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 : 유상봉(Sangbong Yoo) (검색결과 34 건)
- 무료
- 기관 내 무료
- 유료
-
-
눈 움직임 이벤트 식별 기술에 따른 시선 경로의 유사도 비교
유상봉(Sangbong Yoo),이현주(Hyunjoo Lee),장윤(Yun Jang) 한국HCI학회 2023 한국HCI학회 학술대회 Vol.2023 No.2
시선 경로 시각화는 사람의 눈이 시각적 자극을 관찰하는 시각적 탐색 과정을 보여준다. 시선 추적분야에서는 관찰자 사이의 시선 경로의 비교를 통해 시각적 탐색 과정의 유사성을 분석한다. 시각적 탐색과정이 보여주는 눈 움직임은 의미적으로 그리고 시각적으로 다른 형태를 보인다. 하지만, 기존 연구에서는 의미적 그리고 시각적인 차이를 고려하지 않고 LCS, ED, Jaccard similarity coefficient, DTW, Fréchet distance 와 같은 유사도 지표를 사용한다. 이 논문에서 우리는 시선 경로의 의미적 그리고 시각적 차이에 따른 시선 경로 유사도 지표들을 비교한다. 논문에서는 LCS 와 ED 를 의미적 유사도, Jaccard similarity coefficient, DTW, Fréchet distance 를 시각적 유사도로 분류한다. 우리는 관찰자 사이의 시선행동 분석에서 의미적 그리고 시각적 유사도 지표의 편향된 사용이 시각적 탐색의 해석 오류를 야기함을 분석한다. 우리는 분석에서 시각적으로 유사하지만 의미가 다른 시각적 탐색의 해석 그리고 의미적으로 유사하지만 시각적으로 다른 형태를 보이는 시선 경로를 다룬다. 또한, 이 분석을 통해 향후 시선 분석 분야의 연구 방향을 제시한다.
-
-
개인의 눈 행동 패턴을 분석하기 위한 Saliency 기반 시선 시각화
유상봉(Sangbong Yoo),정대교(Dae Kyo Jeong),장윤(Yun Jang) 한국HCI학회 2019 한국HCI학회 학술대회 Vol.2019 No.2
사람의 지각 체계는 외부로부터 받아들인 sensory 정보를 해석하고 이해하는 역할을 한다. 그 중 시선은 가장 많은 정보를 받아들이는 기관으로 바라보는 대상인 시각적 자극의 영향을 크게 받는다. 또한, 사람에 따라 민감하게 반응하는 시각적 자극의 특징에 따라 동일한 시각적 자극을 보더라도 받아들이는 정보의 질과 양이 달라진다. 하지만, 기존의 시선데이터 분석에서 시각적 자극은 눈의 행동 패턴에 큰 영향을 미치는 정보임에도 불구하고 단지 보여주는 방식으로만 활용하고 있다. 본 논문에서는 시각적 자극의 saliency 특징 구성을 시선 데이터 분석에 활용하는 시각화를 제안함으로써 기존의 시각적 자극을 보여주기만 하는 방식 보다 분석의 관점에서 시각적 자극의 활용도를 높인다.
-
시선추적 기술과 SVM 분류기를 이용한 개인화 인터페이스 제어 시스템
유상봉(Sangbong Yoo),연한별(Hanbyul Yeon),정성민(Seongmin Jeong),장윤(Yun Jang) 한국HCI학회 2016 한국HCI학회 학술대회 Vol.2016 No.1
본 논문에서는 시선추적기술을 응용하여 개인화된 인터페이스 제어방법을 제안한다. 시스템은 개인시선추적 데이터의 패턴을 분류하여 기계학습 하며 새로운 패턴이 입력된 경우 SVM 분류기를 통해 학습된 패턴에 매칭한 뒤 인터페이스 제어에 활용한다. 개인화된 인터페이스 제어시스템은 명령어 제어를 자연스럽게 수행 할 수 있다. 이는 인위적이지 않은 인터페이스 제어 시스템으로 다양한 도메인에 대한 응용 및 적용에의 기초 연구로써 그 의의가 있다. In this paper, we present a personalized interface control based on eye-gaze tracking data. In order to extract eye-gaze tracking data patterns, we collect the personalized training data from SVM algorithm and machine learning. The main contribution in this paper is to build a natural personalized interface system and to apply it to various application domains.
-
-
-
시선 추적 기술을 활용한 저작단계에서 가상 멀미를 해소할 수 있는 저작자 의도형 콘텐츠 저작 방안
유상봉(Sangbong Yoo),정대교(Daekyo Jeong),백희원(Heewon Baek),장윤(Yun Jang) 한국HCI학회 2017 한국HCI학회 학술대회 Vol.2017 No.2
최근 대중의 많은 관심을 받고 있는 VR 기술은 사용자에게 다양한 경험을 제공하고 있다. 특히, 세계적 기업들이 힘을 실어주면서 앞으로의 전망도 밝은 편이다. 하지만, 이러한 VR 기술에 가상 멀미라는 해결되지 않은 이슈가 있어, 이를 해결하기 위한 다양한 연구들이 진행되고 있다. 따라서, 본 논문에서는 VR 환경에서 발생하는 가상 멀미의 원인중 하나인 시각적 자극을 저작단계에서 시선추적을 통한 저작자 의도에 맞는 선택으로 가상 멀미 현상을 감소시킬 수 있는 방안을 제안하고자 한다.
-
-
EEG 신호의 노이즈 불변 표현 학습을 위한 GNN 기반 모델
한보림(Borim Han),유상봉(Sangbong Yoo),임수빈(Soobin Yim),서성범(Seongbum Seo),최석환(SeokHwan Choi),장윤(Yun Jang) 한국HCI학회 2025 한국HCI학회 학술대회 Vol.2025 No.2
Electroencephalogram (EEG)는 두피에 부착된 전극을 사용하여 비침습적으로 대뇌 피질 뉴런의 전기 활동을 기록한다. 이는 병리학 검사, 수면 모니터링, 뉴로피드백, 뇌-컴퓨터 인터페이스와 같은 의료 분야에서 활용된다. 하지만 EEG 는 비침습적 측정으로 인해 신호의 크기가 작기 때문에 전극의 부착 상태, 눈 움직임 등의 다양한 아티팩트로 인한 노이즈에 쉽게 오염된다. 왜곡된 EEG 신호 분석을 막기 위해 연구자는 denoising 기법을 사용해 원시 EEG 데이터에서 노이즈를 제거한다. 하지만 이 과정에서 EEG 신호의 정보가 손실되거나 신호와 노이즈가 제대로 분리되지 않고 혼합되는 경우가 발생한다. 본 논문에서는 원본 EEG 데이터의 특성을 유지하기 위하여 노이즈와 아티팩트의 영향을 최소화하는 IRL(Invariant Representation Learning) 손실함수를 GNN(Graph Neural Network) 모델에 도입한다. IRL 손실 함수가 도입된 GNN 모델은 EEG 발작 감지에서 CNN (Convolutional Neural Network), LSTM (LongShort-Term Memor), 기존 GNN 모델과 비교하여 비교하여 성능이 향상되었다.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
