• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06a
• /
• pp.315-316
• /
• 2008

스냅샷은 파일 시스템의 손상 또는 사용자의 부주의로 인한 데이터 손실을 방지하기 위한 기술로 크게 볼륨 단위로 스냅샷 이미지를 생성하는 방법과 파일 단위로 스냅샷 이미지를 생성하는 방법으로 나뉜다. 첫 번째 방법은 현재 널리 사용되고 있는 방법으로 스냅샷 이미지를 생성하는데 걸리는 시간이 짧고 디스크 관리가 용이하다는 장점과 생성된 이미지의 개수와 파일 시스템의 I/O 성능이 반비례한다는 단점을 가지고 있다. 두 번째 방법은 다수의 스냅샷 이미지를 생성한 후에도 파일 시스템의 I/O 성능이 저하되지 않는다는 장점과 스냅샷 이미지를 생성하는데 걸리는 시간이 파일의 개수와 비례한다는 단점을 가지고 있다. 본 논문에서는 기존의 파일 시스템 단위의 스냅샷 기능이 가지는 단점을 극복하기 위한 Open ROW Snapshot에 대해서 언급한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.942-945
• /
• 2019

현재 딥러닝은 컴퓨터 분야에서 이미지 처리 방법으로 활용도가 높아지면서 딥러닝 모델 개발 연구가 활발히 진행되고 있다. 딥러닝 모델 중에서 이미지 생성모델은 대표적으로 GAN(Generative Adversarial Network, 생성적 적대 신경망) 모델을 활용하고 있다. GAN은 생성기 네트워크와 판별기 네트워크를 이용하여 진짜 같은 이미지를 생성한다. 생성된 이미지는 실제 이미지와의 오차를 최소화해야 하며 이때 사용하는 함수를 손실함수라고 한다. GAN에서 손실함수는 이미지를 생성하는 학습이 불안정하여 이미지 품질이 떨어지는 문제가 있다. 개선된 GAN 관련 연구가 진행되고 있지만 완전한 문제 해결에는 부족하다. 본 논문은 7개의 GAN 모델에서 사용하는 손실함수를 분류하고 특징을 분석한다.

• The Journal of the Convergence on Culture Technology
• /
• v.10 no.3
• /
• pp.199-207
• /
• 2024

Today, AI image creation technology is being expanded and utilized across industries. Accordingly, various AI image creation programs optimized for the fashion industry are being developed and commercialized. In this study, we compared and analyzed the visual characteristics of fashion images created by AI image creation programs such as Playground, Midjourney, and The New Black to identify the characteristics of each program and point out areas where each program can be used and problems. The results are as follows: First, while Playground and Midjourney intuitively applied the contents of the command to create images that were different from actual fashion trends, Dannew Black created images that were relatively similar to fashion trends. Second, while Playground separates or combines images corresponding to the command content, Midjourny tends to create new images by adding and fusing various details. Third, in Playground, colors not included in the command appear randomly, and in The New Black, colors not included in the command appear coordinated, and Midjourney generates the color specified in the command relatively accurately. In conclusion, Midjourney can be used when seeking inspiration for developing unique and creative fashion designs, and The New Black can be helpful in referencing fashion trends or fashion styling. On the other hand, playgrounds can be somewhat confusing when it comes to color creation, so this is something to be careful about. It is expected that AI image creation tools can be used more efficiently in fashion design development.

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.6
• /
• pp.237-244
• /
• 2023

Today, AI is being applied to various industrial fields, leading to a paradigm shift in the overall industry. In the fashion industry, AI is also used to predict trends and provide various services for consumers, and in particular, AI image creation tools have the potential as a tool for fashion design development. This study investigated the possibilities and limitations of using Midjourny for fashion design development by creating images using Midjourney among AI image creation tools and identifying its characteristics. The characteristics of images created in Midjourney are as follows. First, it has the intuitiveness to create images by intuitively applying or combining images corresponding to commands. Second, there is randomness in which different images are generated when the same command is entered at different times. Third, when using existing images and commands together, the image created in Midjourney is more dependent on the existing image than the command. In conclusion, Midjourny's various image creation functions and the ability to change images according to commands can be helpful in developing original fashion designs. However, it is important to note that fashion designs that cannot be worn or made are sometimes presented. It is expected that the results of this study will serve as basic data for the use of AI image creation tools for fashion design development.

• Journal of Korea Game Society
• /
• v.5 no.1
• /
• pp.53-60
• /
• 2005

To produce deep, entertaining mobile content, a large number of images must be included. But because of the limits on runtime memory for mobile phones, images cannot be used as easily in a mobile environment as they are in a computer. Therefore in this paper, I propose several different methods for efficiently using images in a mobile environment. The various methods I propose for using images are: Creating images using compression/decompression and rotation/symmetry Creating images of several different colors by changing the palette index of a bitmap Creating images through image combination Creating background images by using tile maps Creating new images through effects.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.476-478
• /
• 2023

딥러닝은 컴퓨터 비전의 상당한 발전을 기여했지만, 딥러닝 모델을 학습하려면 대규모 데이터 세트가 필요하다. 이를 해결하기 위해 데이터 증강 기술이 주목받고 있다. 본 논문에서는 객체 추출 바운딩 박스와 원본 이미지의 바운딩 박스를 결합하여 합성 데이터 생성기법을 제안한다. 원본 이미지와 동일한 범주의 데이터셋에서 참조 이미지의 객체를 추출한 다음 생성 모델을 사용하여 참조 이미지와 원본 이미지의 특징을 통합하여 새로운 합성 이미지를 만든다. 실험을 통해, 생성 기법을 통한 딥러닝 모델의 성능향상을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.69-72
• /
• 2024

모델 역추론 공격은 공격 대상 네트워크를 훈련하기 위해 사용되는 훈련 데이터셋 중 개인 데이터셋을 공개 데이터셋을 사용하여 개인 훈련 데이터셋을 복원하는 것이다. 모델 역추론 방법 중 적대적 생성 신경망을 사용하여 모델 역추론 공격을 하는 과거의 논문들은 딥러닝 모델 전체의 역추론에만 초점을 맞추기 때문에, 이를 통해 얻은 원본 이미지의 개인 데이터 정보는 제한적이다. 따라서, 본 연구는 대상 모델의 중간 출력을 사용하여 개인 데이터에 대한 더 품질 높은 정보를 얻는데 초점을 맞춘다. 본 논문에서는 적대적 생성 신경망 모델이 원본 이미지를 생성하기 위해 사용되는 계층별 역추론 공격 방법을 소개한다. MNIST 데이터셋으로 훈련된 적대적 생성 신경망 모델을 사용하여, 원본 이미지가 대상 모델의 계층을 통과하면서 얻은 중간 계층의 출력 데이터를 기반으로 원본 이미지를 재구성하고자 한다. GMI 의 공격 방식을 참고하여 공격 모델의 손실 함수를 구성한다. 손실 함수는 사전 손실 및 정체성 손실항을 포함하며, 역전파를 통해서 원본 이미지와 가장 유사하게 복원할 수 있는 표현 벡터 Z 를 찾는다. 원본 이미지와 공격 이미지 사이의 유사성을 분류 라벨의 정확도, SSIM, PSNR 값이라는 세 가지 지표를 사용하여 평가한다. 공격이 이루어지는 계층에서 복원한 이미지와 원본 이미지를 세 가지 지표를 가지고 평가한다. 실험 결과, 공격 이미지가 원본 이미지의 대상 분류 라벨을 정확하게 가지며 원본 이미지의 필체를 유사하게 복원하였음을 보여준다. 평가 지표 또한 원본 이미지와 유사하다는 것을 나타낸다.

• Journal of IKEEE
• /
• v.27 no.3
• /
• pp.280-287
• /
• 2023

Deep learning advancements can solve computer vision problems, but large-scale datasets are necessary for high accuracy. In this paper, we propose an image generation technique using object bounding boxes and image edge components. The object bounding boxes are extracted from the images through object detection, and image edge components are used as input values for the image generation model to create new image data. As results of experiments, the images generated by the proposed method demonstrated similar image quality to the source images in the image quality assessment, and also exhibited good performance during the deep learning training process.

• Journal of Software Engineering Society
• /
• v.29 no.1
• /
• pp.13-21
• /
• 2020

As CNN model is applied to various domains such as image classification and object detection, the performance of CNN model which is used to safety critical system like autonomous vehicles should be reliable. To evaluate that CNN model can sustain the performance in various environments, we developed an image data augmentation apparatus which generates images that is changed background. If an image which contains object is entered into the apparatus, it extracts an object image from the entered image and generate s composed images by synthesizing the object image with collected background images. A s a method to evaluate a CNN model, the apparatus generate s new test images from original test images, and we evaluate the CNN model by the new test image. As a case study, we generated new test images from Pascal VOC2007 and evaluated a YOLOv3 model with the new images. As a result, it was detected that mAP of new test images is almost 0.11 lower than mAP of the original test images.

• Journal of KIISE:Databases
• /
• v.27 no.4
• /
• pp.562-571
• /
• 2000

이미지 데이터는 텍스트 데이터와는 달리 다양한 색상과 모양, 질감과 같은 비정형적인 특징을 가진다. 따라서 이미지 데이터베이스는 텍스트 기반의 전통 데이터베이스와는 다른 모델링 방법과 질의, 검색 방법을 사용한. 특히, 내용 기반 이미지 검색에서의 검색 속도와 정확도를 향상시키기 위해서는 새로운 복합 질의문 계획 생성 기법이 필요하다. 본 논문에서는 이를 위해 먼저, 단일 조건을 갖는 시각 질의에 대한 처리 기법들을 토대로 여러 조건을 갖는 복합 질의를 처리하기 위한 복합 질의문 계획 생성기법인 SSCC(Similarity Search for Conjunction Combination Query) 알고리즘을 제안한다. SSCC는 이미지 데이터베이스 검색 시스템에서 복합 질의를 처리하기 위한 질의 최적화 과정에서 질의 수행 시간과 투플 I/O를 최소화하는 질의문 계획을 생성하기 위해 사용된다. SSCC 알고리즘은 복합질의를 단일 질의들로 준해하고 퍼지 집합 이론을 도입하여 단일 질의의 결과들을 통합한다. 논문에서 연구된 내용 기반 복합 질의문 계획 생성 기법은 특정 이미지 영역에 국한되지 않으며 다양한 종류의 시각 질의를 수행하기 위한 효율적인 질의문 계획 생성 기법으로 사용될 수 있다.