http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
어영정(Youngjung Uh),박진홍(Jinhong Park),한탁돈(Tackdon Han),변헤란(Hyeran Byun) 한국정보과학회 2010 한국정보과학회 학술발표논문집 Vol.37 No.1C
최근 많은 컴퓨팅 작업들이 모바일로 옮겨지기 시작하면서 존재하는 알고리즘을 하드웨어에 구현하여 속도를 높이는 것이 이슈가 되고 있다. 그 중 영상의 특징 점을 기반으로 두 개 이상의 영상을 매칭하는 기술을 중심으로 하는 기술이 다양한 분야에서 연구되고 있다. 본 논문에서는 다양한 분야에서 널리 활용되는 Scale Invariant Feature Transform(SIFT)라는 특징 점 추출 알고리즘의 성능을 분석하여 모바일 디바이스를 위한 비용대비 성능이 높은 최적의 매개변수를 찾는다.
김성도(Seongdo Kim),어영정(YoungJung Uh),변혜란(Hyeran Byun) 한국정보과학회 2012 한국정보과학회 학술발표논문집 Vol.39 No.1B
일반적으로 같은 장면을 찍은 여러 장의 이미지를 이용하여 파노라마를 생성하려는 경우에도 각 이미지 사이에는 많은 기하학적 제약이 존재하기 때문에 이미지들간의 관계를 단 하나의 호모그래피로 나타낼 수 없다. 하지만 현존하는 대부분의 파노라마 생성 알고리즘은 하나의 호모그래피를 이용하여 파노라마 이미지를 생성하는 방법을 이용하기 때문에 여러 가지 기하학적 제약을 제대로 나타낼 수 없다. 따라서 이러한 알고리즘을 이용한 파노라마의 결과 이미지는 많은 왜곡과 부정합을 포함하게 된다. 본 논문에서 우리는 이러한 문제를 해결하기 위하여 여러 개의 호모그래피를 생성하고 합성하여 파노라마 이미지를 생성하는 방법을 제안한다. 제안하는 방법을 통하여 기존 파노라마 생성 알고리즘에서 나타난 많은 왜곡과 부정합을 줄일 수 있으며 호모그래피 개수도 자동으로 판별하여 주기 때문에 사용자의 입력을 필요로 하지 않는다.
블록 히스토그램 및 동적 매칭을 이용한 중복 동영상의 빠른 검출
임여선(YeoSun Lim),배건태(GunTae Bae),임광용(KwangYong Lim),어영정(YoungJung Uh),변혜란(Hyeran Byun) 한국정보과학회 2013 정보과학회논문지 : 소프트웨어 및 응용 Vol.40 No.2
다양한 IT 기술의 발전으로 동영상 데이터의 사용이 폭발적으로 증가하면서 중복 동영상 또한 증가하게 되었다. 원본 동영상에 여러 종류의 변환을 가하여 생성된 중복 동영상들은 저작권 침해 및 동영상 관리와 검색 시 정확도를 떨어뜨리고 작업 시간을 증가시키는 문제를 일으키고 있다. 이러한 문제를 해결하기 위하여 본 논문에서는 블록 히스토그램 기반의 특징 추출과 동적 매칭을 사용하여 빠르게 중복동영상을 검출하는 방법을 제안한다. 다양한 변환에 강인하도록 블록 단위로 시간적 히스토그램을 특징 벡터로 사용하였다. 본 논문에서 제안하는 방법의 성능을 평가하기 위하여 두 개의 동영상 데이터 집합을 사용하여 중복 동영상 검출, 중복 동영상 클러스터링, 속도 평가 등의 실험을 수행한 결과, 제안하는 방법이 기존의 방법들보다 우수한 정확도를 나타내고 매칭 작업에서 약 5배 빠른 속도로 처리되는 것을 확인하였다. The use of multimedia data is sharply increasing according to the development of various IT technologies. Especially as the use of video increases exponentially, the video copy causes lower accuracy and demands more time for video management and video search. In this paper, we proposed the real-time video copy detection based on block histogram and dynamic matching. We extracted block histogram as feature vector for the various transformations. Moreover, dynamic matching method for faster and more accurate video matching was suggested. Two video data sets were used to evaluate the proposed method and it showed higher performances than previous work. Specifically, the proposed dynamic matching method is 5 times faster working speed and excellent accuracy.
실시간 실제이미지 편집을 위한 생성적 적대 신경망의 공간차원 도입 기법 소개
김현수(Hyunsoo Kim),최윤제(Yoonje Choi),김준호(Junho Kim),유승주(Sungjoo Yoo),어영정(Youngjung Uh) 한국정보과학회 2021 정보과학회지 Vol.39 No.6
생성적 적대 신경망(generative adversarial networks, GANs)은 무작위 은닉벡터로부터 사실적인 이미지를 생성한다. 입력인 은닉벡터를 변조함으로써 결과이미지를 수정할 수 있지만, 실제하는 이미지를 편집하려는 경우 1) 실제이미지를 은닉벡터로 사영하는 최적화연산의 높은 시간복잡도 또는 2) 인코더를 통한 사영과정에서 생기는 오차에 의한 어려움이 있다. 본 특집원고에서는 은닉표현자에 공간차원을 도입하고 상응하는 공간별 변조연산을 사용하는 StyleMapGAN을 소개한다. 그로 인해 인코더기반의 사영을 통해 최적화연산보다도 정확한 결과를 얻을 수 있게 되고 지역별 편집이 가능해진다. 이미지 편집의 다양한 작업에 대한 폭넓은 실험은 StyleMapGAN의 우월함을 입증한다. 더불어, 기존의 편집방법들은 StyleMapGAN에서 여전히 유효하다.