기존 생성적 적대 신경망은 배경 흐림 처리 과정에서 입력 이미지 전체의 특징을 무차별적으로 추출하는 경우가 많아 네트워크가 전경과 배경을 구분하기 어렵고, 이로 인해 이미지 왜곡 현상이 발생하기 쉽다. 본 논문에서는 이미지 인지 정보를 도입하여 모델 성능을 향상시키는 이미지 인지 유도 CycleGAN 네트워크 기반 배경 흐림 방법을 제안한다. 이미지 인지 정보에는 주의 정보와 심도 정보가 포함되며, 전자는 네트워크가 서로 다른 전경 및 배경 영역에 주목하도록 유도하여 전경과 배경을 구분하게 하고, 후자는 전경 대상의 인지 정보를 강화하여 효과적인 스마트 포커싱을 실현하고 이미지 왜곡 현상을 줄여 배경 흐림 효과를 향상시킨다. 생성적 적대 손실 및 순환 일관성 손실을 최소화함으로써 심도 정보 손실을 방지하고 생성된 이미지 품질을 향상시킬 수 있다. 실험 결과 및 데이터는 제안된 방법이 배경 흐림 과정에서 전경과 배경을 효과적으로 구분하고 이미지 왜곡을 개선하여 생성 결과를 더욱 현실감 있게 함을 보여준다. 또한 기존 방법으로 생성된 이미지 효과와의 비교 평가를 설문 조사를 통해 수행하였다. 제안된 이미지 인지 유도 CycleGAN 네트워크 기반 배경 흐림 방법은 SOTA에 비해 생성 이미지 품질이 우수하며, 모델 크기와 생성 속도도 각각 56.10MB 및 47ms로 뚜렷한 장점을 가진다.

배경 흐림;이미지 인지;CycleGAN 네트워크;스마트 포커싱