• 만화애니메이션 연구
• /
• 통권35호
• /
• pp.347-374
• /
• 2014

본 논문은 증강현실 기술을 사용한 21C 영화들의 영화적 상상과 증강현실 예술의 예술적 상상을 중심으로 증강현실 콘텐츠 산업화의 미래에 관하여 연구하였다. 영화에서는 영화적 상상을 통해 미래의 기술을 보여주는 동시에 미래상을 제시하는 역할을 하고, 증강현실 예술은 기술적으로 구현할 수 있는 현재의 기술을 통해 미래 예술과 사회의 거시적인 문화를 포착하는 역할을 하고 있다. 조사된 영화들을 증강현실 기술별로 분류한 결과, 제스처 인식은 투명 디스플레이어 관련 기술과 연계하여 발전하고, 홀로그램 기술은 개별화된 커뮤니케이션 방식으로 변화되며, 생체인식은 다중 생체인식으로의 발전 가능성이 있고, 웨어러블 컴퓨터는 물리적인 신체증강 측면으로도 발전하여 산업화될 것으로 전망된다. 증강현실 예술에서 아바타의 다양한 활용은 홀로그램과 관련이 있고, 인체의 생체 현상의 활용은 생체인식으로 연계되며, 현실세계와 가상세계의 혼합은 제스처 인식을 통해 디스플레이어를 활용하고, HMD의 새로운 시도는 웨어러블 컴퓨터의 다변화와 함께 산업화될 것으로 보인다. 영화와 예술에서 상상과 구현을 통해 나타난 증강현실 콘텐츠는 인간 생활의 조력자 역할을 담당하고, 동시에 인간과 환경 간에 매개 없이 융화되는 방식으로 산업화되는 미래상을 제시한다.

• 구강회복응용과학지
• /
• 제28권1호
• /
• pp.1-13
• /
• 2012

짧은 임플란트는 상악동이나 하치조신경 등의 해부학적 구조물이 있거나 심한 치조골 흡수로 인해 제한적인 치조제 높이를 가지는 부위에서 사용되고 있다. 본 연구는 길이 10 mm 이하의 임플란트에서 임플란트의 길이, 직경, 식립 부위, 골이식술 유무, 보철물의 연결고정 유무가 임플란트의 생존율과 변연골 흡수에 미치는 영향을 알아보고자 하였다. 원광대학교 치과병원 임플란트센터에서 길이 10 mm 이하의 임플란트를 식립한 137명의 환자, 227개 임플란트를 대상으로 진료 기록부를 통해 임플란트의 길이, 직경, 식립 위치, 골이식 유무, 보철물의 연결고정 유무를 조사하였다. 변연골 흡수량은 Emago advanced v5.6(Oral diagnostic systems, Amsterdam, The Netherlands) 프로그램을 이용하여 측정하였다. 총 227개의 임플란트 중 8개가 실패하여, 전체 짧은 임플란트의 생존율은 96.5 %로 나타났다. 골이식 부위와 상악에 식립된 경우 더 높은 실패율을 보이는 경향이 있었으며, 임플란트의 길이와 직경은 변연골 흡수량에 영향을 미치지 않았다. 실패 요인을 조사하였을 때, 상악의 불량한 골질과 골이식 유무가 임플란트의 더 높은 실패율에 영향을 미쳤다. 10 mm 이하 임플란트에서 길이, 직경, 식립 부위, 골이식술과 보철물의 연결 고정은 임플란트 생존율과 변연골 흡수량에 영향을 끼치지 않았다.

• 한국지반공학회논문집
• /
• 제39권7호
• /
• pp.31-37
• /
• 2023

터널은 지중에 건설되는 구조물이므로 육안으로 터널 강지보재의 위치 등의 확인이 불가능하다. 이에, 터널 유지관리시에는, 일반적으로 GPR 이미지를 활용하여 강지보재 탐지를 수행한다. 인공신경망을 통한 GPR 이미지 분석에 대한 연구는, 주로 지하배관, 도로 손상 등의 탐지에 집중되어 있으며, 강지보재 등의 터널 GPR 데이터를 분석한 사례는 해외와 국내 모두 제한적이다. 본 연구에서는, 합성곱 신경망을 기반으로 하는 1단계 객체인식 알고리즘인 YOLO를 활용하여, GPR 데이터를 바탕으로 한 터널 강지보재의 위치 탐지를 자동화하고, 그 성능을 분석한다. 원본 이미지 데이터는 총 512개이며 원본 이미지 데이터로 이루어진 데이터 세트와 원본 이미지 데이터와 증식기법이 적용된 이미지 데이터를 병합한 2,048개의 데이터로 이루어진 데이터 세트를 해석에 활용하였다. 증식한 데이터를 사용한 모델의 강지보재 누락율(전체 강지보재와 탐지하지 못한 지보재 숫자의 비율)은 0.38%, 원본 데이터만을 활용한 모델의 강지보재 누락율은 7.18%로 나타났다. 따라서, 분석 자동화 측면에서는, 증식기법이 적용된 데이터 세트를 활용하는 것이 더 실용적일 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.143-156
• /
• 2023

인공위성이 촬영한 영상의 내용을 정확하게 분석하기 위해서는 영상에 존재하는 구름 영역을 정확하게 인지하는 것이 필요하다. 최근 다양한 분야에서 딥러닝(deep learning) 모델이 뛰어난 성능을 보여줌에 따라 구름 영역 검출을 위해 딥러닝 모델을 적용한 방법들이 많이 제안되고 있다. 하지만 현재 구름 영역 검출 방법들은 의미 영역 분할 방법의 네트워크 구조를 그대로 사용하여 구름 검출 성능을 향상하는 데는 한계가 있다. 따라서 본 논문에서는 구름 검출 데이터 세트에 다중 브랜치 네트워크 구조 탐색을 적용하여 구름 영역 검출에 최적화된 네트워크 모델을 생성함으로써 구름 검출 성능을 향상하는 방법을 제안한다. 또한 구름 검출 성능을 향상하기 위하여 의미 영역 분할 모델의 학습 단계와 평가 단계의 평가 기준 불일치를 해소하기 위해 제안된 soft intersection over union (IoU) 손실 함수를 사용하고, 다양한 데이터 증강 방법을 적용하여 학습 데이터를 증가시켰다. 본 논문에서 제안된 방법의 성능을 검증하기 위하여 아리랑위성 3/3A호에서 촬영한 영상으로 구성된 구름 검출 데이터 세트를 사용하였다. 먼저 제안 방법과 의미 영역 분할 데이터 세트에서 탐색된 기존 네트워크 모델의 성능을 비교하였다. 실험 결과, 제안 방법의 mean IoU는 68.5%이며, 기존 모델보다 mIoU 측면에서 4%의 높은 성능을 보여주었다. 또한 soft IoU 손실 함수를 포함한 다섯 개의 손실 함수를 적용하여 손실 함수에 따른 구름 검출 성능을 분석하였으며, 실험 결과 본 연구에서 사용한 soft IoU 함수가 가장 좋은 성능을 보여주었다. 마지막으로 의미 영역 분할 분야에서 활용되는 최신 네트워크 모델과 제안 방법의 구름 검출 성능을 비교하였다. 실험 결과, 제안 모델이 의미 영역 분할 분야의 최신 모델들보다 mIoU와 정확도 측면에서 더 나은 성능을 보여주는 것을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.27-35
• /
• 2023

본 논문에서는 복합소재 생산 분야에서 수요가 높은 프리프레그 섬유 제조 공정에 딥러닝 기반의 결함 검출 및 분류 시스템을 적용하여 생산성을 높이는 과정을 제안한다. 다양한 조건별 다량의 불량 발생으로 해결방안이 필요한 토우 프리프레그 제조 장비에 적용하기 위해 우선 결함 감지와 분류 모델 제작에 필요한 카메라 및 조명을 선정하여 최적의 환경을 구축하였다. 그리고 다중 분류 모델 제작에 필요한 데이터를 수집하고 정상 및 불량 조건에 따라 라벨링을 진행하였다. 다중 분류 모델은 CNN 기반으로 제작하였으며 VGGNet과 MobileNet, ResNet 등의 사전 학습모델을 적용하여 성능을 비교하고 정확도 및 손실 그래프로 개선 방향을 파악한다. 주요 문제로 과적합 문제를 확인하여 개선하기 위해 데이터 증강 및 Dropout 기법을 적용하여 보완하였다. 모델에 대한 성능 평가를 위해 혼돈행렬을 성능지표로 한 성능 평가를 진행하였으며 99% 이상의 성능을 확인하였다. 또한, 실제 공정에 적용하여 실시간 획득된 이미지에 대한 분류 결과를 확인해보며 판별 값이 정확히 도출되는지 확인한다.

• 한국전산구조공학회논문집
• /
• 제36권5호
• /
• pp.323-330
• /
• 2023

PVA 섬유 보강 시멘트 복합체는 매우 복잡한 미세구조를 가지고 있으며, 재료의 거동을 정확히 평가하기 위해서는 미세구조 특성을 반영하여 실제 실험과 시너지효과를 내며 효율적인 재료 설계를 가능하게 하는 해석 모델의 개발이 중요하다. PVA 섬유 보강 시멘트 복합체의 역학적 성능은 PVA 섬유의 방향성에 큰 영향을 받는다. 그러나 마이크로-CT 이미지로부터 얻은 PVA 섬유의 회색조 값을 인접한 상과 구분하기 어려워, 섬유 분리 과정에 많은 시간이 소요된다. 본 연구에서는 섬유의 3차원 분포를 얻기 위하여 0.65㎛³의 복셀 크기를 가지는 마이크로-CT 이미지 촬영을 수행하였다. 학습에 사용될 학습 데이터를 생성하기 위해 히스토그램, 형상, 그리고 구배 기반 상 분리 방법을 적용하였다. 본 연구에서 제안된 U-net 모델을 활용하여 PVA 섬유 보강 시멘트 복합체의 마이크로- CT 이미지로부터 섬유를 분리하는 학습을 수행하였다. 훈련의 정확도를 높이기 위해 데이터 증강을 적용하였으며, 총 1024개의 이미지를 훈련 데이터로 사용하였다. 모델의 성능은 정확도, 정밀도, 재현율, F1 스코어를 평가하였으며, 학습된 모델의 섬유 분리 성능이 매우 높고 효율적이며, 다른 시편에도 적용될 수 있음을 확인하였다.

• 국제초고층학회논문집
• /
• 제12권3호
• /
• pp.225-234
• /
• 2023

Even at this point in the era of digital transformation, we are still facing many problems in the safety sector that cannot prevent the occurrence or spread of human casualties. When you are in an unexpected emergency, it is often difficult to respond only with human physical ability. Human casualties continue to occur at construction sites, manufacturing plants, and multi-use facilities used by many people in everyday life. If you encounter a situation where normal judgment is impossible in the event of an emergency at a life site where there are still many safety blind spots, it is difficult to cope with the existing manual guidance method. New variable guidance technology, which combines artificial intelligence and digital twin, can make it possible to prevent casualties by processing large amounts of data needed to derive appropriate countermeasures in real time beyond identifying what safety accidents occurred in unexpected crisis situations. When a simple control method that divides and monitors several CCTVs is digitally converted and combined with artificial intelligence and 3D digital twin control technology, intelligence augmentation (IA) effect can be achieved that strengthens the safety decision-making ability required in real time. With the enforcement of the Serious Disaster Enterprise Punishment Act, the importance of distributing a smart location guidance system that urgently solves the decision-making delay that occurs in safety accidents at various industrial sites and strengthens the real-time decision-making ability of field workers and managers is highlighted. The smart location guidance system that combines artificial intelligence and digital twin consists of AIoT HW equipment, wireless communication NW equipment, and intelligent SW platform. The intelligent SW platform consists of Builder that supports digital twin modeling, Watch that meets real-time control based on synchronization between real objects and digital twin models, and Simulator that supports the development and verification of various safety management scenarios using intelligent agents. The smart location guidance system provides on-site monitoring using IoT equipment, CCTV-linked intelligent image analysis, intelligent operating procedures that support workflow modeling to immediately reflect the needs of the site, situational location guidance, and digital twin virtual fencing access control technology. This paper examines the limitations of traditional fixed passive guidance methods, analyzes global technology development trends to overcome them, identifies the digital transformation properties required to switch to intelligent variable smart location guidance methods, explains the characteristics and components of AI-based public facility smart fire safety integrated system (ISFS).

• 대한영상의학회지
• /
• 제81권5호
• /
• pp.1164-1174
• /
• 2020

목적 수술 전 초음파 검사에서 갑상선 종양의 재발을 예측할 수 있는 심층 학습 모델을 개발하고자 한다. 대상과 방법 수술 전 초음파에서 병리학적으로 확진된 갑상선 수술을 받은 229명의 환자(남성:여성 = 42:187, 평균 연령, 49.6세)의 대표적인 초음파 이미지를 포함시켰다. 각각 대표적인 횡축 또는 종축 초음파 이미지가 선택되었다. 신경 네트워크용 Python 2.7.6 및 Keras 2.1.5, convolutional neural network을 사용한 심층 학습이 사용되었다. 재발한 환자와 재발이 없는 환자의 임상 및 조직학적 특징을 비교하였다. 그룹 간의 심층 학습 모델의 receiver operating characteristic curve 곡선 아래의 영역은 재발 갑상선암을 예측하기 위한 심층 학습 모델의 예측에 사용되었다. 결과 전체 환자 229명 중 49명이 종양 재발(21.4%)을 보였다. 종양의 크기, 다원성은 재발이 없는 군과 재발 군에서 유의한 차이가 있었다(p < 0.05). 재발성 갑상선암 예측을 위한 심층 학습 모델의 전반적인 평균 area under the curve (이하 AUC) 값은 0.9 ± 0.06이었다. 평균 AUC는 macrocarcinoma에서 0.87 ± 0.03, microcarcinoma에서 0.79 ± 0.16이었다. 결론 갑상선암의 초음파 이미지를 이용한 심층 학습 모델로 갑상선암 재발의 예측 모델 구축의 가능성을 보여주었다.

• 대한의용생체공학회:의공학회지
• /
• 제25권3호
• /
• pp.171-182
• /
• 2004

본 연구에서는 의료 영상과 유한요소 해석을 이용하여 골절된 척추체의 치료를 위해 골 시멘트를 주입하는 추체 성형술(vertebroplasty)에 영향을 미치는 여러 인자들에 대해 생체 역학적으로 분석하여 평가하고자 하였다. 의료 영상을 통해 구현된 모델들은 분석하고자 하는 인자에 대하여 크게 단분절과 다분절 유한요소 모델의 2 가지 형태로 구분하였다. 단분절 유한요소 모델을 통해 골다공증의 정도, 주입된 골 시멘트의 양, 골 시멘트의 주입량 및 환자에게 주입된 골 시멘트 양의 적절성을 평가하였으며, 골 시멘트의 주입이 척추체의 구조적 안정성에 미치는 효과를 분석하기 위하여 척추체 상종판에 수직 압축하중을 가하여 이때의 최대 수진 변위량을 분석하였다. 또한 단분절 척추체의 강성도(stiffness) 값을 산출한 뒤, 정상 상태의 척추체의 강성도 값으로 정규화 하였다. 다분절 유한요소 모델의 경우, 압박 골절 상태를 적용하여 척추 만곡의 변화가 인체에 미치는 영향을 분석하기 위하여 골절의 정도를 3 가지로 구현하였으며, 모델의 최상부에 압축 하중을 가한 후의 척추 만곡의 변화 정도를 분석하였다. 추체 성형술에 대한 다양한 인자들에 대한 분석 결과, 추체 성형술을 통해 환자의 골밀도가 상대적으로 높은 경우(BMD 50mg/$m\ell$이상)와 환자의 척추체 망상골 부피의 약 15%에 해당하는 골 시멘트 주입 시 가장 큰 척추체의 구조적 안정성의 증가 효과를 가져올 것으로 예측되었다. 또한 척추 골절이 미치는 영향에 대한 분석 결과, -2.8$^{\circ}$의 정상적인 후만곡을 가지는 T12∼L2 운동 분절이 골절의 모델링 후 약 9∼17$^{\circ}$의 큰 전만곡을 가지게 되었으며 이러한 척추 만곡의 변화는 동일한 하중 하에서 급격한 척추 만곡의 변화를 야기하는 것으로 나타났다. 또한 골절의 정도가 심할수록 척추 변형은 더욱 크게 증가하는 것으로 나타났다. 이러한 연구 결과들로부터, 전반적으로 추체 성형술은 골 시멘트의 주입량 또는 골밀도에 상관없이 약화된 척추체의 자체의 구조적 안정성의 증가 효과를 가져왔으며 골절로 인해 추체의 높이가 손상되었을 경우 이를 회복하는 것이 중요한 인자의 하나임을 나타내는 결과로 사료되어진다.

• 벤처창업연구
• /
• 제18권4호
• /
• pp.21-35
• /
• 2023

생성 AI 기술의 막대한 파급력에 대한 기대가 산업계를 휩쓸고 있다. 생성 AI 기술의 활용과 발전에 창업생태계가 중요한 역할을 할 것으로 기대되는 만큼, 이 분야의 벤처투자 현황과 특성을 더 잘 이해하는 것도 중요하다. 본 연구는 생성 AI 기술과 창업생태계를 주도하는 미국을 비교 대상으로 삼아 한국의 벤처투자 내역을 분석하고 향후 벤처투자 금액을 예측한다. 분석을 위해서 미국의 117개 생성 AI 스타트업의 2008년부터 2023년까지 286건의 투자 내역과 한국의 42개 생성 AI 스타트업의 2011년부터 2023년까지 144건의 투자 내역을 수집하여 새로운 분석 자료를 구축했다. 분석 결과, 생성 AI 기업의 창업과 벤처 투자가 최근 들어 급증하고 있으며, 초기 투자에 절대다수의 투자 건이 집중됐다는 점이 미국과 한국에서 공통적으로 확인됐다. 양국의 차이점도 몇 가지 발견됐다. 미국의 경우 한국과는 다르게 같은 투자 단계에서 최근의 투자 규모가 그 이전보다 285%에서 488%까지 증가했다. 단계별 투자 소요 기간은 한국이 미국보다 다소 길었으나 그 차이가 통계적으로 유의하지는 않았다. 또한, 전체 벤처투자 금액 중 생성 AI 기업에 대한 투자 비중도 한국이 미국보다 높았다. 생성AI의 세부 분야별로는 미국은 텍스트와 모델 분야에 전체 투자액의 59.2%가 집중된 반면, 한국은 비디오, 이미지, 챗 기술에 전체 투자액의 61.9%가 집중돼 차이를 보였다. 2023년부터 2029년까지 한국의 생성 AI 기업에 대한 벤처 투자 예상 금액을 네 가지 다른 모델로 예측한 결과, 평균 3조 4,300억 원(최소 2조 4,085억 원, 최대 5조 919억 원)이 필요할 것으로 추정됐다. 본 연구는 미국과 한국의 생성 AI 기술 분야의 벤처투자를 다각도로 분석하고, 한국의 벤처투자 예상 금액을 제시하였다는 점에서 실무적 의의를 찾을 수 있다. 또한, 아직 학술적 연구가 충분하지 않은 생성AI 벤처투자에 대한 현황을 구체적 자료와 실증근거를 통해 분석함으로써 향후 깊이 있는 학술 연구의 토대를 제시한다는 점에서 학술적 의의가 있다. 본 연구에서는 벤처투자 금액 예측을 위한 방법 두 가지를 새롭게 개발하여 생성 AI의 향후 벤처투자 금액을 예측하는데 적용했다. 이 방법도 후속 학술 연구에서 다양한 분야로 확장·적용되고 정제된다면 벤처투자 예상 금액 예측 방법을 풍부하게 하는 데 공헌할 수 있을 것이다.