http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
차준영(Junyeong Cha),반현민(Hyunmin Ban),김휘용(Hui Yong Kim) 한국방송·미디어공학회 2022 한국방송공학회 학술발표대회 논문집 Vol.2022 No.6
본 논문에서는 기존 이미지를 통해 위상 홀로그램을 생성하는 네트워크를 학습 및 최적화하여, 기존에 사용하는 알고리즘 방식인 GS 알고리즘(Gerchberg-Saxton algorithm)을 대체하는 것을 목표로 한다. GS는 반복 최적화 기법으로 한 장의 이미지에서 위상 홀로그램을 생성하는데 많은 시간이 걸리지만, 심층 학습 기반으로 학습된 모델을 통해 위상 홀로그램을 생성할 경우, 반복 최적화 과정 없이 짧은 시간 안에 위상 홀로그램을 생성할 수 있다. GS와 심층 학습 기반으로 각각 생성한 위상 홀로그램을 ASM(Angular Spectrum Method)을 통해 수치적으로 재복원하여 PSNR로 원본 이미지와 비교한 결과, 심층 학습 기반으로 생성한 위상 홀로그램에서 더 좋은 화질의 이미지를 짧은 시간 안에 얻을 수 있었다.
디지털 홀로그래픽 현미경 데이터를 위한 위상 영상 압축
김영민(YoungMin Kim),반현민(Hyunmin Ban),최승미(SeungMi Choi),오관정(Kwan-Jung Oh),임용준(Yongjun Lim),김휘용(HuiYong Kim) 한국방송·미디어공학회 2022 한국방송공학회 학술발표대회 논문집 Vol.2022 No.6
최근 홀로그램(Hologram)을 광학현미경(light microscopy)에 적용하여 시료의 두께를 측정하는 방식의 연구가 활발하게 진행되고 있다. 빛의 간섭패턴(Interference pattern)을 사용하여 시료의 두께를 측정할 수 있는 이유는 시료의 두께에 따라 빛의 위상(phase)이 달라지기 때문이다. 빛의 간섭패턴을 저장하는 홀로그램에서 위상만을 분리한 후 위상을 unwrapping 하면 물체의 두께를 측정할 수 있다. JPEG은 기존의 연구방식인 시료를 통과한 홀로그램 이미지를 직접 압축하는 object 압축방식을 사용한다. 하지만 본 논문에서는 object 압축방식과 달리 홀로그램 이미지를 직접 압축하지 않고 홀로그램 이미지에서 시료의 위상(phase)만을 분리하여 위상 도메인에서 압축하는 방식을 취하였다. 이를 통해 object 압축방식에 비해 위상 도메인 압축방식에서 모든 데이터셋에 대하여 평균적으로 0.0003~0.0142 radian의 성능향상을 이룰 수 있었다.
최승미(SeungMi Choi),반현민(Hyunmin Ban),오관정(Kwan-Jung Oh),임용준(Yongjun Lim),김휘용(Hui Yong Kim) 한국방송·미디어공학회 2022 한국방송공학회 학술발표대회 논문집 Vol.2022 No.6
홀로그램은 빛의 세기와 위상 정보를 모두 기록함으로써 3차원 영상 정보를 기록 및 재현할 수 있는 차세대 영상 시스템이다. 홀로그램은 부동 소수점의 복소 데이터로 실수, 허수 또는 진폭, 위상 신호로 분리되어 압축된다. 본 논문에서는 복소 홀로그램 영상의 표현방식에 따른 압축성능을 비교해보고, 진폭-위상 압축에 대해 압축 친화적인 복소 홀로그램 변환 방식을 제안한다. 이후, 각 표현방식의 압축에서 효율적인 비트량 할당 방법을 제시한다. 본 논문은 제안방식인 QS 진폭-위상 표현이 실수-허수 표현만큼 높은 압축성능을 갖는 것을 확인하였다.
순환 손실 함수를 이용한 딥러닝 기반 위상 홀로그램 초해상도
차준영(Junyeong Cha),반현민(Hyunmin Ban),최승미(Seungmi Choi),김휘용(Hui Yong Kim) 한국방송·미디어공학회 2021 한국방송공학회 학술발표대회 논문집 Vol.2021 No.11
홀로그램(Hologram)은 3차원 물체에서 나오는 빛의 정보를 제어하는 기술이다. 현재는 컴퓨터 생성 홀로그램(CGH)으로 생성한 디지털 홀로그램에 관한 연구, 특히 물체에서 나오는 빛의 정보를 최대한 기록하고 재현하여 디지털 홀로그램의 해상도를 향상시키려는 연구가 활발히 진행되고 있다. 이에 본 논문에서는 고해상도 홀로그램 영상을 얻기 위해 딥러닝 기반 초해상도(Super Resolution) 네트워크를 훈련 및 최적화하여, 저해상도 위상 홀로그램 영상으로부터 높은 화질의 홀로그램 영상을 재현하는 고해상도 위상 홀로그램 영상을 생성하는 것을 목표로 한다. 이때 위상 홀로그램 영상의 특성을 이용한 순환 손실 함수(Circular loss function)를 새롭게 제안하며, 기존의 이미지 초해상도 신경망 모델을 학습시킬 때 자주 사용하는 L1 손실 함수와 비교했을 때 약 0.13㏈ 정도의 성능 향상이 있었다.