5편의 한국어 분석 — 최신순으로 정렬했어요
임상 환경에서 불완전한 MRI 시퀀스는 AI 기반 분석을 저해하며, 기존 GAN과 최신 확산 및 트랜스포머 모델 간의 임상적 유용성에 대한 비교 연구는 부족했습니다. 본 연구는 BraTS 2019 뇌종양 데이터셋을 활용하여 T1-T2 교차 양식 MRI 합성을 평가하고, 쌍 및 비쌍 CycleGAN 모델을 조건부 DDPM 및 트랜스포머 강화 GAN과 비교했습니다. 동일한 데이터 분할 및 전처리 파이프라인을 사용하여 모델들을 평가했습니다. 양식 간 상관관계를 분석하여 달성 가능한 유사성 수준을 추정했으며, 합성 과정을 누락된 정보를 …
적대적 생성 신경망(GAN)은 암묵적 생성 모델 학습과 고품질 합성 데이터 생성의 핵심 프레임워크로 자리매김했지만, 학습 과정의 불안정성과 설계 공간의 급격한 확장은 여전히 과제로 남아있습니다. 본 조사는 GAN 분야의 주요 발전을 아키텍처, 목적 함수, 정규화, 최적화, 안정화 기법, 평가 방식별로 체계화하여 방법론 중심의 종합적인 분석을 제공합니다. 초기 모델부터 최근의 대규모 트랜스포머 기반 변형에 이르기까지 대표적인 모델들을 요약하고, 설계 선택이 안정성, 충실도, 다양성, 계산 비용에 미치는 영향을 조명합니다. 또한, 방…
의료 영상 합성 분야에서 GAN(생성적 적대 신경망)은 뛰어난 잠재력을 보였지만, 진단 등급의 품질, 특히 해부학적 에지 보존 및 모드 붕괴 방지 측면에서 한계가 있었습니다. 본 연구는 이러한 문제를 해결하기 위해 안정적인 에지 인식 GAN 아키텍처를 제안합니다. 이 아키텍처는 훈련 중 구조적 그라디언트를 적응적으로 강화하는 동적 학습형 양방향 커널과 공간적 일관성을 유지하기 위한 보간된 스킵 연결을 가진 계층형 생성기를 특징으로 합니다. 방법론은 CT 신장 데이터셋(12,446개 이미지)에 대해 Wasserstein 정규화를 이…
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 …
