• 디지털콘텐츠학회 논문지
• /
• 제15권6호
• /
• pp.701-710
• /
• 2014

본 논문에서 중심적으로 논의하고 있는 일본 장편 애니메이션의 의미작용 체계에 대한 접근은 궁극적으로 일본 장편 애니메이션에서 보이는 표현과 소통의 특징을 분석하는 것이다. 구체적인 스토리를 중심으로 하는 대부분의 캐릭터 애니메이션 작품은 의미작용 체계에 있어서 외시의미와 함축의미를 동시에 담고 있지만, 각 작품에서 추구하는 의미작용 체계의 특징에 따라서 미학적 표현과 소통의 경향이 다르게 나타난다. 본 논문은 방법론적으로 일본의 문화사회적 배경과 특징을 토대로 하여 일본 애니메이션에 나타나는 의미작용을 살펴보고 있다. 일본의 장편 애니메이션은 대체로 함축의미적인 의미작용 체계와 미학적 표현을 강조하며, 외시의미와 몰입을 강화하는 디즈니의 장편 애니메이션들과는 달리 관객 스스로가 작품에 담겨진 함축의미를 고찰하고 해석하도록 하는 경향이 두드러지게 나타난다. 그러므로 관객의 문화사회적 배경과 경험에 따라서 일본 장편 애니메이션이 전달하고자 하는 주제와 메시지, 그리고 추구하는 신화에 대한 임의적 해석과 수용이 발생할 수도 있다. 의미작용에 있어서 그러한 해석과 수용의 폭넓은 가능성은 문제점이라기보다는 일본 장편 애니메이션이 가지고 있는 차별적인 표현과 소통의 특징으로 보는 것이 바람직할 것이다.

• 과학기술정책
• /
• 제15권4호통권154호
• /
• pp.75-90
• /
• 2005

• 대학교육
• /
• 통권87호
• /
• pp.10-17
• /
• 1997

• 월간 양돈
• /
• 제21권9호통권241호
• /
• pp.118-122
• /
• 1999

• 과학기술정책
• /
• 제3권9호통권54호
• /
• pp.17-22
• /
• 1993

• 대학교육
• /
• 통권81호
• /
• pp.87-95
• /
• 1996

• 석유와에너지
• /
• 5호통권260호
• /
• pp.26-29
• /
• 2007

• 인터넷정보학회논문지
• /
• 제20권3호
• /
• pp.33-41
• /
• 2019

본 논문에서는 실내 공간 이미지의 의미론적 영상 분할을 위해 배경과 물체로 재설계된 클래스를 학습하는 방법을 제안한다. 의미론적 영상 분할은 이미지의 벽이나 침대 등 의미를 갖는 부분들을 픽셀 단위로 나누는 기술이다. 기존 의미론적 영상 분할에 대한 연구들은 신경망을 통해 이미지의 다양한 객체 클래스들을 학습하는 방법들을 제시해왔고, 긴 학습 시간에 비해 정확도가 부족하다는 문제가 지적되었다. 그러나 물체와 배경을 분리하는 문제에서는, 다양한 객체 클래스를 학습할 필요가 없다. 따라서 우리는 이 문제에 집중해, 클래스를 단순화 후에 학습하는 방법을 제안한다. 학습 방법의 실험 결과로 기존 방법들보다 정확도가 약 5~12% 정도 높았다. 그리고 같은 환경에서 클래스를 달리 구성했을 때 학습 시간이 약 14 ~ 60분 정도 단축됐으며, 이에 따라 물체와 배경을 분리하는 문제에 대해 제안하는 방법이 효율적임을 보인다.

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2003년도 추계학술대회 논문집
• /
• pp.45-46
• /
• 2003

배경대기(Background Atmosphere)란 배출원의 강도에 따라 다를 수 있으나 일반적으로 도시 또는 대규모의 발전소로부터의 영향이 적은 지역의 대기로써 인위적 오염원이 거의 없는 지역을 의미한다(WMO, 1978). 세계 기상기구(World Meteorological Organization: WMO)에서는 지구 대기가 인위 적인 오염원으로 인하여 생태계의 변화가 예상되고 인류의 생존이 위협받게 됨에 따라 이에 대한 대책으로 1969년에 배경대기오염관측망(Background Air Pollution Monitoring Network: BAPMoN)을 구축하여 장기적인 지구의 대기 환경 변화를 예측하기 위한 사업을 시작하였다. (중략)

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회
• /
• pp.324-329
• /
• 2016

의미역 결정은 자연어 문장의 서술어와 그 서술어에 속하는 논항들 사이의 의미관계를 결정하는 것이다. 최근 의미역 결정 연구에는 의미역 말뭉치와 기계학습 알고리즘을 이용한 연구가 주를 이루고 있다. 본 논문에서는 순차적 레이블링 영역에서 좋은 성능을 보이고 있는 Bidirectional LSTM-CRFs 기반으로 음절의 의미역 태그 분포를 고려한 의미역 결정 모델을 제안한다. 제안한 음절의 의미역 태그 분포를 고려한 의미역 결정 모델은 분포가 고려되지 않은 모델에 비해 2.41%p 향상된 66.13%의 의미역 결정 성능을 보였다.