• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.505-509
• /
• 2004

본 논문에서는 비디오 스트림 서버에서 의미 기반 검색을 가능하게 하기 위하여 대용량 스트림 데이터를 효과적으로 표현하고 저장하는 기법을 제시한다. 비디오 스트림 내의 각 프레임을 다차원 공간상의 점으로 사상함으로써 비디오 스트림은 다차원 시퀀스(multidimensional sequence)로 표현되고, 이 시퀀스는 다시 비디오 세그먼트로 분할된다. 분할된 세그먼트로부터 정적인 특성과 연속된 프레임의 움직임을 나타내는 트랜드 벡터(trend vector)등의 의미 정보를 추출하여 모델링 함으로서 스트림 데이터를 효과적으로 표현한다. 또한 제안된 기법은 효율적인 검색을 위하여 비디오 세그먼트를 인덱싱하고 저장하는 방법을 제공함으로써 공간 사용의 효율성을 높이고 신속한 검색을 가능하게 한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2000.04a
• /
• pp.445-448
• /
• 2000

XML은 HTML 의 단순성과 SGML의 복잡성을 동시에 극복하기 위한 노력으로 시작되어 인터넷 문서표현과 관련된 여러 분야에서 활발하게 연구되고 있다. SMIL은 멀티미디어 데이터를 XML 기반으로 표현하는 언어로서, 아직은 웹 브라우저 차원에서 지원해주는 브라우저가 많지 않지만, 다양한 멀티미디어 데이터를 동기화 시켜 표현하는 SMIL 의기능으로 볼 때 멀티미디어 데이터의 표현과 전송에 사용되는 중요한 표준으로 자리잡을 것으로 예상된다. 이 논문에서는 이러한 SMIL를 사용하여 멀티미디어 데이터를 편집할 때, 구축된 SMIl 문서의 실행결과를 미리 확인하고 이를 다시 SMIl 문서 편집에 적용할수 있도록 , 실시간 실행 기능이 포함된 텍스트 기반 SMIL 문서편집기를 설계 및 구현하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2000.04a
• /
• pp.149-152
• /
• 2000

3차원 물체 형상 모델링은 인식에 있어서 중요한 역할을 차지하고 있다. 기존의 픽셀(pixel)기반 영상표현은 물체 고유의 유기적 구조를 반영할 수 없고, 에지(edge)나 기반 물체 표현법은 물체의 자세한 표현이 가능하지만 물체인식을 위해서는 많은 양의 속성들을 만들어내게된다. 따라서 물체인식을 위해서는 물체의 형상특징을 직선적으로 기술할 수 있는 체적소 기반 물체 표현 방법이 필요하다. 본 논문에서는 몇 개의 파리미터를 이용하여 3차원 정보를 효과적으로 얻을 수 있는 superquadric과 이를 기본 단위로 한 CSG(Constructive Solid Geometry) tree를 이용하여 3 차원 물체 형상모델링에 대해서 기술한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.262-264
• /
• 1998

이미지 데이터베이스를 구성하여 사용자가 원하는 정보를 추출하는 의미 기반 검색을 지원하기 위해서는 이미지 내용에 관한 의미 정보들이 데이터 모델로 구조화되어야 한다. 본 논문에서는 다양한 정적 이미지 내용 정보들을 분류하고 그를 체계적으로 표현하기 위한 이미지 데이터 모델을 소개한다. 특히 본 이미지 데이터 모델은 그래프 이론을 이용하여 이미지내에 포함된 시각 객체들의 내용 정보를 표현하고 객체들간의 의미 관계를 정의한다. 이는 이미지 내용에 대한 정확한 정보 표현과 질의에 대한 이미지 검색 효율을 향상시킬 수 있으며 객체들간의 의미 관계를 이용한 질의와 검색을 가능하게 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.362-364
• /
• 1998

집합의 표현 방법에는 원소들을 그대로 가지고 있는 배열 형태와 유한한 집합에 한해서 0.1로써 표현하는 비트 벡터가 있다. 집합의 크기가 매우 클 때는 표현 방법과 연산 처리 기법이 저장 공간 및 처리 시간면에서 문제가 된다. 이 논문에서는 유한집합이지만, 범위가 매우 큰 집합에 대하여 집합 연산의 처리 기법들을 소개하고, 그 성능을 비교해 보고, 범위의 크기가 집합 연산에 참여하는 집합의 원소 수에 따른 좋은 집합 표현 방법과 집합 연산 처리 기법을 소개한다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2000.04a
• /
• pp.593-596
• /
• 2000

제한된 화면을 갖는 메뉴는 사용자에게 한번에 보여줄 수 있는 정보의 양이 제한되기 때문에 사용자와 전자제품간 상호작용의 곤란함을 드러내고 있다. 본 연구는 선택 가능한 항목 표시방식(3수준), 메뉴이동방식(2수준), 연령(2수준)의 3가지 실험변수를 사용하여 제한된 공간을 갖는 소형시각표시장치의 사용성 향상에 관하여 연구하였다. 실험을 수행하여 제한된 메뉴표현공간에서 사용되는 계층적 메뉴를 설계할 때, 사용자에게 보다 친밀하고 사용성이 좋은 메뉴표현방식에 대한 가이드라인을 제안함과 동시에 제한된 공간상의 메뉴표현방식에 대한 기초연구자료를 제시하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.295-298
• /
• 2001

본 논문에서는 실시간 대화 행위에서 미디어 사용 방법을 제안한다. 기존의 대화 행위에서 미디어의 사용은 대부분 HTML을 사용하여 지원하고 있지만, 대화 행위에 미디어의 직접적인 변형과 표현은 미흡하다. 그러므로 본 논문에서는 XML을 사용하여 미디어를 대화 행위에 직접적인 표현 방법을 제안한다. XML을 사용함으로서 미디어를 다양한 방법으로 효율적으로 표현할 수 있으며, 또한, 대화 행위를 위한 다양한 표현을 위한 수정이 용이하다. 제안한 방법의 응용 분야로는 원격 교육, 게임, 고객 관리 등이다.

• Proceedings of the KAIS Fall Conference
• /
• 2010.11b
• /
• pp.773-776
• /
• 2010

최근 CF의 추세는 인기스타보다 캐릭터 모델들이 대거 등장하여 시청자들의 이목을 끌고 있다. CF에 캐릭터가 활용되는 경우는 표현기법의 특수성과 무한한 표현 가능성을 생각할 때 정보전달 효율성과 고만고만한 광고의 홍수 속에 조금이라도 튀어보려는 차별화의 필요성에 의해서다. 이에 본 연구에서는 현재 국내 CF에서 다양한 기법으로 표현되는 캐릭터의 활용 현황을 살펴보고 광고 효과를 극대화 할 수 있는 표현방법을 제시하는데 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• pp.124-129
• /
• 1998

이미지 데이터베이스를 구성하여 사용자가 원하는 정보를 추출하는 의미 기반 검색을 지원하기 위해서는 이미지 내용에 관한 의미 정보들이 데이터 모델로 구조화되어야 한다. 본 논문에서는 다양한 정적 이미지 내용 정보들에 대한 내용 기반 검색과 의미 기반 검색을 제공하는 이미지 데이터 모델을 소개하고 이를 이용하여 이미지가 담고 있는 의미 정보를 표현하고 데이터베이스 스키마로 변환하여 저장하는 구조와 검색하는 방법을 소개한다. 본 이미지 데이터 모델은 이미지내에 포함된 시각 객체들의 내용 정보를 그래프 구조로 표현하고 객체들간의 의미 관계를 정의한다. 이는 이미지 내용에 대한 정확한 정보 표현과 질의와 검색을 가능하게 한다.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.176-178
• /
• 2018

트위터는 최대 140자의 단문을 주고받는 소셜 네트워크 서비스이다. 트위터의 해시 태그는 주로 문장의 핵심 단어나 주요 토픽 등을 링크하게 되는데 본 논문에서는 이러한 정보를 이용하여 키워드 추출에 활용한다. 문장을 Character CNN, Bi-LSTM을 통해 문장 표현을 얻어내고 각 Span에서 이러한 문장 표현을 활용하여 Span 표현을 생성한다. Span 표현을 이용하여 각 Span에 대한 Score를 얻고 높은 점수의 Span을 이용하여 키워드를 추출한다.