• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10a
• /
• pp.139-141
• /
• 2000

인터넷 분야가 급성장 하면서 수많은 정보들 가운데에서도 멀티미디어 정보의 양이 급격히 증가하고 있으며, 특히 멀티미디어 정보 가운데에서도 이미지 데이터의 양이 급격히 증가하고 있다. 이러한 이미지의 양은 대규모이므로 사용자가 원하는 이미지를 찾기 위해, 이미지 데이터를 검색하기 위한 여러 가지 방법들이 많이 연구되어 왔다. 본 논문에서는 이미지 검색에서의 색상 질의를 비율로써 정확하게 검색하기 위하여 사람이 색상을 보고 느끼는 색상, 명도, 채도 방식을 이용해 이미지의 색상을 분류하였으며, 웹 브라우저 상에서 가 안정적인 색상을 나타내는 웹 칼라를 이용해 색상을 60도씩 분리하여 분류하였다. 이러한 분류 결과를 이미지 검색에 적용하여 색의 비율단위로 다양하고 정확한 검색을 할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.333-336
• /
• 2003

컴퓨터와 네트워크의 처리속도 증가와, 인터넷의 발달로 인하여 이미지, 사운드, 동영상 등 각종 멀티미디어 정보가 인터넷상에 다수 등록되고 있으며, 이에 대한 검색 요구도 증가하고 있다. 그에 따라 다양한 멀티미디어 정보 검색을 위한 방법이 연구되고 있지만, 그에 대하 활용도는 미미하며, 데이터 베이스에 등록된 단순 멀티미디어 정보 검색에 머물고 있는 실정이다. 이에 본 연구는 인터넷상의 멀티미디어 정보 중 이미지 정보를 능동적으로 수집, 정보를 추출하여 검색에 이용한다 이를 위하여, 이미지에 대한 text 정보와 이미지의 속성 및 Link 정보를 이용, 의미 있는 이미지와 의미 없는 이미지를 분류하여 검색의 효율을 높이고, 속성 및 Link 정보를 가중치로 사용함으로써 검색 시 이미지의 중요도를 평가할 수 있도록 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.688-690
• /
• 2005

Ontology를 이용한 대부분의 이미지 검색 시스템들은 중앙 집중적(Centralization)으로 구성되어 있어, 단일 이미지 제공자의 특정 지식기반의 이미지 검색을 제공한다. 이에 반해 메타데이터 기반의 분산 이미지 검색 시스템들은 이미지 제공자들의 자율성을 보장하기 용의하지만, 지식기반 이미지 검색을 제공하지 못한다. 본 논문은 위 시스템들의 단정들을 극복하기 위해 Web Services를 이용하여 다양한 이미지 제공자들의 자율성을 보장하면서, 지식기반 이미지 검색을 지원하는 프레임워크의 Architecture를 제안한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.258-261
• /
• 2022

최근 딥러닝 기술이 발전하면서 이미지를 설명하는 캡션을 생성하는 모델 또한 발전하였다. 하지만 기존 이미지 캡션 모델은 대다수 영어로 구현되어있어 영어로 캡션을 생성하게 된다. 따라서 한국어 캡션을 생성하기 위해서는 영어 이미지 캡션 결과를 한국어로 번역하는 과정이 필요하다는 문제가 있다. 이에 본 연구에서는 기존의 이미지 캡션 모델을 이용하여 한국어 캡션을 직접 생성하는 모델을 만들고자 한다. 이를 위해 이미지 캡션 모델 중 잘 알려진 Show, Attend and Tell 모델을 이용하였다. 학습에는 MS-COCO 데이터의 한국어 캡션 데이터셋을 이용하였다. 한국어 형태소 분석기를 이용하여 토큰을 만들고 캡션 모델을 재학습하여 한국어 캡션을 생성할 수 있었다. 만들어진 한국어 이미지 캡션 모델은 BLEU 스코어를 사용하여 평가하였다. 이때 BLEU 스코어를 사용하여 생성된 한국어 캡션과 영어 캡션의 성능을 평가함에 있어서 언어의 차이에 인한 결과 차이가 발생할 수 있으므로, 영어 이미지 캡션 생성 모델의 출력을 한국어로 번역하여 같은 언어로 모델을 평가한 후 최종 성능을 비교하였다. 평가 결과 한국어 이미지 캡션 생성 모델이 영어 이미지 캡션 생성 모델을 한국어로 번역한 결과보다 좋은 BLEU 스코어를 갖는 것을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.271-273
• /
• 1998

본 논문에서는 최근 발달된 컴퓨터 버전의 이미지 처리 기법들을 활용하여 이미지의 기본 속성(primary features)을 정의하고 이미지 검색에서의 효용성을 실험을 통하여 분석한 결과를 제시한다. 기본 속성으로는 색상, 질감, 모자익, 위치정보등을 선정하여 샘플 이미지들에 대한 속성값들을 데이터베이스로 저장하고 시각 질의들을 처리하는 검색 시스템 원형을 구현하여 실험하였다. 정의된 4가지 기본적 속성 중 색상, 질감, 모자익을 이용하는 내용 기반 검색이 기존 시스템과 비교하여 검색 적중률이 향상됨을 보였다. 제안된 이미지의 기본 속성들을 이용하면 실제 이미지 데이터베이스에 대한 질의 처리에 활용할 수 있는 인덱스를 구성할 수 있을 것이다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.724-727
• /
• 2003

현재 웹상의 이미지 갤러리에는 이미지와 함께 제목이나 설명이 포함되는 경우가 많다. 본 논문에서는 갤러리의 검색, 정렬 등의 기능을 강화하고 이미지와 정보의 통합을 위해서 JPEG 이미지의 헤더를 확장하여 이미지의 저작자, 만든 날짜, 설명, 파일크기 등의 텍스트 정보를 내장한 Text Embedded JPEG를 고안하였다. 이 Text Embedded JPEG를 이용한 웹 갤러리에서 이용자는 이미지에 대한 보다 자세한 정보를 볼 수 있고 이 각각의 정보들에 따라 정렬할 수도 있고 이미지 정보를 변경할 수도 있도록 설계하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.583-586
• /
• 2019

사진 촬영이나 영상에서의 단일이미지를 저장할 때, 결과이미지에 사용자가 중점을 둔 이미지 정보를 훼손하는 불필요한 장애물이 존재하는 경우가 있다. 본 논문에서는 훼손된 이미지의 정보를 복원하기 위해 불필요한 부분을 표시하여 제거하고, 그 결과 빈 이미지 공간을 근접한 색상 정보를 이용해서 보간하여 손상된 이미지를 최대한 복원할 수 있도록 구현했다.

• Journal of the Korea Computer Graphics Society
• /
• v.9 no.1
• /
• pp.11-18
• /
• 2003

본 논문에서는 회화적 렌더링에서 칼라변환을 이용한 브러쉬 스트로크의 생성에 관한 새로운 알고리즘을 제안한다. 본 논문의 브러쉬 스트로크 생성을 위한 전체적인 구성은 다음과 같다. 첫째, 두 장의 사진(한 장의 소스 이미지와 한 장의 참조 이미지)을 입력으로 하여 칼라 변환 이론을 적용하여 색상 테이블이 바뀐 새로운 이미지를 생성한다. 이 방법은 소스 이미지의 칼라 분포 형태를 창조 이미지의 칼라 분포 형태로 변환하기 위해, 선형 히스토그램 매칭이라 불리는, 간단한 통계학적 방법을 이용한다. 둘째, 가우시안 블러링과 소벨 필터를 이용하여 에지를 검출한다. 검출된 에지는 브러쉬 스트로크 렌더링 시 에지 부분에서 스트로크를 클리핑 함으로써 이미지의 윤곽선 보존을 위해 사용된다. 셋째, 브러쉬 스트로크의 방향을 결정하기 위한 방향맵을 생성한다. 방향맵은 입력 영상에 대한 영역 분할 및 병합을 토대로 만들어진다. 영역별 각 픽셀들에 대해 이미지 그래디언트에 기초한 일정한 방향을 부여함으로써 방향맵을 구성한다. 넷째, 구성된 방향맵을 참조하여 브러쉬 스트로크 생성의 기초가 되는 베지어 곡선(Bezier Curve)의 제어점(Control point)을 설정한다. 실제 회화작품에서 사용되는 브러쉬 스트로크는 일반적으로 곡선의 형태를 이루므로 곡선 표현이 가능한 베지어 곡선을 이용하여 브러쉬 스트로크를 표현하였다. 마지막으로, 생성된 브러쉬 스트로크를 에지부문에서 클리핑하고 배경색을 참조하여 블렌딩하거나 퐁 조명 모델을 이용하여 이미지에 적용하게 된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.36-39
• /
• 2020

최근 딥 러닝을 이용한 방법들이 이미지 분류에서 뛰어난 성능을 보임에 따라, 복잡한 특징을 담고 있는 얼굴 이미지에 대해 이를 적용하려는 시도가 늘어나고 있다. 특히, 이미지로부터 주요한 특징들을 추출하여 간결하게 이미지를 대표할 수 있는 이미지 기술자 (Image descriptor)를 딥 러닝을 통해 생성하는 연구가 인기를 끌고 있다. 이는 딥 러닝 끝 단에 있는 Fully-connected layer 의 출력으로 얻을 수 있으며 이미지의 의미론적 상관관계를 이용하여 학습된다. 구체적으로, 이미지 기술자는 실수형 벡터 데이터로서, 한 장의 이미지를 수치화 하여 비슷한 이미지 사이에는 벡터 거리가 가깝게, 서로 다른 이미지 사이에는 벡터 거리가 멀게 구성된다. 본 연구에서는 미리 학습된 인공 신경망을 통과시켜 얻은 얼굴 이미지 기술자를 활용하여 멤버 분류를 위한 두 개의 인공 신경망을 학습하는 것을 목표로 한다. 제안된 방법을 검증하기 위해 얼굴 인식에 널리 사용되는 벤치 마크 데이터셋을 활용하였고, 그 결과 제안된 방법이 높은 정확도로 멤버를 분류할 수 있다는 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.31-34
• /
• 2005

디지털 이미지의 양이 증가함에 따라 원하는 이미지를 정확하고 빠르게 찾을 수 있는 방법의 필요성이 증가하고 있다. 이미지 검색 방법으로는 이미지의 색상이나 명암과 같은 시각적 특성을 검색 조건으로 이용하는 내용 기반 검색과 이미지를 설명하는 키워드를 검색 조건으로 이용하는 키워드 기반 검색이 있다. 하지만 이러한 방법만으로는 사용자가 원하는 이미지를 정확하게 찾기 힘들다는 문제점이 제기되어 왔다. 따라서 최근에는 검색 도중 사용자의 응답을 받아 사용자의 요구를 파악함으로써 향상된 검색 결과를 제공하는 적합성 피드백에 대한 연구가 많이 진행되고 있다. 하지만 적합성 피드백을 이용하는 방법들도 원하는 결과를 얻기 위해서는 여러 번의 피드백을 필요로 하고 질의 수행이 완료된 후에는 얻어진 피드백 정보를 재사용하지 못한다는 단점이 있다. 따라서 본 논문에서는 이미지에 키워드를 연결한 후 사용자의 피드백 정보를 반영하여 키워드의 신뢰도를 조절함으로써 키워드 기반 이미지 검색의 정확도를 높일 수 있는 모델을 제안한다. 제안된 모델에서는 사용자로부터 피드백을 받은 이미지뿐만 아니라 긍정적 피드백을 받은 이미지들이 공통적으로 가지는 시각적 특성과 유사한 시각적 특성을 가지는 다른 이미지들까지도 키워드의 신뢰도를 조정함으로써 좀 더 빠른 시간 내에 검색 결과의 정확도를 높이도록 한다.