• Information and Communications Magazine
• /
• v.32 no.3
• /
• pp.3-10
• /
• 2015

이 논문에서는 초다시점 비디오의 국제 표준화 동향을 소개한다. 초다시점 비디오는 기존 기술인 다시점 비디오와 비교하여 많게는 10배가 넘는 시점의 수를 지닌다. 따라서 초다시점 비디오를 통한 실감적인 3차원 영상의 재현은 차세대 영상 기술로 크게 각광받고 있다. 하지만 초다시점 비디오는 굉장히 많은 시점의 영상 정보 때문에 데이터양이 매우 커서 이를 전송하거나 저장하려면 초다시점 비디오 데이터의 효과적인 압축 기술이 필수적이다. 최근 여러 국가의 기업과 연구소에서는 초다시점 비디오의 압축을 위한 핵심 기술을 개발하면서 국제 표준화 작업을 면밀히 준비하고 있다.

• Information and Communications Magazine
• /
• v.27 no.3
• /
• pp.29-35
• /
• 2010

디지털 영상 기술의 발전과 함께 최근 3차원 영상 기술에 대한 관심이 높아지고 있다. 3차원 비디오는 고성능 비디오(high-performance video)와 함께 차세대 영상 기술로 각광받고 있다. 3차원 비디오는 사용자에게 자유로운 임의의 시점에서 입체감 있는 영상을 제공할 수 있다. 이 논문은 멀티미디어 전송에 관한 국제 표준화 기구인 MPEG의 다시점 비디오 부호화(multiview video coding, MVC)그룹과 3차원 비디오 부호화(3D video coding, 3DVC)그룹에서 다뤄진 3차원 비디오 부호화 기술을 소개한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2002.11a
• /
• pp.121-125
• /
• 2002

디지털 TV 서비스의 시작으로 시청자의 효율적인 방송 컨텐츠 이용의 필요성이 제시되었고, 이를 위한 사용자 맞춤형 서비스와 방송 컨텐츠의 특징 추출 및 표현 방법 등, 지능형 TV에 대한 연구가 수행되고 있다. 지능형 TV의 방송 컨텐츠의 비디오 요약과 비디오 하이라이트 등의 제작을 위해 MPEG-7 비주얼 기술자를 이용하여 비주얼 특성을 추출할 수 있다. 특히 비디오의 컬러 특징을 추출하는 MPEG-7 컬러 기술자를 이용한 특징 추출 위해서는 압축된 비디오를 복호하고 비디오의 프레임을 획득하여 특징을 추출하게 되지만, 이 과정은 비주얼 특징 추출 시간을 증가시켜 압축된 방송용 컨텐츠에 MPEG-7 컬러 기술자의 적용을 어렵게 한다. 본 논문은 압축된 비디오의 컬러 특성 추출 속도의 향상을 위해 비디오 압축 영역에서 MPEG-7 컬러 기술자를 적용할 수 있는 방법을 제안하였다. 압축된 비디오에서 DC 프레임을 추출하여 컬러 특징 추출 시간이 감소하였고 검색 율의 변화는 크지 않았다. 본 논문에서 제안한 방식은 방송용으로 압축된 비디오의 비주얼 특징을 고속으로 추출할 수 있는 방법으로의 활용이 가능할 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.1503-1506
• /
• 2005

비디오 코딩 기술과 더불어 디지털 비디오 장치의 급속적인 발전으로 최근에 디지털 비디오 시스템에 대한 관심은 극도로 향상되어 있다. 특히, 비디오 압축 기술을 바탕으로 하고 있는 디지털 비디오 레코딩 시스템, DVR은 실제로 채널 확장에 따른 영상의 압축과 복원이 실시간으로 변화되지 않는 비(非) 대층형 압축 기술에 대한 문제점과 화면정지 시의 화질 문제, 초당 녹화 프레임 수를 높이기 위한 압축 기술의 향상과 이에 따른 화질 저하 문제를 모두 해결할 수 있는 기술이 절실히 요구되어지고 있는 가운데, 본 논문에서는 비디오 채널의 확장에 따른 기술적인 부담을 안고 실시간으로 디지털로 기록하는 동안에 캡쳐된 비디오 프레임들의 다채널의 실시간 비디오 데이터 처리에 대한 효과적인 메모리 대역폭 제어와 PCI 대역폭을 제어하는 방법을 통해 시스템 내부의 계산상의 비용을 감소시키고 시스템의 성능을 향상 시킬 수 있는 방법을 제시하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.410-413
• /
• 2012

최근 많은 복제된 비디오들이 YouTube 등과 같은 비디오 포탈을 통해 유포되고 있다. 이는 명백한 저작권 위반과 서버 및 네트워크 과부화를 가져오기 때문에 복제된 비디 오를 검출하는 연구가 많이 이루어지고 있다. 이 중에서 비디오 단면도를 활용하여 시 간적인 변화를 특징으로 추출하는 방법들이 연구되었다. 그러나 현재 비디오의 프레임 간에 변화(차이) 정도가 복제 비디오 검출에 어느 정도 영향을 주는지에 대한 연구가 부족하다. 본 논문에서는 시간적 변화 크기에 따른 복제 비디오 검출 성능이 어떻게 변화하는지에 대한 연구를 TRECVID 2009 비디오를 기반으로 실험을 진행하였다. 본 논문의 실험에서는 프레임 간의 시간적 변화가 클수록 판별의 정확성도 향상되는 것을 알 수 있었다.

• Broadcasting and Media Magazine
• /
• v.22 no.1
• /
• pp.91-102
• /
• 2017

비디오 정보를 자동으로 학습하고 관련 문제를 해결하기 위해서는, 비디오의 기본 구성요소인 영상, 음성, 언어 정보의 학습을 기반으로 고차원의 추상적 개념을 파악하는 기술이 필수적이다. 최근 딥러닝이 실용적인 수준으로 이러한 기술을 가능하게 함에 따라, 보다 도전적인 비디오 스토리 분석과 이해 문제 해결을 시도할 수 있게 되었다. 본 고에서는 비디오의 요소별 분석에 적용 가능한 최신 딥러닝 기술을 소개하고, 딥러닝 기술을 핵심으로 한 TV 드라마의 스토리 분석 사례를 살펴본다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.223-224
• /
• 2018

기계학습 기반 비디오 화질 자동 측정 기술은 주관적 화질 평가를 대체하기 위한 기술로, 비디오를 입력 신호로 화질 평가 결과를 출력 신호로 하는 기계학습 모델을 통해서 개발하는 기술이다. 학습에 필요한 비디오 데이터 셋은 입력 신호인 비디오 시퀀스와 입력의 출력신호로 학습할 주관적 화질 평가 결과로 구성된다. 이때 데이터 셋의 일부는 기계학습 기반 비디오 화질 자동 측정 기술 개발 과정에서 학습에 사용하고, 남은 일부는 개발 기술의 성능 평가에 사용한다. 일반적으로 기계학습 기반 기술의 성능은 학습 데이터의 양과 질에 비례한다. 그러나, 기계학습 기반 비디오 화질 자동 측정 기술 개발에 필요한 데이터 셋은 주관적 화질 평가 결과를 포함해야 하므로, 데이터 양을 늘리는 것은 쉬운 문제가 아니다. 이에 본 논문에서는 압축 비디오에 대한 화질 자동 측정 기술 개발을 위해 필요한 데이터 셋을 양과 질적 측면에서 효율적으로 구축하는 방법을 제안한다. 양적 측면에서 효율성을 높이기 위해 부호화 복잡도와 평가 난이도 기반으로 시퀀스를 선정 방법을, 질적 측면에서 효율성을 높이기 위해 쌍 비교(Pairwise Comparison)기반의 주관적 화질 평가 방법을 제안한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.318-321
• /
• 2021

최근 정보통신의 발달과 함께 인터넷에 접속하는 사용자 수와 그에 따른 비디오 데이터의 전송량이 늘어나는 추세이다. 이렇게 늘어나는 많은 비디오 데이터를 관리하고 분석하기 위해서 최근에는 딥 러닝 기법을 많이 활용하게 된다. 일반적으로 비디오 데이터에 딥 러닝 모델을 학습할 때 컴퓨터 자원의 한계로 인해 전체 비디오 프레임에서 균등한 간격 또는 무작위로 프레임을 선택하는 방법을 많이 사용한다. 하지만 학습에 사용되는 비디오 데이터는 항상 시간 축에 따라 같은 문맥을 담고 있는 Trimmed 비디오라고 가정할 수가 없다. 만약 같지 않은 문맥을 지닌 Untrimmed 비디오에서 균등한 간격 또는 무작위로 프레임을 선택해서 사용하게 된다면 비디오의 범주와 관련이 없는 프레임이 샘플링 될 가능성이 있기 때문에 모델의 학습 및 최적화에 전혀 도움이 되지 않는다. 이를 해결하기 위해 우리는 각 비디오 프레임에서 심층 특징을 추출하여 평균값을 계산하고 이와 각 추출된 심층특징들과 코사인 유사도를 계산해서 얻은 유사도 점수를 바탕으로 Untrimmed 비디오에서 의미 있는 비디오 프레임을 추출하는 기법을 제안한다. 그리고 Untrimmed 비디오로 구성된 데이터셋으로 유명한 ActivityNet 데이터셋에 대해서 대표적인 2가지 프레임 샘플링 방식(균등한 간격, 무작위)과 비교하여 우리가 제안하는 기법이 Untrimmed 비디오에서 효과적으로 비디오의 범주에 해당하는 의미 있는 프레임 추출이 가능함을 보일 것이다. 우리가 실험에 사용한 코드는 https://github.com/titania7777/VideoFrameSampler에서 확인할 수 있다.

• Broadcasting and Media Magazine
• /
• v.27 no.2
• /
• pp.51-61
• /
• 2022

비디오 프레임 보간 기술은 연속되어 있는 두 개의 프레임 사이의 중간 프레임을 생성하는 기술로 비디오의 프레임율을 늘리거나 슬로우 모션 영상을 생성 시 사용된다. 최근 딥러닝 기술의 발전에 따라 다양한 알고리즘의 비디오 프레임 보간 기술이 연구되고 있다. 본 고에서는 이러한 기알고리즘들을 커널 기반 방식과 플로우 기반 방식으로 분류하고, 각 범주에 속하는 대표적인 알고리즘들의 특징 및 한계점에 대해 살펴본다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.305-308
• /
• 2000

IP 네트웍을 통해 실시간 비디오를 전송할 때 네트윅 특성을 고려하여 비디오 데이터를 부호하면 패킷 손실로 인한 품질 열화를 최소화하여 더 좋은 품질의 비디오를 얻을 수 있다. 이를 위해 현재 네트윅의 정보를 빠르고 정확하게 얻어내는 메커니즘과 부호화 변수를 네트윅 상황에 적응적으로 조절하여 패킷 손실에 강인한 압축 및 전송 메커니즘의 두 가지 기능이 요구된다. 첫번째 메커니즘은 RTP(Real Time Transport Protocol)을 통해 구현될 수 있으며, 두 번째 메커니즘을 위해 본 연구에서는 다중기술 변환부호화(Multiple Description Transform Coding) 기법을 적용한 비디오 부호화 알고리즘을 제안한다. RTP에서 제공하는 RTCP(Real Time Control Protocol) 정보를 이용하여 현재 네트웍 정보를 얻을 수 있으며, 다중기술 변환부호화 기법을 이용하여 현재의 패킷 손실률에서 최적의 품질을 보장하도록 부호화 변수를 조절할 수 있다. 본 논문에서는 다중기술 변환부호화 기법을 비디오 부호화에 적용하여 순수 비디오 정보에 추가되는 잉여 정보량과 패킷 손실에 대한 강인성 사이의 관계를 도출함으로써 다중기술 변환부호화 기법이 네트웍 적응적 부호화 방식에 적합한 방식임을 제시한다.