지역 적응형 텍스처 강화를 통한 세부 사항이 강조된 인물 이미지 합성

합성된 인물 이미지의 정밀도를 높이기 위해서는 사실성 있는 질감 정보를 생성할 수 있는 능력이 필수적이다. 그러나 기존의 방법들은 일반적으로 자세 전달에 사용되는 동일한 경로를 통해 외관 특징을 전파하는 '왜곡 기반(warping-based)' 전략을 따르고 있다. 그러나 이러한 방식은 다운샘플링 과정에서 대부분의 세밀한 특징 정보가 손실되게 되어 결과 이미지에서 옷의 질감이 과도하게 부드럽고 세부 정보가 누락되는 문제가 발생한다. 본 논문에서는 선명한 질감 세부 정보를 갖춘 인물 이미지를 합성하기 위한 새로운 프레임워크인 RATE-Net을 제안한다. 제안된 프레임워크는 추가적인 질감 강화 모듈을 활용하여 원본 이미지에서 외관 정보를 추출하고, 세밀한 잔차 질감 맵(Residual Texture Map)을 추정함으로써 자세 전달 모듈이 생성한 거친 추정 결과를 보정하는 데 기여한다. 또한, 두 모듈 간의 상호 지도 효과를 강화하기 위해 효과적인 교대 업데이트 전략을 설계하였다. DeepFashion 기준 데이터셋에서 수행한 실험을 통해 기존 네트워크들과 비교하여 본 프레임워크의 우수성을 입증하였다.