1 |
1
실제 이미지를 이용하여 페이크 이미지를 만드는 생성자(generator); 및상기 실제 이미지와 비교하여 상기 페이크 이미지를 판별하는 판별자(discriminator)를 포함하고,상기 판별자는,훈련 손실 함수를 이용하여, 상기 생성자에 의해 만들어진 페이크 이미지에 대해, 상기 페이크 이미지가 상기 실제 이미지보다 얼마나 덜 현실적인지, 그리고 상기 실제 이미지가 상기 페이크 이미지보다 얼마나 더 현실적인지에 대한 확률을 출력하는 것을 특징으로 하는,비지도 학습 기반의 깊이 예측 시스템
|
2 |
2
좌측 실제 이미지 및 우측 실제 이미지 중에서 어느 하나를 이용하여 좌측 페이크 이미지 및 우측 페이크 이미지를 만드는 생성자(generator); 및상기 좌측 실제 이미지 또는 우측 실제 이미지와 비교하여 상기 좌측 페이크 이미지와 우측 페이크 이미지를 각각 판별하는 2 개의 상대론적 판별자(relativistic discriminator)를 포함하고,상기 판별자는,상기 생성자에 의해 만들어진 페이크 이미지에 대해, 상기 페이크 이미지가 상기 실제 이미지보다 얼마나 덜 현실적인지, 그리고 상기 실제 이미지가 상기 페이크 이미지보다 얼마나 더 현실적인지에 대한 확률을 출력하는 것을 특징으로 하는,비지도 학습 기반의 깊이 예측 시스템
|
3 |
3
메인 네트워크 및 서브 네트워크를 포함하고,상기 메인 네트워크는,좌측 실제 이미지 및 우측 실제 이미지 중에서 어느 하나를 이용하여 제1 쌍의 좌측 페이크 이미지 및 우측 페이크 이미지를 만드는 제1 생성자(generator); 및상기 좌측 실제 이미지 또는 우측 실제 이미지와 비교하여 상기 좌측 페이크 이미지와 우측 페이크 이미지를 각각 판별하는 2 개의 상대론적 판별자(relativistic discriminator)를 포함하고,상기 서브 네트워크는,상기 좌측 이미지 및 우측 이미지 중에서 다른 하나를 이용하여 제2 쌍의 좌측 페이크 이미지 및 우측 페이크 이미지를 생성하는 제2 생성자를 포함하되,상기 판별자는,상기 제1 쌍의 페이크 이미지 및 제2 쌍의 페이크 이미지 간의 대칭적 손실을 포함하는 훈련 손실 함수를 이용하여, 상기 제1 생성자에 의해 만들어진 페이크 이미지에 대해, 상기 페이크 이미지가 상기 실제 이미지보다 얼마나 덜 현실적인지, 그리고 상기 실제 이미지가 상기 페이크 이미지보다 얼마나 더 현실적인지에 대한 확률을 출력하는 것을 특징으로 하는,비지도 학습 기반의 깊이 예측 시스템
|
4 |
4
메인 네트워크 및 서브 네트워크를 포함하고,상기 메인 네트워크는,좌측 실제 이미지 및 우측 실제 이미지 중에서 어느 하나를 이용하여 제1 쌍의 좌측 페이크 이미지 및 우측 페이크 이미지를 만드는 제1 생성자(generator); 및상기 좌측 실제 이미지 또는 우측 실제 이미지와 비교하여 상기 좌측 페이크 이미지와 우측 페이크 이미지를 각각 판별하는 2 개의 상대론적 판별자(relativistic discriminator)를 포함하고,상기 서브 네트워크는,상기 좌측 이미지 및 우측 이미지 중에서 다른 하나를 이용하여 제2 쌍의 좌측 페이크 이미지 및 우측 페이크 이미지를 생성하는 제2 생성자를 포함하고,상기 판별자는,훈련 손실 함수를 이용하여, 상기 페이크 이미지가 실제 이미지보다 얼마나 덜 현실적인지, 그리고 상기 실제 이미지가 상기 페이크 이미지보다 얼마나 더 현실적인지에 대한 확률을 출력하되,상기 훈련 손실 함수는,적대적 손실(Adversarial Loss), GMSD(Gradient Magnitude similarity)를 이용한 이미지 재구성 손실(Image Reconstruction Loss), 인지적 손실(Perceptual Loss), 상기 제1 쌍의 페이크 이미지 및 제2 쌍의 페이크 이미지 간의 대칭적 손실(Symmetric Loss), 좌우 일관성(Left-right Consistency Loss) 손실, 및 Edge Aware Smoothness Loss 중에서 적어도 하나 이상을 포함하도록 구성되는 것을 특징으로 하는,비지도 학습 기반의 깊이 예측 시스템
|
5 |
5
실제 이미지인 좌측 이미지 및 우측 이미지 중 어느 하나에 기반하여 제1 쌍의 페이크 이미지를 생성하는 단계;상기 실제 이미지 중에서 다른 하나에 기반하여 제2 쌍의 페이크 이미지를 생성하는 단계; 및훈련 손실 함수를 이용하여, 상기 제1 또는 제2 쌍의 페이크 이미지가 상기 실제 이미지보다 얼마나 덜 현실적인지, 그리고 상기 실제 이미지가 상기 제1 또는 제2 쌍의 페이크 이미지보다 얼마나 더 현실적인지에 대한 확률을 출력하는 단계를 포함하되,상기 훈련 손실 함수는, 좌측 이미지와 우측 이미지 간의 대칭 손실을 포함하도록 구성되는,비지도 학습 기반의 깊이 예측 방법
|