• AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
PARTNER
검증된 파트너 제휴사 자료

LAB 색 공간 기반 손실 함수와 데이터 전처리를 이용한 향상된 이미지 조화 기법 (Enhanced Image Harmonization Scheme Using LAB Color Space-based Loss Function and Data Preprocessing)

7 페이지
기타파일
최초등록일 2025.05.21 최종저작일 2024.08
7P 미리보기
LAB 색 공간 기반 손실 함수와 데이터 전처리를 이용한 향상된 이미지 조화 기법
  • 미리보기

    서지정보

    · 발행기관 : 한국정보과학회
    · 수록지 정보 : 정보과학회논문지 / 51권 / 8호 / 729 ~ 735페이지
    · 저자명 : 김도연, 김은빈, 김현우, 황인준

    초록

    각기 다른 이미지에서 얻어진 전경과 배경을 합하여 새로운 이미지를 만드는 이미지 합성은 유용한 영상 편집 기술이지만 종종 명암이나 색감의 불일치로 인해 어색한 이미지를 만든다. 이러한 부조화를 줄이기 위한 이미지 조화 기술은 전경과 배경 사이의 색감을 사실적으로 일치시킬 수 있어 영상 편집 분야에서 큰 주목을 받았다. 기존 딥러닝 기반의 이미지 조화 모델들은 대용량 학습 데이터셋을 사용하여 잠재력 있는 조화 성능을 보였으나, 밝기를 효과적으로 고려할 수 없는 손실 함수를 사용하거나 밝기 분포가 편향된 데이터셋을 학습하여 다양한 밝기 조건에 일반화 성능이 떨어졌다. 이에 본 논문은 주어진 이미지의 밝기를 명시적으로 계산하는 LAB 색 공간 기반의 손실 함수와 밝기 분포가 균형된 데이터셋을 구축하기 위한 LAB 기반 전처리 방법을 통해 새로운 이미지 조화 기법을 제안한다. 공개 이미지 데이터셋에 대한 실험을 통하여 제안 기법이 다양한 밝기 조건에서도 강건한 조화 성능을 가짐을 입증한다.

    영어초록

    Image composition, which involves combining the background and foreground from different images to create a new image, is a useful technique in image editing. However, it often results in awkward images due to differences in brightness and color tones between the background and foreground. Image harmonization techniques aim to reduce this incongruity and have gained significant attention in the field of image editing. These techniques allow for realistic matching of color tones between the foreground and background. Existing deep learning models for image harmonization have shown promise in achieving harmonization performance through the use of large-scale training datasets. However, these models tend to exhibit poor generalization performance when the loss function does not effectively consider brightness or when the dataset has a biased brightness distribution. To address these issues, we propose an image harmonization scheme that is robust to variations in brightness. This scheme incorporates an LAB color space-based loss function, which explicitly calculates the brightness of a given image, and an LAB color space-based preprocessing scheme to create a dataset with a balanced brightness distribution. Experimental results on public image datasets demonstrate that the proposed scheme exhibits robust harmonization performance under various brightness conditions.

    참고자료

    · 없음
  • 자주묻는질문의 답변을 확인해 주세요

    해피캠퍼스 FAQ 더보기

    꼭 알아주세요

    • 자료의 정보 및 내용의 진실성에 대하여 해피캠퍼스는 보증하지 않으며, 해당 정보 및 게시물 저작권과 기타 법적 책임은 자료 등록자에게 있습니다.
      자료 및 게시물 내용의 불법적 이용, 무단 전재∙배포는 금지되어 있습니다.
      저작권침해, 명예훼손 등 분쟁 요소 발견 시 고객센터의 저작권침해 신고센터를 이용해 주시기 바랍니다.
    • 해피캠퍼스는 구매자와 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
      파일오류 중복자료 저작권 없음 설명과 실제 내용 불일치
      파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우 다른 자료와 70% 이상 내용이 일치하는 경우 (중복임을 확인할 수 있는 근거 필요함) 인터넷의 다른 사이트, 연구기관, 학교, 서적 등의 자료를 도용한 경우 자료의 설명과 실제 자료의 내용이 일치하지 않는 경우

“정보과학회논문지”의 다른 논문도 확인해 보세요!

문서 초안을 생성해주는 EasyAI
안녕하세요 해피캠퍼스의 20년의 운영 노하우를 이용하여 당신만의 초안을 만들어주는 EasyAI 입니다.
저는 아래와 같이 작업을 도와드립니다.
- 주제만 입력하면 AI가 방대한 정보를 재가공하여, 최적의 목차와 내용을 자동으로 만들어 드립니다.
- 장문의 콘텐츠를 쉽고 빠르게 작성해 드립니다.
- 스토어에서 무료 이용권를 계정별로 1회 발급 받을 수 있습니다. 지금 바로 체험해 보세요!
이런 주제들을 입력해 보세요.
- 유아에게 적합한 문학작품의 기준과 특성
- 한국인의 가치관 중에서 정신적 가치관을 이루는 것들을 문화적 문법으로 정리하고, 현대한국사회에서 일어나는 사건과 사고를 비교하여 자신의 의견으로 기술하세요
- 작별인사 독후감
  • 영화 <퍼스트 라이드.> 시사회 초대 이벤트
  • EasyAI 무료체험
해캠 AI 챗봇과 대화하기
챗봇으로 간편하게 상담해보세요.
2025년 10월 15일 수요일
AI 챗봇
안녕하세요. 해피캠퍼스 AI 챗봇입니다. 무엇이 궁금하신가요?
1:02 오후