• 한국게임학회 논문지
• /
• 제20권6호
• /
• pp.53-62
• /
• 2020

피사계 심도 효과는 초점이 맞은 부분은 선명하게 나타나고, 그렇지 않은 부분은 흐리게 나타나는 효과를 뜻한다. 본 논문은 실시간 렌더링 환경에서 사용 가능한, 표준 정규 분포를 기반으로 한 샘플링 범위 계산 및 레이어 색상의 알파 블렌딩을 이용한 역방향 매핑 방식 기반의 피사계 심도 효과 구현 방법에 대해 제안한다. 효과 구현을 위해 착란원 크기 계산 방법, 착란원 크기의 표준 정규 분포를 통한 샘플링 영역 설정, 다층 레이어의 알파 블렌딩을 통한 색상 결정 및 디노이징을 통한 이미지 품질 향상 방법에 대해 서술한다.

• 대한전자공학회논문지SD
• /
• 제42권12호
• /
• pp.35-44
• /
• 2005

SoC 설계 기술의 발달로 하나의 칩 내에 집적되는 시스템이 다양한 기능을 수행함에 따라 높은 버스 대역폭이 요구되고 있으며, 시스템 버스의 성능이 전체 시스템의 성능에 큰 영향을 미치고 있다. 본 논문은 다중 마스터를 갖는 SoC용 플랫폼의 효율적인 버스 자원 관리를 위해 다층 구조를 갖는 공유 버스의 레이턴시 모델을 제시하였다. 제안된 모델을 이용하여 시스템의 특성과 레이어 및 마스터 수의 증가에 따른 버스의 레이턴시를 분석하였다. 레이턴시 모델을 통해 유도된 버스 처리량과 MPEG, USB2.0과 같은 IP를 포함하는 SoC플랫폼이 필요로 하는 처리량과의 비교를 통해 IP 수에 적합한 버스 레이어를 정량화하여 특정 SoC플랫폼에 최적인 멀티레이어 구조를 도출하였다. 끝으로 제안된 모델의 레이턴시와 MaxSim을 이용한 버스의 레이턴시를 비교하였을 때, 싱글레이어와 멀티레이어에서 각각 $96\%$와 $85\%$ 이상의 정확도를 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.873-876
• /
• 2004

사람의 동작을 인식하는 것에 대한 연구는 게임, 유비쿼터스 컴퓨팅 등의 발전에 따라 그 중요성이 증가하고 있다. 그러나, 대부분의 기존 연구에서는 극히 소수의 동작만을 정의하거나 특정 부위의 동작만을 다루므로 실제 응용에 적용하기에는 적합하지 않다. 본 논문에서는 특정 도메인의 사용 없이, 카메라 영상 입력으로 취득된 동작 패턴 정보만을 이용하여 40종 전신 연속 동작을 구분하는 동작인식 방법을 연구하였다. 인식에 사용된 입력 데이터는 동작자 관절들의 위치 및 회전 값들이며, 다수의 동작들을 인식하기 위해서는 기존의 인식 알고리즘들인 특징기반 인식, HMM, 신경망(Neural Network)등을 사용하여 복합적인 인식 엔진을 구성하여야 했다. 입력 데이터별로 적합한 인식 모듈을 거치게 하기 위해서는, 동작에 의한 입력 데이터에서 동작자 움직임의 주요 신체 부위를 추출함으로써 입력 데이터가 해당 그룹의 인식 모듈로 자동적으로 분류되게 하는 방법을 사용한다. 이는 다층의 인식 레이어 중 복잡도가 증가하는 하위 레이어일수록 자동 분류에 의해 걸러진 데이터만을 취급하게 되므로 효과적이다. 전체 실험 결과 단계별로 약 79~97%의 인식률을 보였다. 이는 향후 특정 컨텍스트 정보와 결합할 때 매우 높은 인식률을 기대할 수 있게 하는 수치이다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 추계학술대회
• /
• pp.117-118
• /
• 2016

최근 UHDTV(ultra high definition television)가 가정에 보급이 많이 되고 있는 추세지만, UHD급 콘텐츠가 매우 부족한 실정이다. 따라서 저해상도 FHD(full high definition) 영상을 고해상도 영상으로 변환시켜 재활용할 수 있는 초해상화(super-resolution, SR) 기술의 필요성이 커졌다. 그 중, 다층의 레이어로 구성된 다층 선형 매핑(multi-layer linear mappings, MLLM)을 기반으로 하는 제안된 초해상화 기법은 상대적으로 낮은 복잡도로 좋은 품질의 고해상도 영상을 복원할 수 있었다. 최근에는 강화 예측법을 추가하여 복원된 고해상도 영상의 품질을 더 향상시키는 기법이 등장하였는데, 이를 바탕으로 본 논문에서는 제안했었던 MLLM 기법을 위한 강화 예측법 기법을 새롭게 제안한다. 제안하는 초해상화 기법은 기존 MLLM 기법과 딥러닝 기반 초해상화 기법보다 높은 품질의 고해상도 영상을 생성하는 것을 확인하였다.

• 디지털융복합연구
• /
• 제12권12호
• /
• pp.513-520
• /
• 2014

인간은 유사 이래로 자신을 둘러싼 모든 것들을 본능적으로 미메시스(Mimesis)하고 환영(Illusion)을 생산하며 예술과 문화를 계승 발전시켜왔다. 그 대상으로는 단지 지시할 수 있는 객체만이 아닌 객체를 둘러싼 공간 역시 포함되었다. 르네상스 시대에 등장한 원근법은 서구 역사에 있어 공간을 바라보는 지배적인 방식으로서 자리를 잡았고, 근대 시각 체계를 형성하였다. 오랫동안 원근법에 기반 했던 공간의 연출방식은 디지털 미디어 시대에 접어들면서 다층적 구조를 내포한 수평적 데이터 구성이라는 개념으로 재정의 되었다. 이러한 구성적 특성은 보다 효율적이고 합리적인 방식으로 공간의 사실적 재현을 가능하게 만들었다. 공간의 연출방식은 시각 예술 문화에 있어서 하나의 방법론이라는 외피적 범주를 넘어 세상을 바라보는 인간의 가치관을 반영한다는 의미를 지니므로 디지털미디어 기반의 공간 연출방식에 대한 심도 있는 연구의 필요성이 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.9-11
• /
• 2016

최근 UHDTV(ultra high definition television) 등의 고해상도 디스플레이가 시장에 등장하면서, 기존의 저해상도 FHD(full high definition) 영상을 고해상도 영상으로 변환할 수 있는 초해상화(super-resolution, SR) 기법들이 각광을 받고 있다. 그 중, 선형 매핑(linear mapping)을 사용하여 저해상도 패치(patch)로부터 고해상도 패치를 복원하는 초해상화 기법은 상대적으로 낮은 복잡도로 좋은 품질의 고해상도 영상을 생성한다. 그러나 이러한 기법은 단순한 선형 매핑을 기반으로 하기 때문에 복잡한 비선형적(nonlinear) 저해상도-고해상도 관계를 예측하기 힘든 단점이 있다. 최근 각광받는 딥러닝(deep learning) 기술은 다층(multi-layer) 네트워크를 쌓아 입력과 출력 간의 복잡한 비선형 관계를 훈련시켜 좋은 성능을 보이는데, 이를 바탕으로 본 논문에서는 다중의 레이어로 구성된 다층 선형 매핑(multi-layer linear mappings, MLLM)을 기반으로 하는 초해상화 기법을 새롭게 제안한다. 제안하는 다층 선형 매핑은 기존 선형 매핑보다 비선형적 관계를 더 잘 예측하여 높은 품질의 고해상도 영상을 생성할 수 있게 한다. 제안된 초해상화 기법은 딥러닝 기반 초해상화 기법과 필적하는 품질의 고해상도 영상을 생성하면서도 더 낮은 복잡도를 지니는 것을 확인하였다.

• 한국항행학회논문지
• /
• 제17권6호
• /
• pp.658-663
• /
• 2013

본 논문에서는 비아 트랜지션을 이용하여 마이크로스트립 선로를 구현하고 이것을 이용하여 다층 레이어를 사용하여 링 하이브리드 결합기를 설계하였다. 여기서 사용된 트랜지션은 서로 다른 레이어에 존재하는 마이크로스트립 선로를 연결하기 위해서 비아를 사용한 샌드위치 구조이다. 컴팩트한 RF/ 마이크로웨이브 소자를 설계하기 위해서 이러한 비아를 이용한 마이크로스트립 선로의 구현은 긴 전송선로를 짧게 구현할 수 있다. 이러한 트랜지션의 유용성을 보이기 위해서 중심 주파수 2 GHz에서 링 하이브리드 결합기를 구현하였다. 그 결과 특성은 시뮬레이션과 거의 동일함을 확인하였고, 크기는 기존 것과 비교하여 50% 줄일 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.43-43
• /
• 2022

유해 조류 대발생은 전국 각지의 인공호소나 하천에서 다발적으로 발생하며, 경관을 해치고 수질을 오염시키는 등 수자원에 부정적인 영향을 미친다. 본 연구에서는 인공호소에서 발생하는 유해 조류 대발생을 예측하기 위해 심층학습 기법을 이용하여 예측 모델을 개발하고자 하였다. 대상 지점은 대청호의 추동 지점으로 선정하였다. 대청호는 금강유역 중류에 위치한 댐으로, 약 150만명에 달하는 급수 인구수를 유지 중이기에 유해 남조 대발생 관리가 매우 중요한 장소이다. 학습용 데이터 구축은 대청호의 2011년 1월부터 2019년 12월까지 측정된 수질, 기상, 수문 자료를 입력 자료를 이용하였다. 수질 예측 모델의 구조는 다중 레이어 퍼셉트론(Multiple Layer Perceptron; MLP)으로, 입력과 한 개 이상의 은닉층, 그리고 출력층으로 구성된 인공신경망이다. 본 연구에서는 인공신경망의 은닉층 개수(1~3개)와 각각의 레이어에 적용되는 은닉 노드 개수(11~30개), 활성함수 5종(Linear, sigmoid, hyperbolic tangent, Rectified Linear Unit, Exponential Linear Unit)을 각각 하이퍼파라미터로 정하고, 모델의 성능을 최대로 발휘할 수 있는 조건을 찾고자 하였다. 하이퍼파라미터 최적화 도구는 Tensorflow에서 배포하는 Keras Tuner를 사용하였다. 모델은 총 3000 학습 epoch 가 진행되는 동안 최적의 가중치를 계산하도록 설계하였고, 이 결과를 매 반복마다 저장장치에 기록하였다. 모델 성능의 타당성은 예측과 실측 데이터 간의 상관관계를 R2, NSE, RMSE를 통해 산출하여 검증하였다. 모델 최적화 결과, 적합한 하이퍼파라미터는 최적화 횟수 총 300회에서 256 번째 반복 결과인 은닉층 개수 3개, 은닉 노드 수 각각 25개, 22개, 14개가 가장 적합하였고, 이에 따른 활성함수는 ELU, ReLU, Hyperbolic tangent, Linear 순서대로 사용되었다. 최적화된 하이퍼파라미터를 이용하여 모델 학습 및 검증을 수행한 결과, R2는 학습 0.68, 검증 0.61이었고 NSE는 학습 0.85, 검증 0.81, RMSE는 학습 0.82, 검증 0.92로 나타났다.

• 한국전자파학회논문지
• /
• 제29권7호
• /
• pp.550-559
• /
• 2018

본 논문은 딥뉴럴네트워크(deep neural network: DNN)를 이용해 사람 걸음 및 배경잡음원에 의해 발생한 마이크로 도플러 신호를 탐지 및 분류 처리하는 연구를 제안한다. 기존 분류처리 연구는 경험 및 통계적인 방법을 통해 분류기 성능에 직접적으로 영향을 미치는 의미있는 특징을 추출하기 위한 복잡한 과정을 포함한다. 그러나 딥뉴럴네트워크는 다수의 레이어 층을 단계적으로 통과하는 과정을 통해 점진적으로 특징을 재구성 및 생성하므로, 별도의 특징 추출과정을 생략할 수 있으며, 자연스럽게 네트워크상에서 특징을 생성할 수 있는 이점이 있다. 따라서 본 논문에서는 마이크로 도플러 신호 인식을 위한 딥뉴럴네트워크 효과성 입증을 위해, 이진분류기와 다층클래스 분류기를 다층퍼셉트론과 딥뉴럴네트워크를 통해 설계하고 비교분석한다. 실험 결과, 다층퍼셉트론은 이진분류기의 경우 테스트세트에 대한 분류 정확도가 90.3 %로 측정되었고, 다층클래스 분류기의 경우 테스트세트에 대한 분류정확도가 86.1 %로 측정되었다. 딥뉴럴네트워크는 이진분류기의 경우 테스트세트에 대한 분류 정확도가 97.3 %로 측정되었고, 다층클래스 분류기의 경우 테스트세트에 대한 분류정확도가 96.1 %로 측정되었다.

• 한국문헌정보학회지
• /
• 제41권1호
• /
• pp.185-214
• /
• 2007

본 연구는 방송영상자료의 메타데이터 서지구조를 FRBR 참조모형 기반의 다층 레이어 구조로 개선함으로써 특정 관계 유형에 있는 방송영상물이 서지적으로 연계되게 하고 이용자가 탐색 목적에 따라 효과적으로 탐색할 수 있는 방안을 모색하였다. FRBR에 기반 하여 계층적인 방송영상자료 메타데이터 모형을 설계하고 실험시스템을 구축하였으며, 이에 대한 평가를 통해 실제 적용 가능성을 살펴보았다. 실험시스템은 FRBR 기반의 시청각 목록시스템인 네덜란드 시청각기구(B&G)의 iMMix 모형을 벤치마킹하였고, 단층구조 모형의 일반시스템과 비교하여 검색의 효율성, 시스템의 유용성을 평가하였다.