http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Neural Radiance Fields를 사용한 비디오 표현 시 전이 학습의 효용성 분석
최재열(Jaeyeol Choi),정종범(Jong-Beom Jeong),박준형(Junhyeong Park),신홍창(Hong-Chang Shin),정준영(Jun-Young Jeong),이광순(Gwangsoon Lee),류은석(Eun-Seok Ryu) 한국방송·미디어공학회 2023 한국방송공학회 학술발표대회 논문집 Vol.2023 No.6
영상의 프레임마다 정적인 3차원 장면 (scene) 표현 모델인 neural radiance field (NeRF)를 사용하여 동적인 3차원 공간을 인공신경망들의 가중치로서 표현할 수 있다. 이러한 경우, 매 프레임마다 NeRF 모델 학습에 사용되는 이미지 데이터는 매우 유사하기 때문에 N번째 프레임에 대한 모델을 학습 시킬 때 N-1번 프레임을 위해 학습된 모델을 활용한다면 적은 학습 횟수로도 높은 성능을 갖는 모델을 만들 수 있다. 본 논문은 NeRF 모델의 프레임 간 전이 학습 (transfer learning) 적용 시의 효과성을 분석한다. 이와 함께 전이 학습 적용 시 인공신경망의 전반부 layer의 파라미터를 동결 (freeze)하였을 때 성능 및 학습 시간의 변화를 측정한다. 실험 결과 정적인 NeRF 모델 여러 개를 통해 몰입형 비디오를 표현할 경우 렌더링된 뷰의 품질이 향상됨을 확인하였으며, 전이 학습 적용시 전반부 layer의 파라미터를 동결시키는 것이 학습 시간 단축의 효과가 있음을 확인하였다.
MPEG Immersive Video 를 위한 그룹 기반 적응적 스트리밍
정종범(Jong-Beom Jeong),이순빈(Soonbin Lee),최재열(Jaeyeol Choi),이광순(Gwangsoon Lee),곽상운(Sangwoon Kwak),정원식(Won-Sik Cheong),이봉호(Bongho Lee),류은석(Eun-Seok Ryu) 한국방송·미디어공학회 2022 한국방송공학회 학술발표대회 논문집 Vol.2022 No.11
다수의 색상 및 거리 정보로 구성된 몰입형 영상 부호화를 위한 MPEG immersive video (MIV) 표준은 각 시점의 영상 간 중복성 제거 및 잔여 영상 병합을 통한 압축률 향상을 목표로 한다. 시점에 따른 카메라 그룹핑을 통해 압축률 향상이 가능하나, 그룹 기반 MIV 부호화 기술은 최근 활발히 논의되고 있지 않다. 따라서 본 논문은 최신 버전의 MIV 참조 소프트웨어에 그룹 기반 부호화 기술을 이식하고 적응적 스트리밍을 위한 그룹 기반 부호화 기술의 효율을 검증하였다.