http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
XR 환경에서의 입력 정확도 개선을 위한 CNN 기반 문자 인식 모델
이종배(Lee, Jong-Bae),박정철(Park, Jeung-Chul),손욱호(Son, Wook-Ho) 한국HCI학회 2023 한국HCI학회 학술대회 Vol.2023 No.2
본 논문은 XR 환경에서 핸드 인터랙션 기반으로 텍스트를 입력할 때 발생하는 문제인 손동작 추적알고리즘의 추정 오차로 인한 오입력을 개선하기 위해, 이를 보정하는 방법과 인식하기 위한 딥러닝 모델을 제안한다. 본 논문에서 보정하는 방법으로는 이동 평균 필터를 사용하여 입력된 궤적의 Jitter를 제거하였고 딥러닝모델의 경우 기존 방식인 CNN과 RNN의 조합이 아닌 CNN만으로 구성하여 모바일 특성에 맞게 경량화를 하였다. Visual Feature Extractor에서는 DenseNet 모델을 기반으로 ConvNeXt 모델과 결합하여 새로운 BottleNeck 블록을 설계하였다. 이를 통해 모델의 크기 및 추론 속도에서 향상을 보였다. 또한 Visual Feature Pooling에서는 분산 값을 이용한 Pooling 연산으로 정보손실을 최소화하여 인식 성능을 높였다. Sequential Classifier에서는 RNN을 대신하여 Conv1D 연산을 사용해 모델의 학습 속도를 향상하고, RNN의 문맥 정보포착 특성을 완화해 잘못된 문맥으로 인한 문자 오입력 문제를 개선한다. CTC Decoder에서는 최종적으로 모델에서 출력된 추론 값을 텍스트로 변환한다. 실험에서는 단일 문자 인식 모델과 다중 문자 인식모델에 대한 실험을 진행하였으며, 이를 비교하기 위하여 일반적인 CNN 모델과 CRNN[1] 모델을 사용하여 성능을 비교하였다.
가상현실 기반 프로토타입을 이용한 모바일 장치의 디자인 평가
조동식 ( Dong-sik Jo ),양웅연 ( Ung-yeon Yang ),손욱호 ( Wook-ho Son ) 한국정보처리학회 2007 한국정보처리학회 학술대회논문집 Vol.14 No.1
본 연구는 가상현실 기반 프로토타입을 이용한 모바일 장치의 디자인 평가 방법에 관한 것으로, 모바일 장치의 디자인 요소 분류, 3 차원 데이터의 고품질 가시화 기법, 제품 기능과 동작에 대한 사용자 상호작용의 구현 방법을 제시하고자 한다.