메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
정혜인 (한국전자기술연구원) 김보은 (한국전자기술연구원) 추연승 (한국전자기술연구원) 김충일 (한국전자기술연구원) 박한무 (한국전자기술연구원) 신사임 (한국전자기술연구원)
저널정보
대한전자공학회 대한전자공학회 학술대회 2022년도 대한전자공학회 하계종합학술대회 논문집
발행연도
2022.6
수록면
1,979 - 1,982 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Image inpainting is a technique that reconstructs a damaged region within an image. Several deep learning-based approaches have made considerable progress to generate realistic images. However, the conventional approaches tend to experiment on simple datasets, such as CelebA. These datasets only consist of images with similar structures. Hence, some existing methods are not suitable for images with complicated backgrounds. In this paper, we compare the performance of inpainting methods and find a suitable model for images with various objects. Moreover, we experiment on Places2 and Visual Genome to show that training with a dataset which has a large number of objects is better for inpainting real-world images.

목차

Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험 및 결과
Ⅳ. 결론 및 향후 연구 방향
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-569-001551593