• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.691-693
• /
• 2002

현대 사회에서 수요자를 고려하지 않은 산업 형태는 거의 찾아볼 수 없다. 우리 교육 또한 학생 개개인의 능력을 출발점으로 하여 학생의 눈높이에 맞춘 교육을 바람직하게 여기는 추세로 변화하고 있다. 이렇게 볼 때 가장 이상적인 학습형태는 개별화 수업이다. 최근 데이터 압축 기술과 통신 기술의 발달로 동영상 데이터(video data)를 이용한 다양한 서비스가 가능하게 되면서 교육에서도 그 사용의 폭이 넓어지고 있다. 이에 따라 동영상 데이터를 효율적으로 저장, 관리할 수 있는 검색에 대한 연구가 활발하게 이루어져오고 있다. 본 논문에서는 동영상 데이터 검색방법의 하나인 주석기반 방식(text-based retrieval)을 이용하여 하나의 교육용 비디오를 장면분할(scene segmentation)하여 학습내용의 수준에 따라 상.중.하 색인을 한다. 이 색인된 비디오에서 수준별 개별학습이 가능한 가상의 비디오 시퀸스(video sequence)를 만들어낸다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1999년도 추계종합학술대회
• /
• pp.420-423
• /
• 1999

본 논문에서는 비디오를 사용자가 쉽고 빠른 편집과 검색을 통하여 효율적으로 정보를 습득 할 수 있는 방법을 제안한다. 본 논문에서 제안하는 방법은 기존의 장면변환 검출 기법을 통해 추출된 후보 대표프레임들 중에서 사용자의 판단에 의해 대표프레임을 설정, 장면을 분할한 뒤 사용자 편의를 위해 시각적인 색인화를 통해 사용-자가 임의대로 각각의 장면들을 논리적으로 병합, 분리 가능하게 하여 편집할 수 있도록 한다.

• 정보처리학회논문지D
• /
• 제11D권1호
• /
• pp.69-82
• /
• 2004

이동 객체는 시간이 변화함에 따라 공간적인 위치나 모양, 크기 등이 변화하는 특징을 가지고 있다. 이런 객체의 변화는 연속적인 움직임을 수반하고 있는데, 이것을 궤적이라 한다. 본 논문에서는 한번의 노드 접근으로 이동 객체의 궤적을 검색할 수 있는 색인구조를 제안한다. 또한 시공간 범위검색은 물론 궤적검색에 효율적인 다중복합 검색을 제안한다. 제안된 방법의 우수성을 보이기 위해 실험을 통하여 검색시간과 저장공간에 대한 성능을 여러 환경에서 비교 분석하여 기존의 색인구조들에 비해 이동 객체의 시공간 궤적검색이 우수함을 보인다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2001년도 하계 학술대회 논문집(KISPS SUMMER CONFERENCE 2001
• /
• pp.265-268
• /
• 2001

내용에 기반한 동영상 검색에서, 대표 프레임을 자주 이용하는데, 이를 위해 우선적으로 동영상의 장면변화를 검출하는 기술이 필요하다. 일반적으로 컬러 히스토그램 비교방법이 많이 쓰이나, 급격한 조명변화에 민감하고 컬러 히스토그램 분포가 비슷한 부분의 장면전환을 놓칠 수 있다는 단점이 있다. 본 논문에서는 컬러 히스토그램 비교방법과 엔트로피를 복합적으로 이용하여 조명변화에 의해 장면전환이 잘못 검출되는 것을 막을 수 있다. 실험을 통해 제안한 방법은 컬러 히스토그램 비교방법보다 조명변화에 보다 감격함을 확인할 수 있었다.

• 정보처리학회논문지B
• /
• 제15B권4호
• /
• pp.315-322
• /
• 2008

인터넷 상에 산재해 있는 사진이나 비디오 등 시각 미디어 데이터를 효과적으로 검색하는 것은 전자 미술 박물관, 전자상거래, 전자 쇼핑몰 등 여러 응용 분야에서 중요한 일이다. 이러한 분야에서는 단순한 키워드 검색이 아닌 내용 기반 또는 의미 기반의 멀티미디어 검색을 필요로 한다. 인터넷 상의 시각 미디어를 효과적으로 검색하기 위해 제안된 선행 연구에서는 시각 미디어의 메타데이터와 온톨로지를 이용하고 또한 웹서비스를 이용하여 의미 기반의 검색을 수행한다. 본 연구에서는 인터넷 상에서 여러 시각 미디어 제공자와 이 제공자들의 정보를 가지고 있는 하나의 중계자가 존재하는 상황에서 시각 미디어를 효율적으로 검색하기 위한 전 단계로 적합한 서비스 제공자를 찾는 방법을 제안한다. 제안된 방법은 사용자의 질의에 적합한 제공자들과 그 순위를 효율적으로 얻기 위하여 온톨로지의 트리 구조를 이용한다. 온톨로지 트리에서 하위 노드의 크기와 자식 노드의 크기에 기반한 이 방법은 기존의 방법에 비해 효과적으로 제공자들간의 순위를 측정한다. 실험 결과 이 방법이 속도는 비슷하게 유지하면서 정확한 결과를 도출함을 보인다.

• 정보처리학회논문지D
• /
• 제9D권5호
• /
• pp.779-788
• /
• 2002

이미지, 비디오, 오디오와 같은 멀티미디어 데이터들은 텍스트기반의 데이터에 비하여 대용량이고 비정형적인 특성때문에 검색이 어렵다. 또한 멀티미디어 데이터의 특징은 행렬이나 벡터의 형태로 표현되기 때문에 완전일치 검색이 아닌 유사 검색을 수행하여 원하는 이미지와 유사한 이미지를 검색해야 한다. 본 논문에서는 멀티미디어 데이터 검색에 클러스터링과 인덱싱 기법을 같이 적용하여 유사한 이미지는 인접 디스크에 클러스터하고 이 클러스터에 접근하는 인덱스를 구축함으로써 이미지 근처의 클러스터를 찾아 빠른 검색 결과를 제공하는 유사 검색방법을 제시한다. 본 논문에서는 트리 유사 구조의 인덱스 대신 해싱 방법을 이용하며 검색시 I/O 시간을 줄이기 위해 오브젝트를 가진 클러스터 위치를 찾는데 한번의 I/O를 사용하고 이 클러스터를 읽기 위해 연속적인 파일 I/O를 사용하여 클러스터를 찾는 비용을 최소화한다. 클러스터 인덱싱 접근은 클러스터링을 생성하는 알고리즘과 해싱 기법의 인덱싱을 이용함으로써 고차원 데이터가 갖는 차원의 문제를 해결하며 클러스터링 또는 인덱싱 만을 이용하는 내용기반의 이미지 검색보다 효율적인 검색 적합성을 보인다.

• 한국멀티미디어학회논문지
• /
• 제13권5호
• /
• pp.730-739
• /
• 2010

웹2.0환경에서의 핵심적인 기술은 태깅이며, 현재 블로그와 같은 웹 문서에서부터 이미지, 동영상 등과 같은 멀티미디어 데이터에 이르기까지 폭넓게 적용되고 있다. 그러나 태깅에 사용된 태그가 정보 검색에 재사용되어 검색의 효율성을 극대화 시킬 것이라는 기대와는 달리 실제로는 태그가 가지는 근본적인 한계들로 인해 만족스럽지 못한 검색결과가 나타나고 있다. 이에 본 연구에서는 태그 클러스터링을 통한 이미지 검색에 대한 선행연구를 기반으로 의미론적 지식체계인 토픽맵 생성 시스템을 설계 및 구현하였다. 구현 결과 클러스터 내의 태그 정보들은 토픽맵에서의 토픽으로 자동 생성되었으며, 생성된 토픽맵의 토픽들 간에는 WordNet을 적용하여 의미연관관계를 부여하였다. 또한 토픽 쌍에 적합한 어커런스 정보들을 추출하여 토픽들에 부여함으로서 의미론적 지식체계인 토픽맵을 생성하였다. 이와 같이 생성된 토픽맵은 사용자의 정보검색 요구에 대한 시맨틱 내비게이션의 제공을 가능하게 할 뿐만 아니라 풍부한 정보제공이 가능하다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권4호
• /
• pp.402-411
• /
• 2000

비디오 데이타에서 셧 경계 검출은 비디오 인덱싱 및 검색에 있어서 매우 중요한 단계이다. 셧 경계 검출 방법은 현재 많은 연구가 진행되어 왔으나 아직까지 셧에 존재하는 내용을 기반으로 한 일반적인 방법이 제시되지 못하고 있다. 주로 연속된 비디오 프레임 사이의 칼라 히스토그램 변화나 DCT 계수의 편차에 의해 검출하는 방식이 주로 사용되고 있다. 하지만, 이러한 방식들은 비디오 데이타의 내용이나 의미있는 특징들을 사용하고 있지 않아서 사용자가 원하는 고도의 정보를 처리하는데는 어려운 점이 많다. 더욱이, 이러한 내용 기반의 처리가 압축 데이타에서 직접 수행할 수 있다면, 시간 및 오버헤드를 줄일 수 있어 바람직하다. 본 논문에서는 중요한 특징인 영역 정보 및 칼라 정보를 이용하여 MPEG 데이타를 원 영상으로 복호화하지 않고, 셧 경계를 검출하는 방법을 제안한다. 먼저, 압축비디오 데이타로 부터 DC영상들을 복원하여 이 영상들에 존재하는 영역 정보 흐름 및 양자화 된 HSV 칼라 정보의 중요한 특징들을 추출하여, 영역 흐름의 불연속점이나 칼라 히스토그램의 값이 급격히 변화하는 프레임을 찾아 이를 제안된 알고리즘에 따라 비디오 데이타의 셧 경계로 검출한다.

• Journal of Information Processing Systems
• /
• 제17권5호
• /
• pp.1020-1033
• /
• 2021

Nowadays, online or mobile social network services (SNS) are very popular and widely spread in our society and daily lives to instantly share, disseminate, and search information. In particular, SNS such as YouTube, Flickr, Facebook, and Amazon allow users to upload billions of images or videos and also provide a number of multimedia information to users. Information retrieval in multimedia-rich SNS is very useful but challenging task. Content-based media retrieval (CBMR) is the process of obtaining the relevant image or video objects for a given query from a collection of information sources. However, CBMR suffers from the dimensionality curse due to inherent high dimensionality features of media data. This paper investigates the effectiveness of the kernel trick in CBMR, specifically, the kernel principal component analysis (KPCA) for dimensionality reduction. KPCA is a nonlinear extension of linear principal component analysis (LPCA) to discovering nonlinear embeddings using the kernel trick. The fundamental idea of KPCA is mapping the input data into a highdimensional feature space through a nonlinear kernel function and then computing the principal components on that mapped space. This paper investigates the potential of KPCA in CBMR for feature extraction or dimensionality reduction. Using the Gaussian kernel in our experiments, we compute the principal components of an image dataset in the transformed space and then we use them as new feature dimensions for the image dataset. Moreover, KPCA can be applied to other many domains including CBMR, where LPCA has been used to extract features and where the nonlinear extension would be effective. Our results from extensive experiments demonstrate that the potential of KPCA is very encouraging compared with LPCA in CBMR.

• 지능정보연구
• /
• 제18권2호
• /
• pp.47-60
• /
• 2012

비디오 데이터는 구조화되지 않은 복합 데이터의 형태를 지닌다. 이러한 비디오 데이터의 효율적인 관리 및 검색을 위한 비디오 데이터 구조화의 중요성이 대두되면서 콘텐츠 내 시각적 특징을 기반으로 비디오 씬(scene)을 탐지하고자 하는 연구가 활발히 진행되었다. 기존의 연구들은 주로 색상 정보만을 이용하여 샷(shot) 간의 유사도 평가를 기반한 클러스터링(clustering)을 통해 비디오 씬을 탐지하고자 하였다. 하지만 비디오 데이터의 색상 정보는 노이즈(noise)를 포함하고, 특정 사물의 개입 등으로 인해 급격하게 변화하기 때문에 색상만을 특징으로 고려할 경우, 비디오 샷 혹은 씬에 대한 올바른 식별과 디졸브(dissolve), 페이드(fade), 와이프(wipe)와 같은 화면의 점진적인 전환(gradual transitions) 탐지는 어렵다. 이러한 문제점을 해결하기 위해, 본 논문에서는 프레임(frame)의 컬러 히스토그램과 코너 에지, 그리고 객체 컬러 히스토그램에 해당하는 시각적 특징을 기반으로 동일한 이벤트를 구성하는 의미적으로 유사한 샷의 클러스터링을 통해 비디오 씬을 탐지하는 방법(Scene Detector by using Color histogram, corner Edge and Object color histogram, SDCEO)을 제안한다. SDCEO는 샷 바운더리 식별을 위해 컬러 히스토그램 분석 단계에서 각 프레임의 컬러 히스토그램 정보를 이용하여 1차적으로 연관성 있는 연속된 프레임을 샷 바운더리로 병합한 후, 코너 에지 분석 단계에서 병합된 샷 내 처음과 마지막 프레임의 코너 에지 특징 비교를 통하여 샷 바운더리를 정제하여 최종 샷을 식별한다. 키프레임 추출 단계에서는 샷 내 프레임간 유사도 비교를 통해 모든 프레임과 가장 유사한 프레임을 각 샷을 대표하는 키프레임으로 추출한다. 그 후, 비디오 씬 탐지를 위해, 컬러 히스토그램과 객체 컬러 히스토 그램에 해당하는 프레임의 시각적 특징을 기반으로 상향식 계층 클러스터링 방법을 이용하여 의미적인 연관성을 지니는 샷의 군집화를 통해 비디오 씬을 탐지하는 방법이다. 본 논문에서는 SDCEO의 프로토 타입을 구축하고 3개의 비디오 데이터를 이용한 실험을 통하여 SDCEO의 효율성을 평가하였고 샷 바운더리 식별의 성능의 정확도는 평균 93.3%, 비디오 씬 탐지 성능의 정확도는 평균 83.3%로 만족할만한 성능을 보였다.