• 한국멀티미디어학회논문지
• /
• 제12권4호
• /
• pp.502-511
• /
• 2009

컴퓨터그래픽스에서 실세계의 피사계 심도를 표현하기 위해 많은 연구가 진행되어왔다. 피사계 심도는 초점이 맺히는 초점평면을 기준으로 초점거리보다 가깝거나 멀 경우 렌즈와 조리개의 특성에 따라 해당부분이 흐리게 표현되는 현상이다. 이것을 이용하면 사람의 눈처럼 수정체에 의한 아웃 포커스 현상을 표현할 수 있기 때문에 현실감 있는 영상 표현이 가능하다. 본 논문에서는 eye-tracking 기술을 이용하여 사용자의 착안점을 계산하고 이를 바탕으로 GPU기반의 피사계 심도 조절방법을 구현함으로써 입체영상을 볼 때 발생하는 부작용을 줄이는 방법을 제안한다. 일반적으로 입체영상은 사용자의 초점을 강제로 조정하기 때문에 장시간 입체영상을 보면 어지럼증 등 부작용이 나타난다. 제안하는 기법은 눈동자의 움직임을 실시간으로 추적하여 입체영상의 피사계 심도를 자동으로 조절할 수 있기 때문에 부작용 저감이 가능하며 몰입감을 향상시킬 수 있다.

• 한국게임학회 논문지
• /
• 제20권6호
• /
• pp.53-62
• /
• 2020

피사계 심도 효과는 초점이 맞은 부분은 선명하게 나타나고, 그렇지 않은 부분은 흐리게 나타나는 효과를 뜻한다. 본 논문은 실시간 렌더링 환경에서 사용 가능한, 표준 정규 분포를 기반으로 한 샘플링 범위 계산 및 레이어 색상의 알파 블렌딩을 이용한 역방향 매핑 방식 기반의 피사계 심도 효과 구현 방법에 대해 제안한다. 효과 구현을 위해 착란원 크기 계산 방법, 착란원 크기의 표준 정규 분포를 통한 샘플링 영역 설정, 다층 레이어의 알파 블렌딩을 통한 색상 결정 및 디노이징을 통한 이미지 품질 향상 방법에 대해 서술한다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제14권3호
• /
• pp.31-46
• /
• 2008

피사계 심도란 카메라에서 초점이 맞은 지점을 전후로 초점이 맞은 것과 유사한 선명도를 가지는 영역을 말한다. 이 영역을 벗어난 물체들은 아웃 포커싱 되어 흐릿하게 보이게 된다. 렌더링 한 이미지에 피사계 심도 효과를 내게 되면 그렇지 않은 이미지에 비해 훨씬 사실적인 영상을 얻을 수 있다. 렌더링에서 피사계 심도 효과를 내기 위한 기존 연구는 크게 두 가지로 나눌 수 있다. 먼저 분산 광선 추적법은 한 픽셀에 대해 주어진 렌즈 영역을 샘플링 하는 방법이다. 이 방법은 샘플링 횟수가 많아질수록 노이즈가 없는 정회한 영상을 얻게 되지만 그러기 위해서는 시간이 매우 많이 걸린다. 반면 후처리 방법은 광선 추적법 등을 이용하여 얻은 핀홀 카메라 이미지와 깊이 정보를 이용하여 피사계 심도 효과를 내는 것인데 분산 광선 추적법 만큼 정확하지는 않지만 훨씬 빠른 속도로 유사한 결과를 얻을 수 있어 많은 연구가 진행되어 왔다. 그러나 후처리 방법은 핀홀 카메라에서 생성된 이미지만을 이용하므로 실제 렌즈에서 보이는 모든 정보를 알 수 없다는 한계가 존재한다. 본 논문에서는 이러한 두 가지 형태의 방법을 각각 발전시켜 후처리 기반 피사계 심도 계산의 정확도를 높이는 방법과 분산 광선 추적법의 계산 속도를 향상시키는 방법을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.253-256
• /
• 2021

본 논문에서는 합성곱 신경망을 통해 학습된 DoF(피사계 심도, Depth of field) 네트워크 아키텍처를 이용하여 객체 인식, 시점 추적, 문자 인식, 비사실적 렌더링 등 다양한 애플리케이션에 적용할 수 있는 사후 필터링 기법에 대해 살펴본다. 일반적으로 영상은 포커싱과 아웃포커싱에 의해 사용자의 관심표현이 결정되며, 이를 이용하여 영상 내 중요도를 판단한다. 영상 내에는 수많은 콘텐츠들이 혼재되어 있기 때문에 사용자가 집중적으로 보고 있는 콘텐츠를 찾아내기 어렵다. 본 논문에서는 사용자가 흥미롭고 집중적으로 보고 있는 영역을 DoF 네트워크로 학습시키고, 이를 통해 이전 기법으로는 표현할 수 없었던 DoF 기반 객체 인식, 시점 추적, 문자 인식, 비사실적 렌더링을 효율적으로 표현해낸다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권5호
• /
• pp.1-10
• /
• 2018

본 논문에서는 피사계 심도(DoF, Depth of field)가 포함된 사진을 자동으로 추상화 시켜주는 비 사실적 렌더링(NPR, Non-photorealistic rendering) 기술을 제안한다. 우리의 접근 방식은 RGB 채널을 이용하여 DoF 영역을 효율적으로 분류하고, DoF 크기에 따라 색상을 추상화하며, 라인의 두께를 자동으로 조절함으로 새롭게 필터링 하는 기술이다. DoF기반 필터링 방식은 성능과 디자인 관점에서 추상화의 품질을 크게 개선시켰으며, 간단하고 빨라 구현하기 쉽고, 사진으로부터 추상화나 일러스트레이션을 제작할 때 원본 사진이 갖고 있는 DoF의 특징과 스타일을 효율적으로 잘 표현한다.

• 한국멀티미디어학회논문지
• /
• 제9권9호
• /
• pp.1139-1149
• /
• 2006

본 논문은 낮은 피사계 심도 영상(low depth-of-field image)에 대해 사용자의 도움 없이 포커스 된 관심 영역을 고속으로 추출하는 효율적인 방법을 제안한다. 우리는 입력 영상에 존재하는 고주파 성분을 HOS(higher order statistics) 계산을 함으로써 영상의 포커스 된 영역을 찾아내는 중요한 지표로 활용한다. 본 논문에서 제안하는 방법은 크게 4가지 단계로 구분할 수 있다. 첫 번째 단계에서는 기존 연구[1] 방법과 동일하게 모든 화소에 관해 HOS 지도를 계산하고 블록화한다. 두 번째 단계에서는 블록화 된 HOS를 이용하여 포커스 된 물체가 존재하는 후보 관심 영역을 대략적으로 구한다. 이후 관심 영역 내부에 존재하는 구멍(hole)을 제거하기 위해 구멍(hole) 추적 및 제거 연산을 수행한다. 마지막으로 최종 관심 후보 영역에서 배경 부분의 화소만 제거하여 포커스 된 관심 물체만을 섬세하게 추출한다. 제안하는 방법은 기존 방법[1]에 비해 정지 영상에서 고속으로 관심 영역을 추출하므로 추후 알고리즘의 변형 없이 낮은 피사계 심도의 동영상에 확장 적용하여 관심 영역을 실시간으로 추출할 수 있다. 본 논문에서 제안하는 방법은 가상 현실(VR)이나 실감 방송, 비디오 인덱싱 시스템과 같은 여러 응용 분야에 효과적으로 적용될 수 있고, 이러한 유용성은 실험 결과를 통해 보였다.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권5호
• /
• pp.75-83
• /
• 2019

직접 볼륨 렌더링은 의료영상과 같은 3차원 볼륨 데이터의 가시화에 널리 사용되는 방법이다. 본 논문은 직접 볼륨 렌더링의 깊이 인식을 향상시키기 위해 피사계 심도 효과를 볼륨 광선투사법에 적용하는 방법을 제안한다. 제안하는 방법은 인간의 지각 모델을 기반으로 카메라 모델을 적용하며 지터드 렌즈 샘플링을 사용하여 제한된 개수의 광선으로 사실적인 이미지를 획득할 수 있다. 또한, 전처리 과정 없이 GPU 파이프라인 안에서 피사계 심도를 바로 계산하여 볼륨 데이터의 대화식 탐색이 가능하다. 의료영상을 포함한 여러 데이터에 적용한 실험에서 기존 방법보다 2.6~4배 빠른 시간에 피사계 심도 효과를 표현하여 깊이 인식에 보다 도움을 주는 영상을 생성하는 것을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.429-432
• /
• 2020

본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 DoF(Depth of field, 피사계 심도) 영역을 합성곱 신경망을 통해 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 합성곱 신경망 네트워크에 학습하기 위한 데이터를 구축하며, 이렇게 얻어진 데이터를 이용하여 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용하며, 네트워크 학습 단계에서 수렴률을 높이기 위해 스무딩을 과정을 한번 더 적용한 결과를 사용한다. 본 논문에서 제안하는 합성곱 신경망은 이미지로부터 포커싱과 아웃포커싱된 DoF영역을 자동으로 추출하는 과정을 학습시키기 위해 사용된다. 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 빠른 시간 내에 찾아내며, 제안하는 방법은 DoF영역을 사용자의 ROI(Region of interest)로 활용하여 NPR렌더링, 객체 검출 등 다양한 곳에 활용이 가능하다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.257-260
• /
• 2021

본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 DoF(Depth of field, 피사계 심도) 영역을 쿼드트리(Quadtree) 기반의 합성곱 신경망을 통해 빠르게 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 적응형 트리인 쿼드트리를 기반으로 유의미한 영역만을 분류한다. 이 과정에서 손실 없이 온전하게 DoF영역을 추출하기 위한 필터링 과정을 거친다. 이러한 과정에서 얻어진 이미지 패치들은 전체 이미지에 비해 적은 영역으로 나타나며, 이 적은 개수의 패치들을 이용하여 네트워크 단계에서 사용할 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 네트워크 과정에서 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용한다. 본 논문에서 제안하는 쿼드트리 기반 합성곱 신경망은 이미지로부터 포커싱과 아웃포커싱된 DoF영역을 자동으로 추출하는 과정을 학습시키기 위해 사용된다. 결과적으로 학습에 필요한 데이터 영역이 줄어듦으로써 학습 시간과 메모리를 절약했으며, 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 더욱더 빠른 시간 내에 찾아낸다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권10호
• /
• pp.851-861
• /
• 2006

영상을 낮은 피사계 심도로 찍는 카메라 기법은 전통적으로 널리 이용되는 영상 취득 기술이다. 이 방법을 사용하면 사진사가 사진이나 동영상을 찍을 때 영상의 관심 영역에만 포커스를 두어 선명하게 표현하고 나머지는 흐릿하게 함으로써 자신의 의도를 보는 이에게의 분명하게 전달 할 수 있다. 본 논문은 이러한 피사계 심도가 낮은 동영상 입력에 대하여 사용자의 도움 없이 포커스 된 비디오 객체를 추출하는 새로운 방법을 제안한다. 본 연구에서 제안하는 방법은 크게 두 모듈로 나뉜다. 첫 번째 모듈에서는 동영상의 첫 번째 프레임에 대해서 포커스 된 영역과 그렇지 않은 흐릿한 부분을 자동으로 구분하여 관심 물체만을 추출한다. 두 번째 모듈에서는 첫 번째 모듈에서 구한 관심 물체의 모델을 바탕으로 동영상 프레임에서의 관심 물체만을 실시간이나 실시간에 가깝게 추출한다. 본 논문에서 제안하는 방법은 가상현실(VR)이나 실감 방송, 비디오 인덱싱 시스템과 같은 여러 응용 분야에 효과적으로 적용될 수 있고, 이러한 유용성은 실험 결과를 통해 보였다.