• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05d
• /
• pp.1141-1145
• /
• 2002

멀티미디어 컨텐츠는 재생될 때 각 객체에 설정된 재생시간과 다른 객체와의 시간 관계에 따라서 재생된다. 기존 멀티미디어 컨텐츠는 저작할 때 설정된 재생시간과 관계에 따라서 그대로 재생이 되었으나, 현재 제작되고 있는 대부분의 멀티미디어 컨텐츠는 재생 중에 사용자 이벤트에 의한 장면 변화를 지원하고 있다. 재생 중에 발생하는 사용자 이벤트는 이미 설정된 객체의 재생시간과 관계를 변화시킨다. 그러므로 객체에 사용자 이벤트에 대한 액션을 설정할 때에 그 객체에 설정된 시간 관계를 조사하여, 이벤트가 설정되어도 타당성 있는 컨텐츠 재생이 되도록 하기 위한 제약조건과 이벤트 설정 방법이 필요하다[1]. 본 논문에서는 객체 단위의 사용자 상호작용을 지원하는 멀티미디어 컨텐츠의 표준인 MPEG-4 컨텐츠에서 각 객체의 시간 관계 설정과 이벤트 설정이 타당성 있게 되도록 하는 방법을 제시한다. 사용자 상호작용을 고려하여 MPEG-4 컨텐츠를 구성하는 객체간 설정할 수 있는 시간 관계를 분석하고, 시간관계에 설정될 수 있는 사용자 상호작용의 유형을 분석하였다. 또한 객체간 올바른 관계 설정을 위한 제약 조건과 이벤트 처리방법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.298-300
• /
• 1998

비디오 데이터의 중요한 면 중에 하나는 시간 관계성을 지닌다는 것이다. 본 논문에서는 비디오 데이터가 계층적 구조로 표현 가능하며, 각각의 계층은 각기 시간의 흐름에 따라 시간적 관계를 지닌다는 특성을 반영하여, 이러한 관계를 기반으로 하여, 비디오 계층적 구조에 대한 시간 관계성(video structure temporal relationship), 비디오 객체들 간의 시간 관계성(inter video-data temporal relationship), 비디오 객체내의 시간 관계성(intra video-data temporal relationship)를 제시한다. 이러한 비디오 데이터의 시간적 관계를 계승, 캡슐화, 함수 중복 등의 객체지향 특성을 이용한다. ORDBMS에 통합함으로써 다양한 시간 산자(temporal operator)를 제공한다. 이로써 사용자에게 편리하고 단일한 인터페이스와, 좀더 다양한 시간 질의어(temporal query)를 제공할 수 있는 메카니즘을 제공한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.280-282
• /
• 2001

MPEG-4 컨텐츠는 다양한 사용자 상호작용에 의하여 장면과 객체의 재생 시간이 동적으로 변화하는 특징이 있다[1-2]. 그러므로 MPEG-4 컨텐츠를 생성할 때, 사용자 이벤트에 의하여 변화하는 시간 관계의 저작은 중요하다. 본 논문에서는 사용자 상호작용에 의하여 멀티미디어 객체간 시간 관계와 재생 시간, 재생 순서가 변화하는 시간 제약 모델을 제안한다. 그리고, 사용자 상호작용 지원 시간 제약 모델에 기반 한 MPEG-4 컨텐츠 저작 시스템인 MPEG-4 Studio를 제안한다. MPEG-4 Studio는 동적인 시간 관계를 지원하기 위하여 시간 관계 설정 GUI와 시간 관계 설정에 대한 제약 조건 검사, 시간 관계 정보에 대한 BIFS 변환을 제공하여 동적 시간 관계 정보를 포함한 MPEG-4 컨텐츠를 생성한다.

• Annual Conference on Human and Language Technology
• /
• 2017.10a
• /
• pp.301-304
• /
• 2017

시간정보추출 연구는 자연어 문장으로부터 대화의 문맥과 상황을 파악하고 사용자의 의도에 적합한 서비스를 제공하는데 중요한 역할을 하지만, 한국어의 고유한 언어적 특성으로 인해 한국어 텍스트에서는 개체간의 시간관계를 정확하게 인식하기 어려운 경향이 있다. 특히, 시간표현이나 사건에 대한 상대적인 시간관계는 시간 문맥을 체계적으로 파악하기 위해 중요한 개념이다. 본 논문에서는 한국어 자연어 문장에서 상대적인 시간표현과 사건 간의 관계를 추출하기 위한 LSTM(long short-term memory) 기반의 상대시간관계 추출 모델을 제안한다. 시간정보추출 연구에는 TIMEX3, EVENT, TLINK 추출의 세 가지 과정이 포함되지만, 본 논문에서는 특정 문장에 대해서 이미 추출된 TIMEX3 및 EVENT 개체를 제공하고 상대시간관계 TLINK를 추출하는 것만을 목표로 한다. 또한, 사람이 직접 태깅한 한국어 시간정보 주석 말뭉치를 대상으로 LSTM 기반 제안모델들의 상대적 시간관계 추출 성능을 비교한다.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.301-304
• /
• 2017

시간정보추출 연구는 자연어 문장으로부터 대화의 문맥과 상황을 파악하고 사용자의 의도에 적합한 서비스를 제공하는데 중요한 역할을 하지만, 한국어의 고유한 언어적 특성으로 인해 한국어 텍스트에서는 개체간의 시간관계를 정확하게 인식하기 어려운 경향이 있다. 특히, 시간표현이나 사건에 대한 상대적인 시간관계는 시간 문맥을 체계적으로 파악하기 위해 중요한 개념이다. 본 논문에서는 한국어 자연어 문장에서 상대적인 시간표현과 사건 간의 관계를 추출하기 위한 LSTM(long short-term memory) 기반의 상대시간관계 추출 모델을 제안한다. 시간정보추출 연구에는 TIMEX3, EVENT, TLINK 추출의 세 가지 과정이 포함되지만, 본 논문에서는 특정 문장에 대해서 이미 추출된 TIMEX3 및 EVENT 개체를 제공하고 상대시간관계 TLINK를 추출하는 것만을 목표로 한다. 또한, 사람이 직접 태깅한 한국어 시간정보 주석 말뭉치를 대상으로 LSTM 기반 제안모델들의 상대적 시간관계 추출 성능을 비교한다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.81-84
• /
• 2019

자연어 문장으로 작성된 문서들에는 대체적으로 시간에 관련된 정보가 포함되어 있을 뿐만 아니라, 문서의 전체 내용과 문맥을 이해하기 위해서 이러한 정보를 정확하게 인식하는 것이 중요하다. 주어진 문서 내에서 시간 정보를 발견하기 위한 작업으로는 시간적인 표현(time expression) 자체를 인식하거나, 시간 표현과 연관성이 있는 사건(event)을 찾거나, 시간 표현 또는 사건 간에서 발생하는 시간적 연관 관계(temporal relationship)를 추출하는 것이 있다. 문서에 사용된 언어에 따라 고유한 언어적 특성이 다르기 때문에, 만약 시간 정보에 대한 관계성을 고려하지 않는다면 주어진 문장들로부터 모든 시간 정보를 추출해내는 것은 상당히 어려운 일이다. 본 논문에서는, 양방향 구조로 학습된 심층 신경망 기반 언어 모델을 활용하여 한국어 입력문장들로부터 시간 정보를 발견하는 작업 중 하나인 시간 관계정보를 추출하는 기법을 제안한다. 이 기법은 주어진 단일 문장을 개별 단어 토큰들로 분리하여 임베딩 벡터로 변환하며, 각 토큰들의 잠재적 정보를 고려하여 문장 내에 어떤 유형의 시간 관계정보가 존재하는지를 인식하도록 학습시킨다. 또한, 한국어 시간 정보 주석 말뭉치를 활용한 실험을 수행하여 제안 기법의 시간 관계정보 인식 정확도를 확인한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.12 no.5
• /
• pp.828-836
• /
• 2008

This paper suggests a method for verification of temporal relations on SMIL 2.0 document using an extended temporal interval model. The SMIL 2.0 document has more asynchronous temporal relations and supports more interactive relations between objects than traditional SMIL document. But it is higher to produce temporal inconsistency by various interactive relations between objects. So the suggested verification method expresses SMIL 2.0 document as functional relations based on an extended temporal interval model and verifies SMIL 2.0 document using interactive relations and temporal intervals between objects. Applications to the verification method are as follows; multiuser interactive contents, online-learning, etc.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.308-310
• /
• 1999

정적 이미지도 시간 정보를 갖는다. 그래서, 정적 이미지 데이터에 시간 정보를 반영하여 시간적으로 연관된 이미지들간의 시간 관계성을 분석하고 표현하여, 사용자가 제시하는 시간 관계의 정보 요구 사항인 질의에 적절한 처리결과를 제공하는데 활용할 필요가 있다. 본 논문은 이미지에 표현될 수 있는 시간 정보를 추출하고 이 시간 정보를 바탕으로 이미지 도메인에 메핑되는 시간 도메인을 정의하며, 이미지들간의 시간 관계성을 표현하는 표현 구조를 설계하여 이중 그래프 모델의 표현 능력을 확장한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.24-26
• /
• 1999

멀티미디어 데이터베이스 시스템에서 프리젠테이션은 질의 결과 멀티미디어 데이터들을 처리하여 사람이 인식할 수 있는 형태로 사용자에게 보여주는 것을 말한다. 멀티미디어 데이터간에는 시간적인 관계와 공간적인 관계가 존재하고, 이 두 관계는 상호 긴밀히 연관되어 있으므로, 시간 관계와 공간 관계를 통합적으로 표현할 수 있는 기법이 필요하다. 특히, 여러 미디어들이 시간적으로 중요하므로 본 논문에서는 시간 관계와 공간 관계를 통합적으로 표현하여 프리젠테이션 할 때에 사용자가 제시한 미디어의 앞/ 뒤 관계를 동적으로 나타낼 수 있는 TSR(Temporal and Spatial Relationship) 트리를 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.211-214
• /
• 2021

다수의 태스크를 처리 가능하면서 일반화된 성능을 제공할 수 있는 모델을 구축하는 자연어 이해 분야의 연구에서는 멀티태스크 학습 기법에 대한 연구가 다양하게 시도되고 있다. 또한, 자연어 문장으로 작성된 문서들에는 대체적으로 시간에 관련된 정보가 포함되어 있을 뿐만 아니라, 문서의 전체 내용과 문맥을 이해하기 위해서 이러한 정보를 정확하게 인식하는 것이 중요하다. NLU 분야의 태스크를 더욱 정확하게 수행하려면 모델 내부적으로 시간정보를 반영할 필요가 있으며, 멀티태스크 학습 과정에서 추가적인 태스크로 시간적 관계정보를 추출하여 활용 가능하다. 본 논문에서는, 한국어 입력문장의 시간적 맥락정보를 활용할 수 있도록 NLU 태스크들의 학습 과정에서 시간관계 추출 태스크를 추가한 멀티태스크 학습 기법을 제안한다. 멀티태스크 학습의 특징을 활용하기 위해서 시간적 관계정보를 추출하는 태스크를 설계하고 기존의 NLU 태스크와 조합하여 학습하도록 모델을 구성한다. 실험에서는 학습 태스크들을 다양하게 조합하여 성능 차이를 분석하며, 기존의 NLU 태스크만 사용했을 경우에 비해 추가된 시간적 관계정보가 어떤 영향을 미치는지 확인한다. 실험결과를 통하여 전반적으로 멀티태스크 조합의 성능이 개별 태스크의 성능보다 높은 경향을 확인하며, 특히 개체명 인식에서 시간관계가 반영될 경우에 크게 성능이 향상되는 결과를 볼 수 있다.