• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.47-53
• /
• 2021

본 논문에서는 초해상도(Super-Resolution, SR)을 계산하는데 필요한 물리 기반 시뮬레이션 데이터를 효율적으로 분류하고 분할하여 빠르게 SR연산을 가능하게 하는 쿼드트리 기반 최적화 기법을 제안한다. 제안하는 방법은 입력 데이터로 사용하는 연기 시뮬레이션 데이터를 다운스케일링(Downscaling)하여 쿼드트리 연산 소요 시간을 대폭 감소시킨다. 이 과정에서 연기의 밀도를 이진화함으로써, 다운스케일링 과정에서 밀도가 수치 손실되는 문제를 완화하며 쿼드트리를 구축한다. 학습에 사용된 데이터는 COCO 2017 데이터 셋이며, 인공신경망은 VGG19 기반 네트워크를 사용한다. 컨볼루션 계층을 거칠 때 데이터의 손실을 막기 위해 잔차(Residual) 보완 방식과 유사하게 이전 계층의 출력 값을 더해주며 학습을 진행한다. 실험결과가 연기의 경우 제안된 방법은 이전 접근법에 비해 약 15~18배 정도의 속도향상을 얻었다.

• 방송공학회논문지
• /
• 제15권1호
• /
• pp.133-143
• /
• 2010

본 논문은 영상을 효율적으로 부호화하면서도 자연스러운 압축 영상을 만들어내는 쿼드트리 영상 압축 기법을 제안한다. 제안하는 압축 기법은 유의미한 에지 선을 보존하기 위해서 에지-기반 쿼드트리 분할을 적용하고, 잎 노드 블록 사이의 높은 상관성을 활용하기 위해서 예측부호화 기법을 이용한다. 제안하는 압축 기법이 JPEG에 비해서 부호 효율이 27% 이상 개선됨을 $256\times256$ 휘도영상에 대한 전산실험을 통하여 검증하였다. 제안하는 압축 기법은 JPEG과 같은 고정 블록 부호화 기법에서 나타나곤 하는 압축 영상에서의 파문 현상을 발생시키지 않아서, 보다 자연스러운 압축 영상을 제공할 수 있다.

• 정보처리학회논문지B
• /
• 제14B권2호
• /
• pp.99-106
• /
• 2007

본 논문에서는 적응적 관심영역(AAW: Adaptive Attention Window)에 기반한 세포영상 분할 기법을 제안한다. 적응적 관심영역은 분할하기 위해, 명암지도를 이용하여 초기 관심윈도우(IAW: Initial AW)를 생성한다. 생성된 초기 관심윈도우는 쿼드-트리 분할을 이용하여 실제의 관심영역(ROI: Region of Interest)과 유사한 크기가 될 때까지 축소된다. 이렇게 생성된 적응적 관심윈도우는 세포 영상에서 배경을 제거하고 관심영역 추출의 처리 시간을 줄이기 위해서 사용된다. 마지막으로 적응적 관심영역 안에서 영역을 분할하고, 관심영역만을 분리하기 위한 영역 병합과 제거를 수행한다. 실험에서 제안된 기법은 세포영상의 관심영역을 효과적으로 분리하여 인간 시각과 유사한 향상된 영상 분할 결과를 보여준다.

• 한국게임학회 논문지
• /
• 제7권1호
• /
• pp.43-52
• /
• 2007

본 논문은 복잡하고 거대한 도시장면의 빠른 렌더링을 위한 기여도 컬링에 대한 새로운 방법을 제안한다. 시각 절두체 컬링 기술은 복잡한 장면의 빠른 렌더링에 사용된다. LOD를 지원하기 위해 영상 영역을 분할하고 가중치 쿼드트리를 생성한다. 현재 카메라 위치에서 보이는 객체들만 현재 쿼드트리의 요소가 되고 가중치는 쿼드트리의 각 객체에 할당된다. 가중치는 투사된 객체의 영상 영역에 비례하기 때문에 카메라로부터 먼 거리에 있는 큰 구조물들은 가까운 거리에 있는 작은 구조물들보다 컬링될 확률이 적다. 렌더링 시간은 보이는 객체들의 수에 독립적으로 거의 일정하다. 제안된 방법을 현재 개발 중인 새로운 대도시 구역에 적용했다. 제안된 방법은 기존의 방법과 같은 렌더링 질을 보장하며 다각형의 수를 약 9% 감소시킴을 확인하였다. 제안된 렌더링 방법은 복잡하고 거대한 장면의 고품질 실간 렌더링을 위한 응용 시스템에 효과적으로 사용될 수 있음을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.361-364
• /
• 2012

MPEG과 ITU-T에서 최근 표준화가 진행되고 있는 HEVC는 H.264/AVC에 비해, CU(coding unit), PU(prediction unit), TU(transform unit)의 다양한 형태 분할 단위를 갖는 것을 큰 특징으로 한다. 이 중, CU와 TU는 쿼드트리 형태의 재귀적 분할 구조를 가지도록 구성되는데, 압축 효율은 향상시키지만 높은 부호화 복잡도를 갖는 단점이 있다. 본 논문에서는 이러한 재귀적 분할 구조를 변환하여 가장 작은 CU의 정보를 병합하여 큰 CU의 정보를 빠르게 결정하는 방법을 제안한다. 제안한 방법을 HEVC의 CU 부호화에 적용한 결과, 부호화 복잡도를 32-45% 가량 감소시키면서 압축 효율 하락은 0.6-0.9%로 억제할 수 있었다. 또한, HM6.1에 구현되어 있는 고속 탐색 알고리즘과 비교 할 경우, 압축 효율 하락을 0.2-0.3%로 억제하면서 부호화 복잡도를 8-12% 감소시킬 수 있었다.

• 정보과학회 논문지
• /
• 제45권3호
• /
• pp.288-293
• /
• 2018

최근 공개되는 데이터에 적용하는 다양한 프라이버시 보호 기법들이 연구가 되어왔다. 그 중 차분 프라이버시는 본래의 데이터에 확률적인 노이즈를 더하여 공격자의 사전 지식에 상관없이 개인 정보를 보호한다. 기존 차분 프라이버시를 만족하는 k-평균 클러스터링은 데이터로부터 차분 프라이버시를 만족하는 히스토그램 형태로 바꾼 뒤. k-평균 클러스터링 알고리즘을 수행한다. 하지만 이는 데이터의 분포와 상관없이 등간격으로 히스토그램을 만들기 때문에 노이즈가 삽입되는 버킷이 많아지는 단점이 있다. 이를 해결하기 위해 본 논문에서는 데이터의 분포를 더 적은 버킷으로 나타낼 수 있는 쿼드 트리를 이용하여 히스토그램을 만든 뒤 k-평균을 찾는 알고리즘을 제안한다. 또한, 실험을 통해 기존의 알고리즘보다 더 좋은 성능을 가지는 것을 보인다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2009년도 정기 학술대회
• /
• pp.63-66
• /
• 2009

본 논문에서는 트림영역이 있는 NURBS 평면을 등기하 해석할 수 있는 방법을 제시한다. 기존 등기하 해석법으로 트림 NURBS 곡면을 해석하기 위해서는 해석 도메인이 여러 개의 사각형 패치로 분할되어있어야 한다. 그러나 본 연구에서 제안한 방법은 CAD에서 제공하는 트림곡선의 정보를 해석에 직접 사용할 수 있기 때문에 CAD 모델을 별도로 재구성해야하는 번거로움이 없다. NURBS 곡선 투영법을 이용하여 트림되는 요소를 찾고, 트림된 요소는 쿼드트리 분할법과 NEFEM에서 사용된 적분방법을 동시에 고려하면 어떤 경우의 트림 요소라도 적분이 가능하다. 다양한 수치 예제를 통하여 제안한 해석 방법을 검증하고, 기존의 등기하해석법으로 해석하기 어려운 다수의 트림영역이 존재하는 NURBS 평면을 해석하여 본 방법의 유용성을 검토한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2014년도 추계학술대회
• /
• pp.194-196
• /
• 2014

HEVC(High Efficiency Video Coding)는 재귀적 쿼드트리 분할 구조의 부호화단위(CU: Coding Unit)와 각 CU에서 다양한 예측단위(PU: Prediction Unit)를 제공하고, 율-왜곡 기반으로 최적의 CU와 PU를 결정함으로써 높은 부호화 효율을 얻을 수 있는 반면 부호화 복잡도 또한 크게 증가하는 문제가 있다. 본 논문에서는 부호화기의 복잡도를 감소시키기 위해 상위깊이의 부호화 정보를 이용한 고속 부호화 기법을 제안한다. 제안기법은 상위깊이 CU의 Sub-CBF(coded block flag)를 이용하여 현재깊이 CU에서의 PU를 조기 결정하여 PU 탐색을 고속화 한다. 또한 화면내(Intra) 예측 고속화를 위하여 현재 CU의 sub-CBF를 함께 사용하여 하위깊이에서의 화면내 예측을 생략한다. 실험결과 제안기법은 HM 14.0 대비 1.2%의 BD-rate 증가에 31.4%의 부호화 시간 감소 효과를 얻을 수 있었다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제25권3호
• /
• pp.105-113
• /
• 2019

물리 기반 유체 시뮬레이션은 고해상도 연산을 위해 많은 시간이 필요하다. 이 문제를 해결하기 위해 저해상도 유체 시뮬레이션의 한계를 딥 러닝으로 보완하는 연구들이 있으며, 그중에서는 저해상도의 시뮬레이션 데이터를 고해상도로 변환해주는 Super-resolution 분야가 있다. 하지만 기존 기법들은 전체 데이터 공간에서 밀도 데이터가 없는 부분까지 연산하므로 전체 시뮬레이션 속도 면에서 효율성이 떨어지며, 입력 해상도가 큰 경우에는 GPU 메모리가 부족해 연산할 수 없는 경우가 발생할 수 있다. 본 연구에서는 공간 분할 법 중 하나인 쿼드 트리를 활용하여 시뮬레이션 공간을 분할 및 분류하여 Super-resolution 하는 기법을 제안한다. 본 기법은 필요 공간만 Super-resolution 하므로 전체 시뮬레이션 가속화가 가능하고, 입력 데이터를 분할 연산하므로 GPU 메모리 문제를 해결할 수 있게 된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.162-165
• /
• 2020

본 논문에서는 차세대 비디오 압축 표준인 MPEG-5 Essential Video Coding (EVC) 에서 사용된 블록 분할 방식에 대해서 소개한다. EVC 에서 사용된 블록 분할 방식은 기존 비디오 압축 표준인 HEVC/H.265 에서 사용된 쿼드 트리(Quad-tree)가 아닌 이진 분할(Binary split)과 삼진 분할(Ternary split)을 사용한 Binary ternary tree(BTT) 기술을 사용하고 있다. 또한 기존 비디오 압축 기술과 달리 분할된 블록의 코딩 순서를 정해서 사용 할 수 있는 Split unit coding order (SUCO) 기술이 사용되고 있다.