http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 정원기(Won-Ki Jeong) (검색결과 18 건)
- 무료
- 기관 내 무료
- 유료
-
극한 표면의 근접거리 메트릭을 이용한 적응적 Loop 메쉬분할법
정원기(Won-Ki Jeong),김창헌(Chang-Hun Kim) 한국정보과학회 1999 한국정보과학회 학술발표논문집 Vol.26 No.2Ⅱ
본 논문은 메쉬 분할시 생성되는 정점들과 그 점들의 극한위치와의 차이로 정의되는 근접거리 메트릭을 이용한 적응적 Loop 메쉬분할법을 제안한다. 근접거리 메트릭은 모든 approximation 분할법에 적용가능하며, 이 메트릭을 이용하여 초기메쉬를 사용자 입력 허용치에 따라 적응적으로 분할하여 적은 데이터로 극한메쉬에 근접한 결과를 생성할 수 있다. 또한, 본 논문에서 제시한 적응적 Loop 분할법은 다단계 메쉬표현이나 메쉬 편집 등 Loop 메쉬분할법이 사용되는 알고리즘에 유용하게 적용시킬 수 있다.
-
정원기(Won-Ki Jeong),김창헌(Chang-Hun Kim) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.2Ⅱ
본 논문은 연결정보가 없는 거리영상으로부터 DSM(Displaced Subdivision Mesh)을 복원하는 기술을 제안한다. DSM은 메쉬의 표면정보를 메쉬 분할법으로 생성한 부드러운 표면과의 차이값으로 표현할 수 있으므로 메쉬를 표현하는 데이터 크기를 획기적으로 줄일 수 있으며, 거리영상에 근접한 3차원 모델 복원기술에 효율적으로 적용될 수 있다. 제안 알고리즘은 기존 방법에서 사용하던 전역적 에너지 최소화 과정을 기하해석적인 방법으로 대체하여 빠르게 메쉬를 복원 할 수 있으며, 복원된 메쉬는 Remeshing을 거치치 않고 바로 다단계 표현으로 변환이 가능하다. 또한 입력 데이터를 고려한 라플라시안을 이용하여 거리영상에 최대한 근접하면서 지역적인 곡률이 최소화 된 DSM을 생성한다. 이렇게 복원된 DSM은 메쉬 편집, 압축, 렌더링, 애니메이션 등 여러 응용분야에서 사용될 수 있다.
-
-
-
곡률 오차를 이용한 간략화 메쉬의 계층적 계산에 의한 다단계 메쉬 생성
김선정(Sun-Jeong Kim),최가나(Ga-Na Choi),정원기(Won-Ki Jeong),김창원(Chang-Hun Kim) 한국정보과학회 1999 한국정보과학회 학술발표논문집 Vol.26 No.1B
본 논문은 임의의 메쉬에 대해 곡률 오차를 이용하여 간략화된 기본 메쉬와 각 LOD 사이의 계층적 계산에 의한 보간 연산의 sequence로 다단계 메쉬를 구성하는 알고리즘을 제안한다. 곡률 오차를 이용한 간략화 알고리즘으로 계층적 계산에 적합한 도메인을 생성하고, 글로벌 에러 메트릭으로 곡률 오차를 사용하므로써 생성되는 다단계 메쉬가 주어진 간략화 오차 이내임을 보장하며, 계층적 계산으로 기존 다단계 메쉬의 분할 연결성의 제약 조건을 해결한다. 본 논문의 알고리즘으로 생성된 다단계 메쉬는 다면제 압축, 점진적인 전송, 다단계 편집 등에 활용될 수 있다.
-
정수(Soo Jeong),이종진(Jong Jin Lee),정원기(Won Ki Jung) 한국산학기술학회 2016 한국산학기술학회논문지 Vol.17 No.9
모든 사물들이 인터넷에 연결되는 사물 인터넷 시대에 즈음하여 본 논문에서는 라즈베리파이와 지그비를 이용하여 실내의 LED 조명등과 멀티탭을 on/off 하고 조명등의 밝기와 출입문의 전자 도어락을 스마트폰으로 원격 제어하는 시스템을 제안한다. 라즈베리파이에 적외선 송신 모듈을 연결하여 리모트컨트롤이 가능한 에어컨 등의 가전제품을 스마트폰 어플로 제어했으며 실내의 영상, 실내온도, 조도 등을 모니터링 했다. 리모트컨트롤이 가능한 모든 가전제품들을 원격 제어하기 위해서는 IR 송신코드를 알아내어야 하는데 AVR 마이크로컨트롤러를 이용해서 IR 송신코드를 알아내는 방법을 제안했다. 상용의 사무실용 도어락을 개조하여 원격으로 개폐하는 방법을 제안했다. LED 조명의 밝기는 ATmega88로 PWM 신호를 발생시켜서 0에서 10 레벨까지 컨트롤했고 멀티탭의 제어는 ATmega32와 포토커플러, TRIAC를 사용하였다. 측정된 온도 및 조도는 Tiny44A를 사용하여 A/D 변환되고 SPI 통신으로 라즈베리파이에게 송신된다. 카메라는 라즈베리파이의 CSI(Camera Serial Interface) 헤드에 연결하였다. 스마트 멀티탭은 일정시간 동안 on 시킬 수 있고 미래시점에 on이 되도록 예약할 수 있다. 대기전력을 줄이기 위해서는 수동으로 멀티탭의 콘센트를 뽑거나 스위치을 꺼면 되지만 스위치를 꺼지 않고 외출한 경우에도 스마트폰으로 원격 제어하여 스위치를 꺼면 대기전력을 줄이는데 많은 도움이 될 것이다. In the era of the Internet of Things, where all physical objects are connected to the Internet, we suggest a remote control system using a Raspberry Pi single-board computer with ZigBee, which can turn an indoor light-emitting diode (LED) and a multiple-tap on and off, and with a smart phone can control the brightness of the LED as well as an electronic door lock. By connecting an infrared (IR) transmitter module to the Raspberry Pi, we can control home appliances, such as an air conditioner, and we can also monitor indoor images, indoor temperatures, and illumination by using a smart phone app. We developed a method of finding out IR transmission codes required for remote-controllable appliances with an AVR micro-controller. We suggest a method to remotely open and shut an office door by novating the door lock. The brightness level of an LED (between 0 and 10) can be controlled through a PWM signal generated by an ATmega88 microcontroller. A mutiple-tap is controlled using an ATmega32, a photo-coupler, and a TRIAC. The signals for measured temperature and illumination are converted from analog to digital by using the ATtiny44A microcontroller transmitting to a Raspberry Pi through SPI communication. Then, we connect a camera to the CSI head of the Raspberry Pi. We can turn on the smart multiple-tap for a certain period of time, or we can schedule the multi-tap to turn on at a specific time. To reduce standby power, people usually pull out a power code from multiple-taps or turn off a switch. Our method helps people do the same thing with a smart phone, if they are away from home.
-
-
비지도 학습 기반 영상 노이즈 제거 기술을 위한 정규화 기법의 최적화
이강근(Kanggeun Lee),정원기(Won-Ki Jeong) 한국컴퓨터그래픽스학회 2021 컴퓨터그래픽스학회논문지 Vol.27 No.5
최근 노이즈 제거를 위한 심층 학습 모델에 대한 연구가 활발하게 진행되고 있다. 특히 블라인드 노이즈 제거(blind denoising) 기술이 발전하면서 깨끗한 영상을 얻기가 불가능한 영상의 영역에서 노이즈 영상만으로 심층 학습 기반 노이즈 제거 모델의 학습이 가능해졌다. 우리는 관찰된 노이즈 영상으로부터 깨끗한 영상을 얻기 위해 더는 깨끗한 영상과 노이즈 영상의 짝을 이루는 데이터를 필요하지 않는다. 하지만 노이즈 영상과 깨끗한 영상 간의 차이가 큰 데이터라면 노이즈 영상만으로 학습된 노이즈 제거 모델은 우리가 원하는 품질의 깨끗한 영상을 복원하기 어려울 것이다. 이 문제를 해결하기 위해서 짝지어지지 않는 깨끗한 영상과 노이즈 영상으로 학습한 모델 기반 노이즈 제거 기술은 최근 연구되고 있다. 가장 최신 기술인 ISCL은 깨끗한 영상과 노이즈 영상의 쌍을 기반으로 한 지도학습 기반 모델의 성능과 거의 근접한 성능을 보여주었다. 우리는 제안된 방법이 ISCL을 포함한 다른 최신 짝을 이루지 않는 영상 기반 노이즈 제거 기술보다 성능이 우수함을 보여준다. Recently, deep learning-based denoising approaches have been actively studied. In particular, with the advances of blind denoising techniques, it become possible to train a deep learning-based denoising model only with noisy images in an image domain where it is impossible to obtain a clean image. We no longer require pairs of a clean image and a noisy image to obtain a restored clean image from the observation. However, it is difficult to recover the target using a deep learning-based denoising model trained by only noisy images if the distribution of the noisy image is far from the distribution of the clean image. To address this limitation, unpaired image denoising approaches have recently been studied that can learn the denoising model from unpaired data of the noisy image and the clean image. ISCL showed comparable performance close to that of supervised learning-based models based on pairs of clean and noisy images. In this study, we propose suitable normalization techniques for each purpose of architectures (e.g., generator, discriminator, and extractor) of ISCL. We demonstrate that the proposed method outperforms state-of-the-art unpaired image denoising approaches including ISCL.
-
-
뉴런 추적 및 딥러닝 기반의 대화형 뉴런 구조 교정 기법
최준영(JunYoung Choi),정원기(Won-Ki Jeong) 한국컴퓨터그래픽스학회 2021 컴퓨터그래픽스학회논문지 Vol.27 No.4
축삭(axon), 가지돌기(dendrite), 신경세포체(cell body)와 같은 뉴런의 소기관을 분리하는 작업은 신경학적 현상의 분석에 도움을 준다. 최근에 딥러닝 기술을이용하여 이를 수행하고자 하는 시도들이있지만, 데이터의 노이즈, 훈련 데이터와의 차이 등으로 인해 결과에 오류를 포함할 가능성이있다. 따라서, 이러한 기술을 실제 분석에 활용하기 위해서는 결과를 교정하는 과정이 필수적이지만, 이는 전문가가 수작업으로 수행해야 하기 때문에 많은 노력과 시간이 소요된다. 우리는 딥러닝 결과에 존재하는 오류들을 보다 손쉽게 교정할 수 있는 대화형 뉴런 구조 교정 방법을 제안한다. 이 방법은 구조적 일관성을 지니는 뉴런의 특성을 기반으로 뉴런 구조를 교정하여 적은 사용자의 인터랙션으로도 높은 정확도의 교정 결과를 얻을 수 있도록 한다. Segmenting the compartments of neurons, such as axons, dendrites, and cell bodies, is helpful in the analysis of neurological phenomena. Recently, there have been several studies to segment the compartments through deep learning. However, this approach has the potential to include errors in the results due to noise in data and differences between training data and actual data. Therefore, in order to use these for actual analysis, it is essential to proofread the results. The proofreading process requires a lot of effort and time because an expert must perform it manually. We propose an interactive neuron structure proofreading method that can more easily correct errors in the segmentation results of a deep learning. This method proofread the neuron structure based on the characteristics of the neuron with structural consistency, so that a high-accuracy proofreading result can be obtained with less interaction.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
