http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
문기화,박도현,김재곤 한국방송∙미디어공학회 2022 방송공학회논문지 Vol.27 No.3
본 논문은 동영상의 시각적 특징을 추출하는 MPEG CDVA 표준 기술에서 개별 프레임의 전역적인 특징을 표현하는 scalable Fisher vector (SCFV)의 새로운 압축 방법을 제안한다. CDVA 표준은 전역 특징 서술자에 대한 시간적 중복성 제거 기법을 도입하였으며, 구체적으로 부호화 단위 세그먼트 내의 SCFV 들이 서로 유사할 가능성이 높다는 점을 활용하여 SCFV에 대한 차분을 부호화 하는 방식을 사용하고 있다. 그러나 SCFV의 구조적 특징에 의해 SCFV의 차분을 부호화 한 결과물이 원본 데이터보다도 용량이 큰 경우가 발생하게 된다. 이와 같은 현상을 방지하기 위해 비대칭적 SCFV의 차분 계산 방법과 변경된 SCFV 차분을 활용하여 원본 SCFV를 복원하는 새로운 방법을 제안하였다. FIVR 데이터셋을 활용한 실험결과는 전역 특징 서술자의 압축 효율이 기존 CDVA Experimental Model에 대비하여 유의미하게 증가함을 보여준다.
문맥적응적 신경망 기반 화면내 예측의 트리 구조 반영 학습기법 분석
문기화(Gihwa Moon),허승정(Seung-Jeong Heo),박도현(Dohyeon Park),김재곤(Jae-Gon Kim) 한국방송·미디어공학회 2021 한국방송공학회 학술발표대회 논문집 Vol.2021 No.6
최근, 딥러닝 및 인공신경망 기술의 발전으로 비디오 부호화 분야에서도 인공지능을 이용한 요소 기술에 대한 연구가 활발이 진행되고 있다. 본 논문에서는 주변 참조샘플로부터 문맥정보를 이용하여 현재블록을 예측하는 CNN 기반의 화면내 예측 모델을 구현하고, 비디오 부호화의 블록 분할 구조를 반영한 학습 기법에 따른 부호화 성능을 분석한다. 실험결과 HM(HEVC Test Model)에 구현한 문맥적응적 신경망 기반 예측 모델에서 트리 분할 구조를 반영한 학습이 HM16.19 대비 0.35% BD-rate 부호화 성능 향상을 보였다.
전상훈,문기화,임성창,김재곤 한국방송∙미디어공학회 2024 방송공학회논문지 Vol.29 No.2
JVET is currently exploring potential technologies for a new video coding standardization after completion of the VVCstandardization, and is developing Enhanced Compression Model (ECM) as an exploration model software for this purpose. Currently, ECM incorporates a new technology called Template-based Intra Mode Derivation (TIMD) to enhance the intraprediction. TIMD utilizes a template consisting of reconstructed samples of the neighboring blocks and the Most Probable Mode(MPM) list to derive the intra prediction mode for the current block. This paper proposes a method of deriving a more appropriateprediction modes through line-wise weighting, applying greater weights to template lines close to the current block in the costfunction of TIMD mode prediction, Sum of Absolute Transformed Difference (SATD). Experimental results show that the proposedmethod gives a 0.03% BD-rate gain in luminance compared to ECM-10.0.