무한한: 이미지 확장을 위한 생성적 적대 네트워크

이미지 확장 모델은 이미지 편집, 계산 사진술(computational photography) 및 컴퓨터 그래픽스 분야에서 널리 응용되고 있습니다. 이미지 인페인팅(image inpainting)은 문헌에서 많이 연구되었지만, 최신의 인페인팅 방법을 직접 이미지 확장에 적용하는 것은 어려움이 따르는데, 이는 이러한 방법들이 불일치한 의미론적 특성을 가진 뿌옇거나 반복적인 픽셀을 생성하기 때문입니다. 본 연구에서는 생성적 적대 신경망(generative adversarial network, GAN)의 판별자(discriminator)에 의미론적 조건부 부여(semantic conditioning)를 도입하여, 일관된 의미론적 특성과 시각적으로 만족스러운 색상 및 질감을 갖춘 강력한 이미지 확장 결과를 달성하였습니다. 또한 파노라마 생성 등의 극단적인 확장에서도 유망한 결과를 보였습니다.