AI 탐구노트

1. 서론 그래픽 디자인에서 벡터 이미지는 이미지의 해상도에 구애받지 않고 렌더링 가능하다는 특징을 가지고 있습니다. 선화(Sketch) 이미지가 벡터화 되면 공학 설계나 2D 애니메이션, 3D 프린팅 등 다양한 산업에서 폭넓게 활용될 수 있습니다. 하지만 스케치를 수작업으로 벡터화하는 것은 많은 시간과 노력이 소요되며, 복잡한 선화를 간소화하거나 사진에서 선화를 생성하는 작업은 더욱 까다롭습니다. 최근 머신러닝 기술은 복잡한 이미지 처리와 변환 작업에서 두각을 나타내고 있습니다. 그러나 기존의 벡터화 알고리즘은 주로 고정 해상도를 처리하거나 픽셀 기반으로 작동하며, 다소 제한적인 범용성을 갖고 있었습니다. 이러한 한계를 극복하기 위해 다양한 해상도의 입력 이미지를 처리하고 벡터화를 수행할 수 있는 범용..

1. 서론벡터 그래픽스는 우리가 사용하는 폰트, 로고, 그림 등에서 자주 사용됩니다. 픽셀로 이루어진 이미지와 달리 무한히 확대해도 깨지지 않고 파일 크기도 작아 다루기 쉽습니다. 하지만 이런 벡터 그래픽스를 만들려면 전문적인 기술이 필요하거나, 벡터 데이터를 학습하는 복잡한 인공지능 모델이 필요합니다. 게다가 벡터 데이터셋은 구하기도 쉽지 않죠.  이를 해결하기 위해 논문에서는 벡터 데이터 없이도 이미지 데이터를 사용해 벡터 그래픽스를 만드는 새로운 방법인 Im2Vec을 제안했는데 이 방법은 일반 이미지(레스터) 데이터를 학습하고, 이를 통해 벡터 형태의 그림을 생성할 수 있는 기술입니다. 2. 본론2.1 기존 방식의 문제점기존에는 벡터 그래픽스를 만들기 위해 벡터 데이터를 학습시켜야 했습니다. 예를 ..