변화, 그리고 입력 이미지의 모든 시각적 객체를 포함해야 하는 텍스트 프롬프트 편집의 어려움이라는 두 가지 문제에 직면합니다. 본 연구는 이러한 문제를 해결하기 위해 두 가지 개선 방안을 제안합니다. 첫째, 교차-어텐션 레이어의 값 선형 네트워크 입력만을 최적화하는 것으로 실제 이미지 재구성에 충분한 성능을 …
딥페이크 기술은 사실적인 얼굴 이미지 및 비디오 합성을 목표로 하며, 엔터테인먼트, 영화 제작, 디지털 휴먼 모델링 등 광범위한 응용 잠재력을 지닌다. 최근 확산 모델의 등장으로 생성 품질이 크게 향상되며 연구의 새로운 물결을 일으켰다. 그러나 딥페이크의 오용 가능성(프라이버시 침해, 피싱 공격 등)에 대응하기 위해 탐지 기술 또한 지속적으로 발전하고 있다. 본 연구는 딥페이크 생성 및 탐지 분야의 최신 발전을 종합적으로 검토한다. 먼저, 태스크 정의를 통일하고, 데이터셋 및 평가 지표를 포괄적으로 소개하며, 기반 기술을 요약한다…
차세대 AI 기반 통신의 핵심으로 기대되는 의미 통신은 수신 측에서 전송 비트열을 복구하지 않고도 전송된 이미지나 비디오와 의미론적으로 동등한 콘텐츠를 재생성할 수 있습니다. 그러나 기존 솔루션들은 부분적인 정보만으로 복잡한 장면을 구성하는 데 한계가 있으며, 생성 방법의 효율성과 전송 정보의 복잡성 간의 균형을 맞추는 데 어려움이 있습니다. 본 연구는 이러한 격차를 해소하고자 확산 모델의 강력한 멀티미디어 콘텐츠 합성 능력을 활용하면서 의미론적 특징을 보존하는 새로운 생성 확산 유도 프레임워크를 제안합니다. 대역폭 사용량을 줄이…
최근 딥러닝 기반 생성 모델, 특히 GAN, VAE, 확산 모델(DM)은 이미지 및 비디오 합성 등 다양한 분야에서 고품질 콘텐츠 생성에 핵심적인 역할을 하고 있습니다. 이러한 모델의 급속한 발전과 연구량 증가, 응용 분야 확장, 그리고 미해결 기술 과제로 인해 최신 동향을 파악하기가 점점 어려워지고 있습니다. 본 조사는 이러한 필요성을 해결하고자 합니다. 이 연구는 GAN, VAE, DM의 발전 과정을 이해하기 위한 포괄적인 분류 체계를 제시합니다. 다양한 변형 모델과 결합 접근 방식을 포함하여, 생성 결과물의 품질, 다양성, …
생성형 AI는 과학 이미징 분야에 새로운 가능성을 제시하며 다양하고 복잡한 이미지 데이터를 합성하는 강력한 도구로 부상했습니다. 본 연구는 과학 이미지 합성을 목적으로 Variational Autoencoder (VAE), Generative Adversarial Network (GAN), Diffusion Model 등 주요 생성 모델 아키텍처를 포괄적으로 비교 분석합니다. 각 모델의 기본 원리, 최신 아키텍처 발전, 실제 적용 시 장단점을 검토했습니다. 암석 및 복합 섬유의 microCT 스캔, 식물 뿌리 고해상도 이미지 등 …
정교한 생성 기술로 오디오-시각 데이터 조작이 증가함에 따라 딥페이크 탐지는 중요한 과제가 되었습니다. 기존 방법은 주로 오디오-시각 특징을 이용한 립싱크 동기화에 초점을 맞추며, 컨볼루션 신경망(CNN)을 통한 지역 특징 추출에 의존합니다. 본 연구는 지역 및 전역 특징 통합을 통해 딥페이크 탐지를 강화하는 멀티모달 프레임워크를 제안합니다. 기존 파이프라인에 눈 움직임, 얼굴 영역 등 추가 시각 특징과 오디오 특징을 결합하여 교차 모달 의존성을 모델링합니다. CNN은 지역 특징을, 비전 트랜스포머(ViT)는 시각 및 오디오 양식…
딥러닝 기술의 급속한 발전과 함께 확산 모델은 이미지, 오디오, 비디오 합성, 분자 설계, 텍스트 생성 등 다양한 분야에서 유망한 생성 모델로 부상했습니다. 독특한 생성 메커니즘과 뛰어난 품질 덕분에 여러 분야에서 가치 있는 도구로 활용되고 있습니다. 그러나 이미지 생성 분야에서 확산 모델의 광범위한 배포는 데이터 프라이버시, 보안, 예술 윤리와 같은 사회적 문제들을 야기하고 있습니다. 기존 연구들은 최신 확산 모델 기반 이미지 합성 기술과 잠재적 사회적 함의를 충분히 다루지 못하는 한계가 있습니다. 본 논문은 확산 모델의 배경…
