• 한국컴퓨터그래픽스학회논문지
• /
• 제18권1호
• /
• pp.29-34
• /
• 2012

양질의 사면체 요소망은 유한요소법 기반의 변형체 시뮬레이션이나 사면체 기반의 유체 시뮬레이션 등에서 필수적이다. 본 논문에서는 옥트리 기반의 적응적 부호거리장을 이용하여 다각형 표면을 가진 물체의 내부를 양질의 이면각을 가진 사면체로 채우는 볼륨 요소망 구성 방법을 제안한다. 옥트리를 이용하여 물체 내부에서 표면까지 다양한 크기의 사면체를 이용하여 생성된 요소의 개수를 줄이며, 옥트리의 인접 셀들 사이의 레벨 차이를 제한하여 양질의 이면각을 가진 요소망을 얻는다. 옥트리 기반의 요소망 생성에 있어서 물체 표면까지의 부호거리를 구하는 것은 매우 중요한 연산이다. 본 논문은 하향식으로 생성한 옥트리의 꼭짓점들에서 부호거리장을 빠르게 구하는데 중점을 두고 있다. 본 논문에서 제안한 사면체 요소망 구성 방법은 실행 시간이 빠르고 안정적이며 구현이 쉬운 장점을 가지고 있다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제17권2호
• /
• pp.45-53
• /
• 2011

본 논문에서는 양질의 이면각을 가진 사면체로 물체 내부를 채우는 볼륨 요소망 구성 방법을 제안한다. 본 논문에서 제안한 방법은 실행시간이 빠르고 안정적이며 구현이 쉬운 장점을 가지고 있다. 효율적인 공간 활용을 위해 옥트리를 사용함으로써 물체 내부에서 표면에 이르기까지 다양한 크기의 사면체를 활용할 수 있다. 최소 이면각을 최대화하고 최대 이면각을 최소화하는 양질의 요소망을 얻기 위하여 옥트리의 인접 셀들 사이의 레벨 차이를 제한하며, 옥트리 및 요소망 생성 속도를 높이기 위하여 정규 격자에서의 부호거리장을 사용한다. 본 논문에서 제안한 요소망 구성 방법은 유한요소법 기반의 변형체 시뮬레이션이나 사면체 기반의 유체 시뮬레이션 등에서 유용하게 활용될 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.377-380
• /
• 2012

본 연구에서는 학습데이터의 빈도요소를 반영하도록 수정된 구조의 FMM 신경망을 소개하고, 이로부터 패턴 분류를 위한 지식 표현을 생성하는 방법론을 제안한다. 하이퍼박스 멤버쉽함수는 5종류의 퍼지 분할을 기반으로 설정한 구간에 대하여 소속정도를 반영하여 결정하며, 각 차원별로 특징범위의 폭과 빈도 요소로부터 가중치 값이 학습된다. 본 연구에서는 제안된 이론을 수화인식 문제를 대상으로 고찰하였다. 인식 시스템의 구성은 특징추출을 위하여 3차원으로 확장된 구조의 CNN 모델을 사용하였으며, 수화패턴 데이터의 표현은 모션 히스토리 볼륨(Motion History Volume) 구조를 기반으로 하였다. 6종류의 수화패턴 동영상으로부터 27개 특징요소를 추출하고 이를 사용한 FMM 신경망의 학습과정과 지식의 추출 과정을 실험으로 보이고 그 유용성을 고찰한다.