This paper aims to bridge the gap between deep learning technology and visual content creation by proposing several methods for generating images and videos based on various types of user input through generative adversarial networks. Recently, deep neural networks have shown improved performance and rapid development in many fields. Specifically, generative adversarial networks that utilize the adversarial learning of two neural networks, a generator and a discriminator, produce very diverse and realistic result images. This work mainly consists of two major generative tasks. First, we propose a conditional video learning methodology based on adversarial neural networks. Second, we suggest new approaches to transferring real-world images and videos to the artistic domain. We show the effectiveness of the proposed methods by conducting extensive qualitative and quantitative experiments on diverse datasets.
본 논문은 다양한 형태의 유저 입력을 기반으로 이미지와 비디오를 생성하는 몇 가지 방법론을 제안하여 딥러닝 기술과 시각적 콘텐츠 제작 사이의 격차를 좁히는 것을 목표로 하였다. 최근 심층 신경망은 많은 분야에서 성능 향상과 발전을 이루어왔고 그중에서도 생성기와 판별기 두 개의 신경망을 이용하여 학습하는 적대적 생성 신경망은 굉장히 다양하고 사실적인 결과 이미지를 만들어내고 있다. 이 논문은 크게 두 가지의 생성 모델 학습 방향과 문제를 제시한다. 첫째로, 적대적 신경 생성망 기반의 조건부 비디오 학습 방법론을 제안한다. 두 번째로, 실제로 존재하는 이미지 및 비디오를 어떻게 예술적 도메인으로 전이할 수 있을지에 대해 다루고 그 해결 방안을 제안한다. 각 문제에서 제시되는 생성기는 여러 가지 데이터셋을 이용한 정성적, 정량적 실험을 통해 주어진 목표를 완성하는 결과들을 보여준다.
