• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2010년도 춘계 종합학술대회 논문집
• /
• pp.428-430
• /
• 2010

가상현실에서 실제 사람처럼 행동하는 가상거주자는 스스로 주변의 상황을 판단하고 평가를 내리게 된다. 이러한 상황에 대한 판단은 얼마나 정확하고 다양한 자료가 주어졌느냐에 따라서 달라지게 된다. 본 논문에서는 Spatio-temporal graph(ST graph)를 사용하여 시간과 공간에 대한 데이터를 정의하고, ontology의 개념을 더하여 다양한 상황에 대한 표현이 가능하게 하였다. 이 표현 방법으로 가상거주자는 어떠한 상황을 마주하더라도 주변 환경이나 공간에 대한 데이터를 가지고 분석하여 필요한 행동을 할 수 있게 될 것이다.

• Journal of Information Processing Systems
• /
• 제19권1호
• /
• pp.130-138
• /
• 2023

The traffic flow in an urban area is affected by the date, weather, and regional traffic flow. The existing methods are weak to model the dynamic road network features, which results in inadequate long-term prediction performance. To solve the problems regarding insufficient capacity for dynamic modeling of road network structures and insufficient mining of dynamic spatio-temporal features. In this study, we propose a novel traffic flow prediction framework called shared spatio-temporal attention convolution optimization network (SSTACON). The shared spatio-temporal attention convolution layer shares a spatio-temporal attention structure, that is designed to extract dynamic spatio-temporal features from historical traffic conditions. Subsequently, the graph optimization module is used to model the dynamic road network structure. The experimental evaluation conducted on two datasets shows that the proposed method outperforms state-of-the-art methods at all time intervals.

• International Journal of Contents
• /
• 제17권3호
• /
• pp.1-14
• /
• 2021

Since the outbreak of the coronavirus disease 2019 (COVID-19) pandemic, a lot of efforts have been made in the field of data science to help combat against this disease. Among them, forecasting the number of cases of infection is a crucial problem to predict the development of the pandemic. Many deep learning-based models can be applied to solve this type of time series problem. In this research, we would like to take a step forward to incorporate spatial data (geography) with time series data to forecast the cases of region-level infection simultaneously. Specifically, we model a single spatio-temporal graph, in which nodes represent the geographic regions, spatial edges represent the distance between each pair of regions, and temporal edges indicate the node features through time. We evaluate this approach in COVID-19 in a Korean dataset, and we show a decrease of approximately 10% in both RMSE and MAE, and a significant boost to the training speed compared to the baseline models. Moreover, the training efficiency allows this approach to be extended for a large-scale spatio-temporal dataset.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.88-97
• /
• 2023

Traffic flow prediction is of great significance in urban planning and traffic management. As the complexity of urban traffic increases, existing prediction methods still face challenges, especially for the fusion of spatiotemporal information and the capture of long-term dependencies. This study aims to use the fusion model of graph neural network to solve the spatio-temporal information fusion problem in traffic flow prediction. We propose a new deep learning model Spatio-Temporal Information Fusion using Graph Neural Networks (STFGNN). We use GCN module, TCN module and LSTM module alternately to carry out spatiotemporal information fusion. GCN and multi-core TCN capture the temporal and spatial dependencies of traffic flow respectively, and LSTM connects multiple fusion modules to carry out spatiotemporal information fusion. In the experimental evaluation of real traffic flow data, STFGNN showed better performance than other models.

• 한국콘텐츠학회논문지
• /
• 제13권6호
• /
• pp.9-19
• /
• 2013

본 논문에서는 가상 상황속의 사건들에 역사적 맥락을 부여하기 위한 통합적 직관적 정보표현구조로서 시공간 그래프(Spatio-Temporal Graph)를 설계하고 구현하였다. 일반적으로 사건은 공간뿐 아니라 시간을 점유함으로써 역사적 사실이 된다. 따라서 가상 상황을 시뮬레이션하기 위해서는 공간적 측면을 표현하기 위한 삼차원 정보구조에 시간적 측면을 더한 다차원적인 맥락에 사건들을 위치시키는 일이 핵심적 기초가 된다. 이러한 다차원적 맥락은 온톨로지 뷰, 인스턴스 뷰, 시공간 뷰, 실제 뷰 등과 같은 여러 수준에서의 통합적 직관적 지식표현수단들을 통해 구현된다. 이와 같이 구현된 시공간 그래프에 기반한 시뮬레이션 시스템에 예제 시나리오를 적용하여 실용성을 검증한다. 본 기술은 지능형 교육시스템이나 차세대 시뮬레이션 게임 등에 필수적인 다양한 상황들을 제공하는 시뮬레이션 시스템의 중심요소가 된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권6호
• /
• pp.2217-2229
• /
• 2015

Since the variations of illumination, the irregular changes of human shapes, and the partial occlusions, multiple person tracking is a challenging work in computer vision. In this paper, we propose a graph clustering method based on spatio-temporal information of moving objects for multiple person tracking. First, the part-based model is utilized to localize individual foreground regions in each frame. Then, we heuristically leverage the spatio-temporal constraints to generate a set of reliable tracklets. Finally, the graph shift method is applied to handle tracklet association problem and consequently generate the completed trajectory for individual object. The extensive comparison experiments demonstrate the superiority of the proposed method.

• 한국콘텐츠학회논문지
• /
• 제12권8호
• /
• pp.1-12
• /
• 2012

본 논문에서는 시공간 그래프를 이용하여 가상세계의 구성요소인 상황들에 역사적 맥락을 부여하고, 온톨로지를 사용하여 상황의 구성요소인 객체와 관계 및 사건에 관한 체계적 표현이 가능하게 하였다. 이를 위해 시간적 측면에서 과거, 현재 뿐 아니라 미래까지 포괄적으로 표현하고, 공간을 효율적이면서도 직관적으로 표현할 수 있는 방법을 개발하였다. 이 표현구조는 전체적으로 물리적 계층, 논리적 계층 그리고 개념적 계층들로 구성하되 계층들 간의 상호연관성을 종합적으로 표현하여 각 계층에 상응하는 세계들 속의 사건들을 역사적으로 의미있게 시뮬레이션할 수 있게 한다. 이러한 지식표현구조는 가상세계를 이루는 상황들을 시뮬레이션하는 바탕으로 사용하는 동시에, 가상세계 거주자들이 상황을 판단하고 평가를 내리는데 필요한 개별적인 지식을 구현하는데도 사용한다. 다층적 구조의 가상세계에다 시간적 변화를 추가로 수용할 수 있는 다차원의 복합지식구조를 개발함으로써 역사 속에서 상황의 다양성을 극대화 할 수 있는 가상세계 시뮬레이션의 기본 토대가 마련되게 된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권9호
• /
• pp.3598-3614
• /
• 2020

With the increase of motor vehicles and tourism demand, some traffic problems gradually appear, such as traffic congestion, safety accidents and insufficient allocation of traffic resources. Facing these challenges, a model of Spatio-Temporal Dilated Convolutional Network (STDGCN) is proposed for assistance of extracting highly nonlinear and complex characteristics to accurately predict the future traffic flow. In particular, we model the traffic as undirected graphs, on which graph convolutions are built to extract spatial feature informations. Furthermore, a dilated convolution is deployed into graph convolution for capturing multi-scale contextual messages. The proposed STDGCN integrates the dilated convolution into the graph convolution, which realizes the extraction of the spatial and temporal characteristics of traffic flow data, as well as features of road occupancy. To observe the performance of the proposed model, we compare with it with four rivals. We also employ four indicators for evaluation. The experimental results show STDGCN's effectiveness. The prediction accuracy is improved by 17% in comparison with the traditional prediction methods on various real-world traffic datasets.

• 전기전자학회논문지
• /
• 제13권4호
• /
• pp.1-7
• /
• 2009

본 논문에서는 고정되지 않은 배경의 동영상에서 객체를 추출하는 방법을 제안한다. 제안하는 알고리즘은 추적에 기반을 둔 기법으로 크게 세 단계의 과정으로 이루어져 있다. 첫 번째 단계는 초기 분할로서, 사용자의 반응을 이용하여 첫 프레임의 분할 결과를 획득하는 과정이다. 초기 분할을 통해 획득된 결과 샘플은 커널 밀도 추정을 이용하여 각 매크로 블록별 컬러 확률 밀도 함수를 생성하는데 사용된다. 두 번째 단계에서는 각 프레임에 대해 이전 프레임의 경계 정보와 움직임 벡터를 이용하여 일치성 띠를 생성하고, 생성된 띠에 대한 시공간 확률을 추정한다. 마지막 단계에서는 각 픽셀별 컬러, 시공간, 스무드항의 합으로 구성된 에너지 함수를 최소화하여 최종 결과를 획득한다. 실험 결과를 통해서 본 논문에서 제안하는 기법이 정확한 분할 결과를 추출하는 지 다양한 테스트 영상을 통해 확인한다.

• 한국통신학회논문지
• /
• 제40권1호
• /
• pp.142-151
• /
• 2015

본 논문에서는 이동 카메라 환경에서 이동 및 이동 중 정지물체를 검출하기 위한 방법을 제안한다. 이동 중에 일시적으로 정지한 물체는 검출 결과의 응용관점에서 볼 때 이동물체의 검출만큼이나 중요한데, 기존의 이동물체 검출 방법들은 이들을 배경과 구분하지 못하는 한계를 갖는다. 이러한 문제를 해결하기 위해 제안하는 방법에서는 이동 가능성 큐, 위치 가능성 큐, 그리고 색 분포 유사성 큐를 정의하여 이동물체 검출 및 지속적인 추적에 이용한다. 그래프 컷 알고리즘은 세 개의 큐를 결합하여 시공간 영상분할을 수행함으로써 이동 및 이동 중 정지물체를 검출한다. 제안하는 방법은 이동물체 뿐 아니라 이동 중 정지물체에 대해서도 검출이 가능함을 실험을 통해 증명하였다.