• 멤브레인
• /
• 제31권1호
• /
• pp.16-34
• /
• 2021

물 공급은 늘어나는 담수 수요와 다르게 줄어들고 있다. 담수의 수요를 충당하기 위해서 나노여과법은 가장 효율적이고 경제적인 방법이라고 할 수 있다. 해수담수화를 위한 나노여과법의 일반적인 방법으로는 나노여과 멤브레인을 이용한 역삼투압 방식이다. 하지만 기존의 멤브레인들은 주요 특성인 안정성, 경제성, 그리고 살균 및 방오특성이 부족하다. 기존의 나노여과 멤브레인을 향상시키기 위해서 친수성과 방오성이 높은 흑연 산화물이 가장 향상성이 높으며 널리 연구되고 있는 재료이다. 멤브레인 변형은 다른 레이어에 적용될 수 있다. 얇은 막으로 이루어진 멤브레인은 다른 세 레이어로 구성되어 있다, 표면의 폴리아미드 레이어, 기공 레이어, 그리고 전체적인 구조를 구성하는 지원 직물이다. 정삼투압 토한 에너지 효율적인 해수담수화 방식이지만 효율이 생물 오염 때문에 떨어진다. 산화그래핀 결합은 향균 기능을 향상할 수 있으며 멤브레인 표면에 바이오필름 생성을 억제할 수 있다. 압력지연삼투는 해수에서 청정에너지를 발전시키는 최고의 방법 중 하나이다. 멤브레인의 생물 오염은 합성 폴리머 멤브레인의 합성 레이어에 산화 그래핀을 합성하여 줄일 수 있다. 나노여과 멤브레인을 개량하는 여러 연구가 각자의 장단점을 가지고 이루어지고 있다. 이 보고서는 나노여과 멤브레인의 개량, 성질, 그리고 성능에 대해 논의한다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제15권2호
• /
• pp.19-34
• /
• 2009

이 논문에서는 삼차원 메쉬를 이용한 자동화된 수묵화 렌더링 시스템을 소개한다. 먼저 수묵화의 특징을 분석하고 이를 바탕으로 수묵화 렌더링 시스템을 위한 요구사항을 제시한다. 또한 수묵화를 그릴 때 사용되는 중요한 단계들을 살펴본다. 이러한 분석에 기반하여 본 논문에서 제시하는 시스템은 다음과 같은 세 가지 레이어로 나누어진다: 중요선 레이어, 내부 칠하기 레이어 미디어 레이어. 본 논문의 가장 큰 특징은 사실적인 이미지 생성과 실시간 렌더링이라는 두 가지 요구사항을 모두 만족시킬 수 있는 새로운 방법을 제시한다는 점이다. 이 시스템은 몰골법, 백묘법, 구륵법 등 수묵화의 대표적인 세 가지 스타일을 쉽게 생성할 수 있다. 본 논문의 연구 결과는 컴퓨터 게임과 가상 환경 등 실시간 특성이 중요한 요소가 되는 어플리케이션에 바로 적용될 수 있을 것으로 예상된다.

• 한국콘텐츠학회논문지
• /
• 제21권1호
• /
• pp.203-209
• /
• 2021

메밀가루의 첨가량(0, 10, 20, 30, 40)을 다르게 제조한 옐로우 레이어 케이크의 품질 특성을 조사하였다. 반죽의 비중은 메밀가루 첨가량이 증가할수록 증가하였다. 케이크 단면의 색도는 메밀가루 첨가량이 증가함에 따라 L값과 b값(황색도)은 낮았으나, a값(적색도)은 증가하였다. 케이크 부피는 메밀가루 첨가량이 많을수록 부피가 작아지는 경향이었다. 케이크 대칭성 및 균일성지수는 대조구와 비교하여 유의적인 차이가 없었으나, 굽기손실률은 메밀가루 첨가 시 다소 낮게 나타났다. 경도는 대조구 보다 메밀가루 첨가량이 증가할수록 유의적으로 높게 나타났다. 관능검사에서 맛은 메밀가루 20% 첨가 시 높은 점수를 얻었으며, 조직감과 종합적기호는 메밀가루 20% 첨가 시까지는 대조구와 유의적 차이가 없었다. 따라서, 밀가루의 일부를 메밀가루로 대체하여 옐로우레이어케이크를 제조하는 경우에는 메밀가루 20% 수준 첨가 시 케이크의 품질이나 기호적 특성이 향상된 제품으로 제조 가능할 것으로 기대된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.301-302
• /
• 2018

본 논문에서는 대한민국 공항 관제권 구역과 비행금지구역을 표시하는 API를 이용하여 드론비행금지구역을 나타내는 서비스를 구현한 결과를 보인다. GIS(Geographic Information System) 응용 프로그램인 QGIS에 WMS(Web Map Service)를 이용하여 오픈 API를 연동하였다. 항공정보도 API로부터 얻은 관제권 및 비행금지구역, 비행제한구역 레이어 등을 결합하여 드론 비행금지구역에 대한 데이터를 가진 새로운 레이어를 생성하였다.

• 한국전자거래학회지
• /
• 제18권4호
• /
• pp.45-65
• /
• 2013

타겟 오브젝트의 복잡도가 높아질수록 디자인 파일의 사이즈도 커질 것이다. 이러한 큰 파일은 클라우드 시스템 같은 거대한 병렬 저장 시스템에 저장되고 수많은 디자이너들이 동시에 이 파일에 접속하여 디자인 작업을 수행하게 될 것이다. 이러한 경우 필연적으로 각 사용자가 정해진 파일 내 위치에서만 작업하도록 하는 제어 장치가 필요하게 될 것이다. 이 제어 장치에는 두 가지 접근 방법이 가능하다. 하나는 Role-Based Access Control(RBAC) 등의 전통적인 접근 제어 방법이고 다른 하나는 암호화 방법이다. 본 논문은 두 번째 방법을 택하되 파일이 각 레이어에 따라 다르게 암호화 되어 각 사용자가 자신의 레이어에서만 작업을 할 수 있도록 하는 기법을 제안하고 있다. 파일의 각 레이어의 키 역시 그 레이어를 접근할 수 있는 사용자만 복호화할 수 있는 형태로 암호화되어 저장된다. 본 논문은 이러한 목표를 이루기 위한 파일 포맷을 제시하며 그 파일을 다룰 수 있는 API 함수를 제시하고 설명한다.

• 한국멀티미디어학회논문지
• /
• 제12권7호
• /
• pp.903-912
• /
• 2009

모션캡쳐 데이터의 떨림 현상 수정이나 변형을 위한 기술 개발이나 애니메이션 타이밍 시트에 맞게 모션 캡쳐 데이터를 수정하는 것은 어려운 문제가 산적해 있다. 기존의 모션캡쳐 데이터 수정 방식은 능숙한 애니메이터의 키프레임 애니메이팅 작업과 같은 시간이 소요거나 혹은 더 많은 수정 시간이 걸리는 문제점이 있었다. 이런 문제점은 키 애니메이션 데이터 노드와 직접적인 블렌드 레이어와 대치 레이어 노드 생성을 통해 보다 효과적인 해결 방식을 만들 수 있다. 본 논문에서는 애니메이션 노드에 직접적인 연결을 위한 새로운 애니메이션 레이어 노드 생성으로 진행된 애니메이션 데이터 수정 없이 비선형 방식으로 애니메이션 데이터의 수정을 가능케 하는 방식으로 제시한다. 기술의 구현은 'Haya' API를 활용할 것이고 연구범위는 영화 VFX와 애니메이션 제작에 사용되는 'Maya' 3D 소프트웨어로 제한하였다. 본 연구 결과물은 기존의 비선형 방식보다 직관적이며, 애니메이션 클립을 만들 선행 작업이 필요 없고, 떨림 수정과 키프레임 추출이 가능하며, 특히 타 프로그램과의 호환이 직접적인 레이어 노드를 생성하여 모션캡쳐 데이터의 수정을 가능하게 한다. 마지막으로 기존의 애니메이션 수정방식들을 살펴보고 비교, 분석해 본다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 추계학술대회
• /
• pp.123-127
• /
• 2012

컴퓨터와 인터넷의 보급과 더불어 스마트폰의 확산으로 인하여, 하루에도 수많은 데이터가 생산되고 수정되고 있다. 이렇게 데이터양의 증가로 인하여 이를 안전하게 저장하는 방법이 새로운 문제로 떠오르고 있다. 이에 본 논문에서는, 계층 데이터 구조로 이루어진 다중 레이어 방식으로 빅 데이터를 저장하며 레이어별 암호화를 적용하는 새로운 보안 파일 Format과 이를 이용할 수 있는 API를 소개하고자 한다. 본 논문에서 소개하는 새로운 보안 파일 Format은 앞으로 많은 분야에 적용되어 사용되기를 기대한다.

• 대한공간정보학회지
• /
• 제20권3호
• /
• pp.83-90
• /
• 2012

본 연구에서는 BIM 관련 선행연구들의 고찰을 통해 BIM의 동향과 BIM 관련 소프트웨어 분석 및 문제점을 파악하고자 한다. 또한 토목분야에서의 BIM 특히, 지형공간정보기술 기반의 항만구조물 BIM구축을 위한 레이어 표준화 방향을 제시하였다. 본 연구를 통하여 기존 2차원 및 건축기반의 BIM의 문제점과 토목-BIM의 적용 필요성을 파악할 수 있었다. 또한, 항만구조물을 대상으로 한 지형공간정보기술 기반의 토목-BIM의 레이어를 제시하고, 부산항 국제여객터미널을 대상으로 구축한 기존 BIM과의 비교분석을 통하여 항만분야의 지형공간정보기술 기반의 토목-BIM 표준화 및 적용 방향을 제시할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제12권1호
• /
• pp.25-32
• /
• 2007

본 논문은 다양한 모션캡처 하드웨어 장비에 독립적인 응용 프로그램을 작성할 수 있도록 단일화된 추상 레이어를 설계하고 구현하였다. 설계한 추상레이어의 기능을 테스트하고 검증하기 위하여 광학식 모션캡처 시스템과 기계식 모션 캡처 시스템을 각각 AOA 파일과 BVH 파일을 이용하여 에뮬레이션 하였다. 응용 프로그램에서 추상레이어 함수의 호출에 의해 광학식 및 기계식 모션캡처 시스템을 각각 구동하고 시간에 따른 프레임 데이터를 Direct3D를 이용하여 애니메이션 하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.