• 제목/요약/키워드: FBX

검색결과 14건 처리시간 0.015초

A Comparative Study on 3D Data Performance in Mobile Web Browsers in 4G and 5G Environments

  • Nam, Duckkyoun;Lee, Daehyeon;Lee, Seunghyun;Kwon, Soonchul
    • International Journal of Internet, Broadcasting and Communication
    • /
    • 제11권3호
    • /
    • pp.8-19
    • /
    • 2019
  • Since their emergence in 2007, smart phones have advanced up to the point that 5G mobile communication in 2019 started to be commercialized. Accordingly, now it is possible to share 3D modeling files and collaborate by means of a mobile web. As the recently commercialized 5G mobile communication network is so useful in sharing 3D modeling files and collaborating that even large-size geometry files can be transmitted at ultra high speed with ultra low transfer delay. We examines characteristics of major 3D file formats such as STL, OBJ, FBX, and glTF and compares the existing 4G LTE (Long Term Evolution) network with the 5G NR (New Radio) mobile communication network. The loading time and packets of each format were measured depending on the mobile web browser environments. We shows that in comparison with 4G LTE, the loading time of STL and OBJ file formats were reduced as much as 6.55 sec and 9.41 sec, respectively in the 5G NR and Chrome browsers. The glTF file format showed the most efficient performance in all of the 4G/5G mobile communication networks, Chrome, and Edge browsers. In the case of STL and OBJ, the traffic was relatively excessive in 5G NR and Edge browsers. The findings of this study are expected to be utilized to develop a 3D file format that reduces the loading time in a mobile web environment.

미역 추출물과 알긴산의 근육손실 억제 효능 (Undaria pinnatifida Extracts and Alginic Acid Attenuated Muscle Atrophy in TNF-α Induced Myoblast Cells through MAFbx Signaling Cascade)

  • 최상윤;김미나;이현희;허진영
    • 생명과학회지
    • /
    • 제31권2호
    • /
    • pp.137-143
    • /
    • 2021
  • 근육 위축증은 근섬유의 손상으로 인한 근육세포의 감소에 의해 일어나며 심장질환, 당뇨, 각종 노인성 만성질환을 일으킨다고 알려져 있다. 본 연구는 미역 추출물 및 이의 성분인 알긴산의 근육세포보호, 근육감소억제 및 근육재생효과를 확인하고자 하였다. 미역 추출물 및 알긴산을 분화된 C2C12 myoblast 세포에 처리한 결과 TNF-α에 의한 근육섬유의 감소가 억제하였고murf1과 MaFbx의 발현량도 감소하였다. 또한, 마우스에 미역 추출물 및 알긴산을 10주간 급여한 결과 cardiotoxin에 의한 다리부종이 감소하였으며 근육단백질인 MyHC와 PGC-1α의 발현량이 증가 하였다. 따라서 미역 추출물 및 알긴산은 근감소 억제 및 근육재생 효과를 나타내어 기능성소재의 활용 가능성을 확인하였다.

덱사메타손으로 유도된 근위축 C2C12 모델에서 효소처리스테비아의 보호 효과 (Protective Effect of Enzymatically Modified Stevia on C2C12 Cell-based Model of Dexamethasone-induced Muscle Atrophy)

  • 오건;최선일;한웅호;문효;이세정;임지현;이호성;정형동;라문진;권민희;이옥환
    • 한국식품위생안전성학회지
    • /
    • 제38권2호
    • /
    • pp.69-78
    • /
    • 2023
  • 본 연구에서는 EMS를 건강기능식품으로 활용하기 위한 기초적인 데이터를 제공하기 위해 EMS가 DEX으로 유도한 근위축 C2C12 모델에서 미치는 보호 효과를 조사하고자 하였다. DEX를 처리한 근위축 모델을 확립하였다. 그리고 DEX으로 유도한 근위축 C2C12 myotube에 24시간 동안 10, 50, 100 ㎍/mL 농도의 EMS를 처리하였으며, C2C12에 EMS와 DEX를 처리하여 XTT 세포독성 테스트와 myotube 형성 효능(myotube diameter와 fusion index) 측정, 단백질 발현량 분석을 수행하였다. 또한, 기능성을 입증받은 SE를 positive control로 사용하였다. EMS의 세포독성 평가 결과, 100 ㎍/mL 농도까지 유의한 독성이 없는 것을 확인하였다. C2C12 myotube에서 EMS는 DEX만 처리한 실험군과 비교하여 모든 농도에서 유의적으로 세포 보호 효능이 있음을 확인하였다. 또한 fusion index와 myotube diameter를 측정하여 DEX만 처리한 실험군과 비교하였을 때, EMS의 myotube 형성 효능을 확인하였다. EMS는 근육세포 분해 관련 단백질인 Fbx32와 MuRF1의 발현을 감소시키고, 그와 반대로 근력 강화 및 합성과 관련된 단백질인 SIRT1과 p-Akt/Akt의 발현은 증가시켰다. 이러한 연구결과는 EMS가 건강기능식품 개발의 성분으로 활용될 수 있으며, in vivo 동물 모델에서도 활용 가능할 것으로 사료된다.

딥러닝 모델과 Kinect 카메라를 이용한 실시간 관절 애니메이션 제작 및 표출 시스템 구축에 관한 연구 (Real-Time Joint Animation Production and Expression System using Deep Learning Model and Kinect Camera)

  • 김상준;이유진;박구만
    • 방송공학회논문지
    • /
    • 제26권3호
    • /
    • pp.269-282
    • /
    • 2021
  • 증강현실과 가상현실 같은 3차원 콘텐츠 보급이 증가함에 따라 실시간 컴퓨터 애니메이션 기술의 중요성이 높아지고 있다. 하지만 컴퓨터 애니메이션 제작 과정은 대부분 수작업 혹은 마커를 부착하는 모션캡쳐 방식으로 이루어져 있다. 때문에 사실적인 영상을 얻기 위해서는 숙련된 전문가에게도 매우 오랜 시간이 필요하다. 이러한 문제점을 해결하기 위해 최근에는 딥러닝 모델과 센서를 기반으로 하는 애니메이션 제작 시스템과 알고리즘이 나오고 있다. 이에 본 논문에서는 딥러닝과 Kinect 카메라 기반 FBX 형식의 애니메이션 제작 시스템에서 자연스러운 인체 움직임을 구현하는 4가지 방법에 대해 연구했다. 각 방법은 환경적 특성과 정확도를 고려하여 선택된다. 첫 번째 방법은 Kinect 카메라를 사용한다. 두 번째 방법은 Kinect 카메라와 보정 알고리즘을 사용한다. 세 번째 방법은 딥러닝 모델을 사용한다. 네 번째 방법은 딥러닝 모델과 Kinect를 사용한다. 제안 방법을 오차와 처리 속도를 실험한 결과, 네 번째 딥러닝 모델과 Kinect를 동시에 사용하는 방법이 다른 방법에 비해 가장 좋은 결과를 보였다.