| 1 |
1
오토 인코더(autoencoder) 구조의 생성자 네트워크에서 하나 이상의 인코딩 레이어 및 하나 이상의 디코딩 레이어를 선택하여 진짜 이미지(real image)에 대한 하나 이상의 가짜 이미지(fake image)를 생성하는 단계;상기 하나 이상의 가짜 이미지에 기초하여 학습 이미지 세트를 생성하는 단계; 및상기 학습 이미지 세트를 이용하여 가짜 이미지를 판별하기 위한 분류기를 학습시키는 단계를 포함하는, 가짜 이미지 판별 모델 학습 방법
|
| 2 |
2
청구항 1에 있어서,상기 학습 이미지 세트는, 상기 하나 이상의 가짜 이미지를 포함하는, 가짜 이미지 판별 모델 학습 방법
|
| 3 |
3
청구항 1에 있어서,상기 하나 이상의 가짜 이미지를 생성하는 단계는, 상기 하나 이상의 가짜 이미지 각각을 생성할 때마다 상기 하나 이상의 인코딩 레이어 및 상기 하나 이상의 디코딩 레이어를 임의로 선택하여 상기 하나 이상의 가짜 이미지를 생성하는, 가짜 이미지 판별 모델 학습 방법
|
| 4 |
4
청구항 1에 있어서,상기 하나 이상의 가짜 이미지를 생성하는 단계는, 상기 오토 인코더에 포함된 복수의 인코딩 레이어 중 입력 레이어로부터 순차적으로 하나 이상의 인코딩 레이어를 선택하고, 상기 오토 인코더에 포함된 복수의 디코딩 레이어 중 상기 선택된 하나 이상의 인코딩 레이어에 대칭되는 하나 이상의 디코딩 레이어를 선택하여 상기 하나 이상의 가짜 이미지를 생성하는, 가짜 이미지 판별 모델 학습 방법
|
| 5 |
5
청구항 1에 있어서,상기 하나 이상의 가짜 이미지를 생성하는 단계는, 상기 하나 이상의 디코딩 레이어 중 적어도 하나의 출력에 대해 안티-에일리어싱(anti-aliasing)을 수행하여 상기 하나 이상의 가짜 이미지를 생성하는, 가짜 이미지 판별 모델 학습 방법
|
| 6 |
6
청구항 1에 있어서,상기 학습 이미지 세트를 생성하는 단계는, 상기 하나 이상의 가짜 이미지를 이용하여 하나 이상의 합성 이미지를 생성하고,상기 학습 이미지 세트는, 상기 하나 이상의 합성 이미지를 포함하는, 가짜 이미지 판별 모델 학습 방법
|
| 7 |
7
청구항 6에 있어서,상기 하나 이상의 가짜 이미지를 생성하는 단계는, 상기 진짜 이미지에 대한 복수의 가짜 이미지를 생성하고,상기 하나 이상의 합성 이미지는, 상기 복수의 가짜 이미지 중 2 이상의 가짜 이미지를 합성하여 생성된 이미지를 포함하는, 가짜 이미지 판별 모델 학습 방법
|
| 8 |
8
청구항 6에 있어서,상기 하나 이상의 합성 이미지는, 상기 하나 이상의 가짜 이미지 중 적어도 하나를 다른 진짜 이미지와 합성하여 생성된 이미지를 포함하는, 가짜 이미지 판별 모델 학습 방법
|
| 9 |
9
청구항 6에 있어서,상기 학습 이미지 세트는, 상기 진짜 이미지 및 다른 진짜 이미지를 합성하여 생성된 진짜 이미지를 더 포함하는, 가짜 이미지 판별 모델 학습 방법
|
| 10 |
10
청구항 9에 있어서,학습시키는 단계는, 상기 하나 이상의 합성 이미지를 가짜로 분류하고, 상기 합성하여 생성된 진짜 이미지를 진짜로 분류하도록 상기 분류기를 학습시키는, 가짜 이미지 판별 모델 학습 방법
|
| 11 |
11
오토 인코더(autoencoder) 구조의 생성자 네트워크에서 하나 이상의 인코딩 레이어 및 하나 이상의 디코딩 레이어를 선택하여 진짜 이미지(real image)에 대한 하나 이상의 가짜 이미지(fake image)를 생성하는 가짜 이미지 생성부;상기 하나 이상의 가짜 이미지에 기초하여 학습 이미지 세트를 생성하는 학습 이미지 세트 생성부; 및상기 학습 이미지 세트를 이용하여 가짜 이미지를 판별하기 위한 분류기를 학습시키는 학습부를 포함하는, 가짜 이미지 판별 모델 학습 장치
|
| 12 |
12
청구항 11에 있어서,상기 학습 이미지 세트는, 상기 하나 이상의 가짜 이미지를 포함하는, 가짜 이미지 판별 모델 학습 장치
|
| 13 |
13
청구항 11에 있어서,상기 가짜 이미지 생성부는, 상기 하나 이상의 가짜 이미지 각각을 생성할 때마다 상기 하나 이상의 인코딩 레이어 및 상기 하나 이상의 디코딩 레이어를 임의로 선택하여 상기 하나 이상의 가짜 이미지를 생성하는, 가짜 이미지 판별 모델 학습 장치
|
| 14 |
14
청구항 11에 있어서,상기 가짜 이미지 생성부는, 상기 오토 인코더에 포함된 복수의 인코딩 레이어 중 입력 레이어로부터 순차적으로 하나 이상의 인코딩 레이어를 선택하고, 상기 오토 인코더에 포함된 복수의 디코딩 레이어 중 상기 선택된 하나 이상의 인코딩 레이어에 대칭되는 하나 이상의 디코딩 레이어를 선택하여 상기 하나 이상의 가짜 이미지를 생성하는, 가짜 이미지 판별 모델 학습 장치
|
| 15 |
15
청구항 11에 있어서,상기 가짜 이미지 생성부는, 상기 하나 이상의 디코딩 레이어 중 적어도 하나의 출력에 대해 안티-에일리어싱(anti-aliasing)을 수행하여 상기 하나 이상의 가짜 이미지를 생성하는, 가짜 이미지 판별 모델 학습 장치
|
| 16 |
16
청구항 11에 있어서,상기 가짜 이미지 생성부는, 상기 하나 이상의 가짜 이미지를 이용하여 하나 이상의 합성 이미지를 생성하고,상기 학습 이미지 세트는, 상기 하나 이상의 합성 이미지를 포함하는, 가짜 이미지 판별 모델 학습 장치
|
| 17 |
17
청구항 16에 있어서,상기 가짜 이미지 생성부는, 상기 진짜 이미지에 대한 복수의 가짜 이미지를 생성하고,상기 하나 이상의 합성 이미지는, 상기 복수의 가짜 이미지 중 2 이상의 가짜 이미지를 합성하여 생성된 이미지를 포함하는, 가짜 이미지 판별 모델 학습 장치
|
| 18 |
18
청구항 16에 있어서,상기 하나 이상의 합성 이미지는, 상기 하나 이상의 가짜 이미지 중 적어도 하나를 다른 진짜 이미지와 합성하여 생성된 이미지를 포함하는, 가짜 이미지 판별 모델 학습 장치
|
| 19 |
19
청구항 16에 있어서,상기 학습 이미지 세트는, 상기 진짜 이미지 및 다른 진짜 이미지를 합성하여 생성된 진짜 이미지를 더 포함하는, 가짜 이미지 판별 모델 학습 장치
|
| 20 |
20
청구항 19에 있어서,상기 학습부는, 상기 하나 이상의 합성 이미지를 가짜로 분류하고, 상기 합성하여 생성된 진짜 이미지를 진짜로 분류하도록 상기 분류기를 학습시키는, 가짜 이미지 판별 모델 학습 장치
|
