• 대한전자공학회논문지SP
• /
• 제46권2호
• /
• pp.108-113
• /
• 2009

FIR upsampler는 입력 데이터 보다 L배 빠른 출력 신호를 생성한다. Upsampler의 효율적인 구현을 위해 일반적으로 Noble identity 공식을 이용하여 L개로 필터단을 나눈다. 본 논문에서는 나누어진 필터단 1개의 위상 지연을 정수로 만들어 필터단 1개를 제거하는 방법을 제안하였다. 제안한 방법을 이용하여 CDtoDAT에 이용되는 192탭 2배 upsampler를 하이닉스 0.18라이브러리를 이용하여 설계할 때 기존 회로에 비하여 면적, 파워, 최대위상지연에러, 최대리플에러에서 48%, 43%, 99.9%, 68% 만큼 효율적임을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제16권7호
• /
• pp.431-438
• /
• 2016

본 논문은 색상정보와 깊이정보 가중치를 이용한 깊이영상 업샘플링 방법을 제안한다. 제안하는 알고리즘은 먼저 양선형 보간법을 통해 높은 해상도의 깊이영상을 생성한다. 그 후 RGB 색상영상, HSV 색상영상, 깊이영상 등을 이용하여 공통경계 영역을 추정한다. 만일 보간 된 화소가 공통경계 영역에 속한다면 해당화소를 포함하는 $3{\times}3$ 영역의 화소들에 대한 색상정보와 깊이정보의 가중치를 구하고 경계 화소값 결정을 위한 비용계산을 수행한다. 그 후 가장 작은 경계 화소값 결정 비용을 가지는 화소 값을 결과영상의 화소값으로 정한다. 제안하는 알고리즘은 PSNR 및 주관적 화질 비교에서 우수한 성능을 보였다.

• 한국정보통신학회논문지
• /
• 제21권7호
• /
• pp.1371-1378
• /
• 2017

본 논문은 양방향 가중치를 이용하는 기존의 업샘플링 방법들에서 나타난 색상 텍스쳐 복사(color texture copy) 문제를 방지하기 위해 선택적 양방향 가중치와 라플라시안 함수를 이용한 색상 가중치를 제안한다. 제안하는 알고리즘은 먼저 3차 회선 보간법(bicubic interpolation)을 통해 높은 해상도의 깊이영상을 생성한다. 그 후 색상영상과 깊이영상의 주변 화소값 차이를 이용하여 색상 텍스쳐 영역을 추정한다. 만일 보간 된 화소가 색상 텍스쳐 영역에 속한다면 해당화소를 포함하는 $3{\times}3$ 영역의 화소들에 대한 거리정보와 깊이정보의 가중치를 구하고 경계 화소값 결정을 위한 비용계산을 수행한다. 반면에 색상 텍스쳐 영역에 포함되지 않는 화소는 깊이정보 가중치 대신 색상정보 가중치를 구하여 비용계산을 수행한다. 아홉 개의 화소에 대한 비용계산이 끝나면 가장 작은 경계 화소값 결정 비용을 가지는 화소 값을 결과영상의 화소값으로 정한다. 제안하는 알고리즘은 PSNR 및 주관적 화질 비교에서 우수한 성능을 보였다.

• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.351-363
• /
• 2023

Visual structural inspections are an inseparable part of post-earthquake damage assessments. With unmanned aerial vehicles (UAVs) establishing a new frontier in visual inspections, there are major computational challenges in processing the collected massive amounts of high-resolution visual data. We propose twin deep learning models that can provide accurate high-resolution structural components and damage segmentation masks efficiently. The traditional approach to cope with high memory computational demands is to either uniformly downsample the raw images at the price of losing fine local details or cropping smaller parts of the images leading to a loss of global contextual information. Therefore, our twin models comprising Trainable Resizing for high-resolution Segmentation Network (TRS-Net) and DmgFormer approaches the global and local semantics from different perspectives. TRS-Net is a compound, high-resolution segmentation architecture equipped with learnable downsampler and upsampler modules to minimize information loss for optimal performance and efficiency. DmgFormer utilizes a transformer backbone and a convolutional decoder head with skip connections on a grid of crops aiming for high precision learning without downsizing. An augmented inference technique is used to boost performance further and reduce the possible loss of context due to grid cropping. Comprehensive experiments have been performed on the 3D physics-based graphics models (PBGMs) synthetic environments in the QuakeCity dataset. The proposed framework is evaluated using several metrics on three segmentation tasks: component type, component damage state, and global damage (crack, rebar, spalling). The models were developed as part of the 2^nd International Competition for Structural Health Monitoring.