• Journal of Broadcast Engineering
• /
• v.23 no.3
• /
• pp.383-394
• /
• 2018

In this paper, we investigate image and video compression techniques based on deep learning which are actively studied recently. The deep learning based image compression technique inputs an image to be compressed in the deep neural network and extracts the latent vector recurrently or all at once and encodes it. In order to increase the image compression efficiency, the neural network is learned so that the encoded latent vector can be expressed with fewer bits while the quality of the reconstructed image is enhanced. These techniques can produce images of superior quality, especially at low bit rates compared to conventional image compression techniques. On the other hand, deep learning based video compression technology takes an approach to improve performance of the coding tools employed for existing video codecs rather than directly input and process the video to be compressed. The deep neural network technologies introduced in this paper replace the in-loop filter of the latest video codec or are used as an additional post-processing filter to improve the compression efficiency by improving the quality of the reconstructed image. Likewise, deep neural network techniques applied to intra prediction and encoding are used together with the existing intra prediction tool to improve the compression efficiency by increasing the prediction accuracy or adding a new intra coding process.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.07a
• /
• pp.289-291
• /
• 2016

본 논문에서는 VR의 발전과 함께 주목받고 있는 컴퓨터 비전 관련 기술들에 대하여 살펴보고, 가장 먼저 선행되어야 하는 이미지 필터링 알고리즘에 대하여 살펴 본다. 다양한 case에서의 여러 Image Filter를 구현, 성능을 비교 분석해 보고, 정확도를 향상 시킬 수 있는 방안에 대하여 연구한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.07a
• /
• pp.287-288
• /
• 2016

본 논문에서는 한 위치에서 여러방향으로 찍은 사진들을, Image Stitching 기술을 통해 Panorama 영상을 만드는 과정에 대해 연구한다. VR이 주목 받게 됨에 따라 스마트폰이나 360도 카메라를 사용하여 이미지 스티칭 기법을 사용하여 연속적인 사진을 보여주게 되는되 이를 구현 하기 위한 배경 연구들을 분석하고 구현해 봄으로 속도 향상을 아이디어들에 대하여 연구한다.

• Proceedings of the Optical Society of Korea Conference
• /
• 2002.07a
• /
• pp.246-247
• /
• 2002

OCT(Optical Coherence Tomography)는 실시간에 생체의 단면을 절개하지 않고도 고해상도의 단층 이미지를 얻을 수 있다는 장점을 지니고 있다. 이러한 면에서 OCT는 현재 사용되고 있는 여러 image modality들의 낮은 분해능을 해결할 수 있는 진보된 대안으로 각광을 받고 있다. 최근 OCT에서 가능한 이미지의 분해능은 수 $\mu$m 정도까지 보고되고 있다. (1) 이러한 OCT의 분해능은 사용하는 광원에 의해서 결정된다. (중략)

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.378-383
• /
• 2001

Intranet 환경에 다수의 유휴 호스트를 이용하여 많은 계산량을 지닌 응용 문제를 분산시켜 병렬 수행함으로써 효율성의 향상이 기대된다. 하지만 유휴 호스트를 이용하는데 있어서 이질성과 가변성 및 자율성으로 인해 요청에 대한 신뢰성을 예측하기가 어렵다. 본 논문에서는 태스크 할당 및 호스트 관리에 있어서 부하 균등을 위한 동적 분산 병렬 스킴인 적응적 태스크 재할당 기법을 제시한다. 또한, 이미지 랜더링 생성과 프랙탈 이미지 처리와 같은 많은 연산량을 지닌 응용 문제를 PDSWeb 시스템에 적용하여 제안 알고리즘의 성능을 분석하고 평가한다.

• Broadcasting and Media Magazine
• /
• v.25 no.2
• /
• pp.27-35
• /
• 2020

최근 많은 연구 결과물에서 빅데이터를 이용하여 학습된 뉴럴 네트워크가 영상 내 노이즈를 제거하는데 매우 효과적임이 입증되었다. 여기에서 한 걸음 더 나아가, 입력으로 주어진 노이즈가 있는 영상의 특징을 분석하여, 사전에 학습된 네트워크의 파라미터를 테스트 타임에 동적으로 업데이트함으로써 주어진 입력 영상을 더욱 잘 처리할 수 있도록 하는 연구들이 시도되고 있다. 본 원고에서는 이와 같이 테스트 타임에 주어지는 입력 영상을 네트워크 학습에 사용하는(self-supervision) 이미지 복원 기법들을 소개한다. 다음으로, 기존의 self-supervision을 이용하는 기법들 대비 학습 효율성과 정확도를 더욱 향상시킬 수 있는 새로운 형태의 네트워크 파라미터 업데이트 기법을 설명하고, 제안하는 기법의 우수성을 다양한 실험 결과를 통해 분석 및 입증한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.605-607
• /
• 2019

최적의 사진을 얻기 위해 시각적 방해요소들을 개선할 수 있는 기술들을 조사했다. CNN 모델을 활용한 HDR 이미지 재구성, 방해물과 원하는 피사체와의 깊이 차이에서 생기는 시차를 이용한 이미지 처리를 사용해서 시각적 방해요소를 개선하는 알고리즘을 기술했다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.1237-1239
• /
• 2011

본 논문에서는 다양한 상황에서의 정보 접근성을 향상시키기 위해 이미지를 검색 수단으로 사용하는 검색 시스템을 제안한다. 본 콘텐츠는 안드로이드 플랫폼 기반의 스마트폰에서 이미지를 얻어 텍스트를 추출하고, 이를 검색 엔진의 키워드로 입력하여 그 결과를 출력하는 과정을 거친다. 또한, 검색 결과를 스마트폰의 내장 데이터베이스에 저장하고, 이를 관리하여 추후에 재사용할 수 있도록 한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.218-220
• /
• 2021

본 논문에서는 CAR(content adaptive resampler)로 축소된 저해상도 이미지를 직접 다른 모델에 여러가지 방식으로 훈련을 시켜 성능을 개선시키고자 하였다. 본 논문에서는 단일 영상 super resolution 에 관하여 여러 기술이 존재하는 상황에 더 나은 기술을 테스트하려 하고 그를 위해 과거의 모델들에 대한 이해가 필요하여 이를 구현하였다. 현재 가장 뛰어난 성능을 보이고 있는 모델 중의 하나인 CAR 에서 복원 전 이미지를 사용하여 훈련을 시키면 더 나은 성능의 모델을 만들 수 있을 것이라고 가정하고 다양한 훈련을 통해 성능을 개선시키고자 하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• 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.