Residual Age Representation for Face Aging and Region-Wise Reliability Reweighting for SAR-to-Optical Translation : 얼굴 노화를 위한 잔차적 연령 표현 학습과 SAR-광학 변환을 위한 영역별 신뢰도 기반 재가중화

국문 초록 (Abstract)

이미지-투-이미지 변환은 입력 영상의 구조적 특성을 보존한 상태에서 목표 도메인의 시각적 특성을 생성하는 것을 목표로 하나, 변환 대상과 조건에 따라 구조 보존의 방식과 난제의 성격이 달라 단일한 모델링 전략에는 한계가 존재한다. 이에 본 연구는 SAR-to-Optical 변환과 얼굴 노화라는 서로 상이한 두 이미지-투-이미지 과제를 구조 보존 관점에서 재해석하고, 각 과제의 핵심 어려움을 직접적으로 겨냥한 과제 특화 프레임워크를 제안한다. SAR-to-Optical 변환에서는 이종 센서 특성으로 인한 기하 불일치와 스펙클 노이즈로 인해 영역별 신뢰도가 불균일하게 분포하는 문제가 성능 저하의 주요 원인임을 분석하고, 학습 가능한 정합 모듈과 신뢰도 기반 가중치 맵을 결합한 전역 손실 재가중 학습을 통해 구조 보존과 스펙트럼 복원을 동시에 달성한다. 얼굴 노화 과제에서는 표현 기반 반전과 잔차적 노화 표현 학습을 결합한 프레임워크를 통해 정체성과 얼굴 구조를 유지하면서 국소적인 노화 질감 변화를 제어하며, 본 논문에서는 해당 프레임워크를 구조 보존 관점의 확장 사례로 제시하고 보다 포괄적인 정량·정성적 평가는 향후 연구 과제로 남긴다.

목차 (Table of Contents)

• I Introduction 1
• II RelatedWork 4
• 1 Image-to-ImageandSAR-to-OpticalTranslation 4
• 2 FacialAgeTransformation 6
• III ProposedMethods 8
• 1 SAR-to-OpticalImageTranslation 8
• 1.1 Preliminaries:Cycle-ConsistentAdversarialNetworks 8
• 1.2 OverallFramework 10
• 1.3 RegistrationofCross-ModalityMisalignment 13
• 1.4 WeightMapGeneration 14
• 1.5 GlobalLossReweighting 17
• 2 FaceAging 18
• 2.1 Age-conditionedResidualNetwork 19
• 2.2 FeatureRepresentationInversion 21
• 2.3 ImageSynthesis 23
• IVExperiments:SAR-to-OpticalImageTranslation 25
• 1 ImplementationDetails 25
• 1.1 DataDescription 25
• 1.2 DatasetConfiguration 28
• 1.3 TrainingSettings 28
• 1.4 EvaluationMetrics 29
• 2 QualitativeEvaluation 29
• 3 QuantitativeEvaluation 32
• 4 AblationStudy 34
• 5 ComputationalCostAnalysis 35
• V Discussion 37
• References 40
• KoreanAbstract 43