표제지
목차
국문요약 8
1. 서론 9
2. 관련 연구 11
2.1. 스케치 기반 검색 연구 11
2.2. 이미지 간 변환 연구 12
2.3. 스케치 생성 연구 12
2.3.1. 톤이 포함된 스케치 생성 연구 12
2.3.2. 선 기반 스케치 생성 연구 13
3. 초상화 스케치 생성 품질 향상을 위한 전이 학습 14
3.1. 개요 14
3.2. 데이터 제작 15
3.2.1. 스타일 전이 15
3.2.2. 의미적 분할 맵을 이용한 잡음 제거 16
3.3. 스케치 생성 모델 16
3.4. 구현 및 결과 17
3.5. 평가 및 분석 20
3.5.1. 다른 모델의 결과와의 비교 20
3.5.2. 정량적 평가 22
3.5.3. 정성적 평가 24
4. 데이터 부적합을 해결하는 스케치 생성 모델 26
4.1. 개요 26
4.2. 데이터 27
4.3. 스케치 생성 모델 27
4.3.1. 스케치 생성 프레임워크 27
4.3.2. 생성 블록의 구조 28
4.4. 부적합을 해결하기 위한 손실함수 29
4.4.1. 부적합 맵 29
4.4.2. MA 손실 31
4.4.3. 손실함수 32
4.5. 구현 및 결과 32
4.6. 평가 및 분석 33
4.6.1. 다른 모델의 결과와의 비교 33
4.6.2. 정량적 평가 34
4.6.3. 확산 모델의 결과와의 비교 36
5. 결론 및 향후 연구 39
참고문헌 40
ABSTRACT 47
표 3.1. 비교 모델의 결과와 정확도 값의 비교. 가장 높은 수치를 붉은 색으로 표현하였다. 23
표 3.2. 비교 모델의 결과와 재현율 값의 비교. 가장 높은 수치를 붉은 색으로 표현하였다. 23
표 3.3. 비교 모델의 결과와 F1 점수 값의 비교. 가장 높은 수치를 붉은 색으로 표현하였다. 24
표 4.1. FDoG[3], photosketch[11], TLPS[44]와 제안된 모델의 결과의 FID 측정값의 비교. 입력 사진과 각 모델이 생성한 스케치 사이의 FID 점수를 측정했다. 35
표 4.2. FDoG[3], photosketch[11], TLPS[44]와 제안된 모델의 결과의 FID 측정값의 비교. GT 스케치와 각 모델이 생성한 스케치 사이의 FID 점수를 측정했다. 36