2026년 29주차 · 급상승 연구 주제
컴퓨터 과학 · Generative Adversarial Networks and Image Synthesis
연 1,970 → 5,586편
분야 평균 대비 +166%p
GAN은 실제와 구별하기 어려운 고품질의 이미지, 비디오, 오디오 등 데이터를 생성할 수 있어 콘텐츠 제작, 데이터 증강, 가상현실 분야에서 활용도가 높습니다.
출판량은 OpenAlex 전수 데이터를 최근 12개월과 직전 12개월로 나눠 비교한 값이에요. 분야 전체가 함께 커지는 착시를 빼기 위해 분야 중앙값 성장률을 차감한 초과 성장(+166%p)으로 순위를 매겼어요.
학부·석사 수준에서 실제로 착수 가능한 스케일로 좁힌 방향이에요. 마음에 드는 걸 고르면 카라멜 조교가 이어서 구체화해 줘요.
특정 스타일의 그림을 자동으로 생성하는 GAN 모델 개발
아이디에이션2적은 데이터로도 사실적인 얼굴 이미지를 생성하는 GAN 학습 기법 연구
아이디에이션3의료 영상 데이터 부족 문제를 해결하기 위한 GAN 기반 합성 기법
아이디에이션인용 속도와 최신성으로 고른 논문이에요. 한국어 요약을 먼저 보고, 원문은 8개 섹션 풀 분석으로 이어갈 수 있어요.
Comprehensive exploration of diffusion models in image generation: a survey
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…
Synthetic Scientific Image Generation with VAE, GAN, and Diffusion Model Architectures
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 …
People are poorly equipped to detect AI-powered voice clones
생성형 인공지능(AI)의 급격한 발전은 텍스트, 오디오, 이미지, 비디오 등 다양한 형태의 콘텐츠가 인간이 생성한 콘텐츠를 모방하는 능력을 지속적으로 향상시키고 있습니다. 특히 음성 분야에서 AI 기술은 실제 사람의 목소리와 구별하기 어려울 정도로 정교해지고 있으며, 이는 사회적, 윤리적 문제를 야기할 수 있습니다. 본 연구는 일련의 지각 연구를 통해 AI 생성 음성의 사실성, 특히 신원 일치 및 자연스러움 측면을 평가했습니다. 참가자들에게 실제 음성과 AI 생성 음성을 들려주고, 두 음성의 동일성 여부와 AI 생성 여부를 판단하…
