Core Concepts
본 논문은 실사 사진을 중국 수묵화 스타일로 변환하는 새로운 방법인 SRAGAN을 제안한다. SRAGAN은 주목성 검출을 활용하여 콘텐츠 정보를 보존하고 주목성 기반 적대적 학습을 통해 세부적인 수묵화 스타일을 생성한다.
Abstract
본 논문은 실사 사진을 중국 수묵화 스타일로 변환하는 문제를 다룬다. 기존의 이미지-대-이미지 변환 모델들은 수묵화 스타일 요소 전달로 인해 원본 이미지 콘텐츠 세부 정보가 쉽게 손실되는 문제가 있다.
이를 해결하기 위해 저자들은 주목성 검출을 이미지-대-이미지 변환 프레임워크에 도입하여 생성된 수묵화 그림의 콘텐츠 정보를 정규화한다. 주목성 맵은 두 가지 측면에서 콘텐츠 정규화에 활용된다:
주목성 IOU (SIOU) 손실을 통해 스타일 변환 전후 주목성 일관성을 명시적으로 정규화
주목성 적응형 정규화(SANorm) 레이어를 통해 주목성 정보를 생성기에 암시적으로 주입하여 콘텐츠 무결성 향상
또한 주목성 기반 적대적 학습을 제안하여, 주목성 마스크를 활용해 적대적 학습 주목을 주요 객체 영역에 집중시킴으로써 세부적인 수묵화 스타일 효과를 달성한다.
정성적 및 정량적 실험 결과는 제안 방법이 관련 선행 기법들에 비해 우수한 콘텐츠 무결성과 스타일 전달 품질을 보여줌을 일관되게 입증한다.
Stats
실사 사진과 생성된 수묵화 그림의 주목성 맵 간 교집합 면적 비율(IOU)이 높을수록 객체 구조 무결성이 높다.
생성된 수묵화 그림의 Fréchet Inception Distance(FID)가 낮을수록 실제 수묵화와의 분포 유사도가 높다.
Quotes
"본 논문은 실사 사진을 중국 수묵화 스타일로 변환하는 새로운 방법인 SRAGAN을 제안한다."
"SRAGAN은 주목성 검출을 활용하여 콘텐츠 정보를 보존하고 주목성 기반 적대적 학습을 통해 세부적인 수묵화 스타일을 생성한다."