• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.246-248
• /
• 2019

최근 딥 러닝을 이용한 방법들이 이미지 분류에서 뛰어난 성능을 보임에 따라, 컴퓨터 비전의 중요한 문제 중 하나인 이미지 검색에도 이를 활용하고 있다. 특히, 이미지 검색에 사용할 수 있는 이미지 기술자 (Image descriptor)를 깊은 신경망 구조의 일부분인 Fully-connected layer에서 추출하여 사용하는 방법들이 제시되고 있고, 이를 위해 알맞은 목적함수를 설계하여 깊은 신경망을 학습하는 것이 중요해지고 있다. 딥 러닝을 통해 얻은 이미지 기술자는 실수형 데이터로서, 한 장의 이미지를 수치화하여 표현하는 데 많은 메모리를 소모하게 된다. 이를 보완하기 위해 이미지 기술자를 작은 용량의 이진코드로 mapping 하는 해싱 (hashing) 이라는 과정이 필수적이나 이에 따른 한계점이 발생한다. 본 연구에서는 실수형 데이터가 갖는 거리 계산에서의 이점과 이진코드의 장점을 동시에 살릴 수 있는 Product Quantization 방식의 이미지 검색 방법을 이용하여 한계점을 극복하였다. 우리는 제안한 방법을 얼굴 이미지 데이터 셋에 실험하였고 기존 방식보다 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.318-321
• /
• 2021

최근 인터넷 플렛폼이 대중화되면서 영상물을 접하는 횟수가 늘어났다. 영상 선택에 있어서 대표 이미지가 중요한 역할을 하는데, 현재 빅데이터를 이용하여 개인 맞춤 서비스가 활성화 되면서 이를 이용하여 개인 맞춤 서비스로 특정인물 기반 대표 이미지 추출할 수 있게 된다면 영상 선택에 있어 소비자의 편의를 도우며 이목을 끌 수 있을 것으로 예상된다. 이에 본 논문은 영상 산업기술과 방송 통신 융합 서비스의 일환으로 특정인물 기반 대표이미지를 추출하는 서비스에 대해 연구하였다. 이를 위하여 얼굴 인식을 처리하는 컴퓨터 비전 기술을 이용하여 얼굴 인식 분야를 연구 개발하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.29-30
• /
• 2021

본 논문에서는 이미지 분류에 쓰이는 최신 모델로 CNN과 ImageNet을 기반으로 한 EfficientNet을 활용해서 Square, Oval, Oblong, Round, Heart 총 다섯 가지의 얼굴 모양으로 분류하는 task에 두 가지 데이터로 실험해보고 추가적으로 Image Augmentation 기법을 활용해 성능향상을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 춘계학술발표대회
• /
• pp.715-718
• /
• 2006

아바타를 이용한 얼굴 애니메이션은 가상 현실이나 엔터테인먼트와 같은 분야에서 많이 적용된다. 얼굴 애니메이션을 생성하는 방법에는 크게 3 차원 모델을 직접 변형시키는 기하학적인 변형 방법과 2 차원 이미지의 워핑이나 모핑방법을 이용한 이미지 변형 방법이 있다. 기하학적인 변형 방법 중 3 차원 모델을 변형시키기 위한 방법으로 RBF(Radial Basis Function)을 이용하는 방법이 있다. RBF 함수를 이용하여 모델의 부드러운 변형을 만들 수 있다. 이 방법은 모델의 임의의 한 점을 이동하게 되면 영향을 받는 정점들을 좀 더 자연스럽게 이동시킴으로써 자연스러운 애니메이션을 생성할 수 있다. 본 연구에서는 RBF 를 이용하여 3 차원 얼굴 메쉬 모델의 기하학적 변형을 통해 모델의 얼굴 표정을 생성하는 방법에 대해 제안하고자 한다. 얼굴 모델 변형을 위해 얼굴의 특징인 눈, 입, 턱 부분에 특징점을 정하고 각 특징점에 따라 영향을 받는 영역을 정하기 위해 얼굴 모델을 지역적으로 클러스터링한다. 각 특징점에 따라 영향을 받는 영역에 대해 클러스터링을 적용하고 RBF 를 이용하여 자연스러운 얼굴 표정을 생성하는 방법을 제안한다.

• 한국시뮬레이션학회논문지
• /
• 제20권4호
• /
• pp.13-20
• /
• 2011

현재 일상생활에서 얼굴 인식은 신원확인, 보안 등의 목적으로 사용되고 있다. 얼굴인식의 과정은 첫 번째로 얼굴이미지의 특징을 추출해야 한다. 다음으로 추출된 특징을 학습하고 그 중 학습이 잘된 식별력 있는 특징을 선택하게 된다. 그 이후 식별력 있는 특징을 이용하여 얼굴이미지를 인식하게 된다. 얼굴인식을 위해 사용하는 얼굴이미지의 특징의 수는 매우 많다. 이 많은 특징을 학습 및 인식에 다 사용할 경우 학습 시간과 컴퓨팅 자원의 효율성이 떨어지는 문제점을 가지고 있다. 이러한 문제를 해결하기 위해서 최근 여러가지의 Boosting 기법이 소개되어왔다. Boosting 기법은 특징을 효율적으로 선택하여 학습 알고리즘의 성능을 좋게해주는 기법이다. 그 중 MutualBoost라는 기법이 있는데 이 기법은 특징간의 상호정보를 이용하여 특징을 효율적으로 선택하게 하는 기법이다. 본 논문에서는 MutualBoost의 효과를 더 증대시키기 위해서 개별적인 특징학습이 아니라 특징들을 Group화하여 특징학습을 하는 GroupMutual-Boost기법을 제안한다. 특징들을 Group화 함으로써 특징의 학습 및 선택 시간이 줄어들게 되고 컴퓨팅 자원을 보다 효율적으로 사용할 수 있다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제17권1호
• /
• pp.9-16
• /
• 2011

본논문에서는 3차원 3D 얼굴 스캔 데이터와 사진 이미지를 이용하여 3D 얼굴 모델을 생성하고 향후의 얼굴을 예측하는 시스템 개발에 대해 기술한다. 본 시스템은 3차원 텍스처매핑, 얼굴 정의 파라미터 입력 도구, 3차원 예측 알고리즘으로 구성 되어 있다. 3차원 텍스처매핑 기능에서는 3D 스캐너로 획득한 얼굴 모델과 사진 이미지를 이용하여 특정 연령에서의 새로운 얼굴모델을 생성한다. 텍스처매핑은 3D 스캐너로부터 획득한 메쉬 데이터에 정면과 좌우 측면의 세 방향의 사진 이미지를 이용하여 매핑하였다. 얼굴 정의 파라미터 입력도구는 3차원 텍스처매핑에 필요한 사용자 인터페이스 도구로서, 얼굴 모델의 정확한 재질값을 얼굴 사진으로부터 얻기 워하여 사진과 3D 얼굴 모델의 특징점을 일치시키는데 사용된다. 본 연구에서는 한 얼굴의 향후 연령대에서의 얼굴 모델을 구하기 위하여 100여개의 얼굴 스캔 데이터베이스를 이용한 통계적 분석에 의해 재질값을 예측 계산하여 해상도 높은 재질값을 가지는 모든 연령대의 3D 얼굴모델을 구성하였다.

• 한국컴퓨터정보학회논문지
• /
• 제15권11호
• /
• pp.31-39
• /
• 2010

이미지를 사용하는 영상처리 시스템이나, 단순하게 특정 이미지를 보기를 원하는 일반 사용자에게 한 이미지 내에 특정 부분을 타 영역보다 높은 품질을 갖도록 한다면, 더 좋은 서비스를 제공할 수 있을 것이다. 특히 모바일 환경에서는 화면의 크기가 작으므로 우선적으로 보여야 될 부분이 필요하게 되었다. JPEG2000에서는 이러한 기능을 지원하고 있다. 하지만 구체적인 영역 추출 과정이나 서비스 기능은 없지만, 추가로 기능을 넣을 수 있도록 제공하고 있는데, 이것을 ROI(Region-of-Interest) 기법이라 한다. 본 논문에서는 인물이 포함된 이미지를 이용하여, 얼굴 영역이 가장 우선적으로 처리되고 높은 품질로 압축되도록 부가 서비스를 제공하는 것이다. 하나의 이미지가 사용자에게 서비스되기 전에 압축되고 저장되어야 하는데, 얼굴 영역은 배경 영역 보다 더 좋은 품질로 압축되고 배경은 품질을 상대적으로 떨어뜨리는 것이다. 전송될 때도 얼굴 영역은 우선적으로 전송하여 사용자에게는 훨씬 좋은 서비스를 제공할 수 있다. 또한 압축은 일반적인 방법으로 하고, 전송될 때 얼굴영역을 찾아 우선적으로 전송해도 된다. 얼굴영역 추출은 신경망 기반의 얼굴 검출 기법을 사용하고, 우선 처리는 JPEG2000의 EBCOT 기법을 사용한다. 실험은 여러 개의 얼굴이 포함된 이미지를 사용하며, 객관적인 평가와 주관적인 평가를 실시하며, 충분히 좋은 기법으로 증명되었다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권4호
• /
• pp.1-9
• /
• 2018

본 논문은 얼굴의 표정 변화를 통해 감정을 분석하는 방법으로 조현병의 초기 증상을 스스로 인지할 수 있는 감정 트레이닝 프레임워크를 제안한다. 먼저, Microsoft의 Emotion API를 이용하여 캡처된 얼굴 표정의 사진으로부터 감정값을 얻고, 피크 분석 기반 표준편차로 시간에 따라 변화하는 얼굴 표정의 미묘한 차이를 인식해 감정 상태를 각각 분류한다. 그리하여 Ekman이 제안한 여섯 가지 기본 감정 상태에 반하는 감정들의 정서 및 표현능력이 결핍된 부분에 대해 분석하고, 그 값을 이미지 색상 변환 프레임워크에 통합시켜 사용자 스스로 감정의 변화를 쉽게 인지하고 트레이닝 할 수 있도록 하는 것이 최종목적이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(D)
• /
• pp.214-215
• /
• 2012

본원적 큐브란 사용자의 얼굴을 다각면에서 추출하여 주성분분석(PCA: Principal component analysis)을 통해 다차원 정보를 통합하여 큐브형태로 표현된 것을 의미한다. 두 눈의 연결점과 입의 연결점을 이은 후 그 둘의 법선벡터를 얼굴의 방향으로 표현하는 것으로써 평면 사진에 얼굴방향을 부여한다. 그럴 경우 동일인물의 다양한 사진들을 모았을 경우 각 사진들이 얼굴방향을 달리하는 사진큐브로 표현될 수 있다. 이로써 기존에는 얼굴방향이 다른 동일인물의 사진을 정확하게 구분해 낼 수 없던 한계를 뛰어넘을 수 있다. 또한 큐브는 방향이 조금씩 다른 모든 사진을 저장할 필요가 없으므로 저장공간이 크게 절감되는 장점이 있다. 또한 단체 사진에서 개인의 이미지를 추출한 뒤 본 연구의 큐브와 매칭시켜 인물을 탐색하거나 소유한 이미지를 공유하는 기법을 포함한다. 결과적으로 큐브를 활용하여 효과적으로 인물탐색이 가능 해지는 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.404-406
• /
• 2000

캐리커처 생성 시스템은 입력된 인물 사진을 세그먼테이션을 통하여 특징(이목구비)을 추출하고, 추출된 특징정보를 이용하여 그와 유사한 특징정보를 가지는 캐리커처 이미지를 검색하여 매핑시키는 시스템이다. 캐리커처 생성 시스템에서는 얼굴의 대칭 구조를 이용하고 색상과 모양에 대한 정보를 이용하여 얼굴 각각의 특징(이목구비)을 캐리커처의 특징을 구분하는 특징정보로써 활용한다. 본 논문은 인물 사진을 세그멘테이션 처리하여 얻은 부분 영역 특징정보를 이용하여 그와 유사한 캐리커처를 자동으로 생성하는데 목적이 있다. 이 때 사용하는 대칭 구조는 씨앗 픽셀(seed pixel)을 추출한다. 특징정보는 색상의 경우 지역적인 색상정보는 이목구비를 더 뚜렷이 해주고, 전체적인 색상정보는 그 이미지의 피부색의 정보를 나타낸다. 모양의 경우 이목구비의 특징정보를 위해 불변모멘트가 주요하게 사용된다. 또한 데이터베이스는 얼굴의 세부사항(이목구비)에 대한 각각의 캐리커처로 구축되어 있고, 각 세부사항은 특징별 분류되어 있어야 한다. 이런 데이터베이스의 캐리커처와 추출된 얼굴 영상에서의 세부사항을 비교하여 유사도를 계산하고 이를 매핑하므로 개인의 특징을 가진 캐리커처를 자동으로 생성한다.