• KIISE Transactions on Computing Practices
• /
• v.21 no.4
• /
• pp.327-332
• /
• 2015

Constructing a k-nearest neighbor (k-NN) graph is a primitive operation in the field of recommender systems, information retrieval, data mining and machine learning. Although there have been many algorithms proposed for constructing a k-NN graph, either the existing approaches cannot be used for various types of similarity measures, or the performance of the approaches is decreased as the number of nodes or dimensions increases. In this paper, we present a novel algorithm for k-NN graph construction based on "balanced" canopy clustering. The experimental results show that irrespective of the number of nodes or dimensions, our algorithm is at least five times faster than the brute-force approach while retaining an accuracy of approximately 92%.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.07a
• /
• pp.415-416
• /
• 2010

이 논문에서 우리는 텍스쳐 정보가 적은 영역이 존재하는 입력 영상들에 대해서도 안정적인 복원을 도출하는 새로운 다시 점 스테레오 방법을 제시한다. 제안된 방법에서는 입력 영상들을 인접한 픽셀간의 색 유사성을 이용하여 세그먼테이션한 후, 세그먼트 단위로 다시점 스테레오를 수행한다. 특히 그 과정에서 한 영상 내의 이웃한 세그먼트들의 깊이 값 유사성, 그리고 서로 다른 시점에서 상응하는 세그먼트 간의 깊이 값 일관성을 가정하여, 텍스쳐 정보가 적은 영역에 대해서도 안정적으로 3D 점들을 생성해준다. 생성된 3D 점들은 그래프 컷 기반의 복원 알고리즘을 통해 일관된 3D 표면으로 복원 되었고, 복원 결과는 제안된 방법이 실제로 기존의 다른 다시점 스테레오에 비해 보다 안정적으로 깊이 정보를 추출할 수 있음을 보여준다. 결과적으로 제안된 방법은 보다 일반적이고 실생활에 가까운 입력 영상들에 대해서도 3D 복원을 수행할 수 있는 방향을 제시한다.