초록
우리는 이진 희소 에지와 평면 색 영역에서만 상세한 이미지를 표현하기 위한 보편적인 이미지 재구성 방법을 제안합니다. 그림 그리는 과정에서 영감을 받아, 생성 적대 신경망(GAN) 기반의 우리의 프레임워크는 세 가지 단계로 구성됩니다: 모방 단계는 네트워크 초기화를 목표로 하며, 이어서 생성 단계에서는 초보적 이미지를 재구성합니다. 또한, 정교화 단계는 초보적 이미지를 최종 출력으로 세밀하게 조정하여 상세 정보를 포함시키는데 사용됩니다. 이 프레임워크는 희소 입력 정보로부터 풍부한 고주파 상세 정보를 생성할 수 있도록 합니다. 우리는 또한 이미지에서 스타일 잠재 공간을 암시적으로 분리하는 방법의 결함을 탐색하고, 우리의 모델에서 명시적인 색 영역이 제어 가능성과 해석 가능성 측면에서 더 우수한 성능을 보이는 것을 입증합니다. 실험에서는 현실적인 이미지를 재구성하고 손으로 그린 스케치를 만족스러운 그림으로 변환하는 데 있어 뛰어난 결과를 달성했습니다. 또한, 에지-이미지 변환 영역에서 우리의 모델 PI-REC은 현실성과 정확성을 평가하는 면에서 기존 최신 방법들을 양적 및 질적으로 능가하였습니다.