• Information and Communications Magazine
• /
• v.29 no.3
• /
• pp.75-82
• /
• 2012

스크린 기능을 갖는 다양한 종류의 디바이스들이 보급되고 개인당 여러 개의 디바이스를 소유함에 따라 하나의 컨텐츠 미디어를 여러 스크린 디바이스를 통해 서비스의 이용이 가능한 One-Source, Multi-Use (OSMU) 개념이 등장하였다. 이에 따라, 서비스 사용자는 특정 디바이스에 의존하지 않고 통일한 어플리케이션 서비스를 이용할 수 있다. 그러나 지금까지 연구된 멀티스크린 서비스 기술은 고정화된 노드간의 단순 컨텐츠 공유에만 초점이 맞춰져 있어, 서비스를 폭 넓게 확산시키는데 한계를 가지고 있어 왔다. 기존 멀티스크린 서비스를 실용화하고 발전시키기 위해서는 다양한 종류의 멀티미디어 스트리밍 지원과 사용자의 자유로운 이동성이 뒷받침되는 융합적인 이동성 관리의 프레임 워크의 마련이 요구된다. 본 논문은 기존 멀티스크린 서비스 연구에서 다뤄졌던 컨텐츠 공유 방안 및 비디오 코딩 연구 등과는 달리, 사용자의 다양한 이동성 시나리오를 전제로 세션 기반의 멀티스크린 서비스 지원을 위한 네트워크 구조 및 프로토콜 설계와 관련된 연구로서, 멀티스크린의 사용자의 이동성을 개인과 그룹으로 분류하고, 데이터 전송모드로서 유니캐스트/멀티캐스트 메커니즘의 사용을 가능케 하기 위한 멀티스크린 서비스 이동성 연구를 목적으로 이를 위한 요소기술 및 연구 내용의 소개에 초점을 맞춘다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.5
• /
• pp.584-590
• /
• 2020

Long-term use of digital screens in daily life can lead to computer vision syndrome including symptoms such as eye strain, dry eyes, and headaches. To prevent computer vision syndrome, it is important to limit screen usage time and take frequent breaks. There are a variety of applications that can help users know the screen usage time. However, these apps are limited because users see various screens such as desktops, laptops, and tablets as well as smartphone screens. In this paper, we propose and evaluate machine learning-based models that detect the screen device in use using color, IMU and lidar sensor data. Our evaluation shows that neural network-based models show relatively high F1 scores compared to traditional machine learning models. Among neural network-based models, the MLP and CNN-based models have higher scores than the LSTM-based model. The RF model shows the best result among the traditional machine learning models, followed by the SVM model.