• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권11호
• /
• pp.403-410
• /
• 2022

블록체인 기반으로 생성된 NFT는 자신만의 고유한 값을 지녀 위변조가 불가하며 다른 토큰이나 코인과 교환될 수 없다. 이러한 특성을 이용해 이미지나 비디오, 예술작품, 게임 캐릭터 및 아이템 등과 같은 디지털 자산에 NFT를 발행하여 사이버상에 존재하는 수많은 사용자와 객체들 사이에서 디지털 자산의 소유권을 주장할 수 있으며, 동시에 원본 증명도 가능하다. 하지만, 2020년 초기부터 NFT에 관한 관심이 폭발하여 블록체인 네트워크에 많은 부하를 일으켰고, 이에 따라 사용자들은 연산 처리가 늦어지거나 채굴 과정에 매우 큰 수수료가 발생하는 문제점을 겪고 있다. 또한, 사용자들의 모든 행위가 블록체인 장부에 저장되고 디지털 자산은 블록체인 기반 분산 파일 저장 시스템에 저장되어 자신의 신분을 밝히고 싶지 않은 사용자의 개인정보가 불필요하게 노출될 가능성이 있다. 본 논문에서는 클라우드 컴퓨팅과 접근 게이트, 변환 테이블, 클라우드 아이디 등을 활용한 NFT 플랫폼을 제안하여 기존 시스템에서 발생하는 사용성 문제와 프라이버시 문제를 개선할 수 있도록 한다. 로컬시스템과 클라우드 시스템의 성능 비교를 위해 스마트 계약 배포 및 NFT 발행 트랜잭션 연산 처리에 사용된 가스를 측정했다. 그 결과, 클라우드 시스템이 같은 실험 환경 및 파라미터를 사용했음에도 스마트 계약 배포에는 약 3.75%, NFT 생성 트랜잭션 처리에는 약 4.6%의 가스를 절약하는 결과를 도출했고, 이를 통해 클라우드 시스템이 로컬시스템보다 효율적으로 연산을 처리할 수 있음을 확인했다.

• 대한원격탐사학회지
• /
• 제35권6_4호
• /
• pp.1319-1326
• /
• 2019

한국항공우주연구원은 지속적으로 증가하는 공공분야의 위성영상 수요에 대응하기 위해 정부 위성정보활용협의체를 운영하고 있으며, 사용자 편의성 증진 및 위성영상 활용 활성화를 위해 매년 한반도 모자이크 영상을 제작하여 제공하는 등 다양한 지원사업을 수행하고 있다. 특히 한반도 모자이크 영상의 활용도를 높이고 사용자가 손쉽게 분류 영상을 현업에 활용할 수 있도록 모자이크 영상을 분류 및 갱신하는 방안을 모색하고 자 하였다. 그러나 한반도 모자이크 영상은 영상 융합 및 컬러 밸런싱 등을 적용하기 때문에 분광정보, 즉 색상왜곡이 발생하고 R, G, B 밴드만 보유하고 있다는 한계점이 있기 때문에 모자이크 영상으로 만들어낸 분류 결과가 현업에서 활용될 수 있는 수준인지 확인 및 검증이 필요하다. 따라서 본 연구에서는 모자이크 영상으로 분류를 수행했을 때 그 결과물의 신뢰도를 KOMPSAT-3 영상과 비교하여 확인해보고자 하였다. 연구 결과, KOMPSAT-3 영상의 분류 정확도는 약 81~86%(전체 정확도 약 85%)로 나타난 반면, 모자이크 영상분류 결과의 정확도는 약 69~72%(전체 정확도 약 72%)로 다소 낮게 나타났다. 이러한 현상은 모자이크 영상을 생성하는 과정에서 영상 융합과 모자이크 과정을 거치며 본래의 분광정보가 왜곡되었을 뿐만 아니라, 컬러밴드인 R, G, B 세 가지의 밴드만 제공함에 따라 NDVI나 NDWI 정보를 실제 모자이크 영상이 아닌 KOMPSAT-3 영상에서 추출하였기 때문으로 해석된다. 비록 현재로서는 모자이크 영상으로 토지피복분류를 수행하여 사용자에게 배포하기에는 무리가 있을 것으로 판단되나, 추후 모자이크 영상을 제작할 때 분광정보 왜곡을 최소화할 수 있는 방법을 모색하고 R, G, B 밴드뿐만 아니라 NIR 밴드도 함께 제공하거나 모자이크 영상에 적합한 영상분류 기술을 개발할 필요가 있을 것으로 생각된다. 또한 지형특성별 분류결과 비교분석과 관심객체별 기계학습 등을 통한 영상분류 방법을 개발하는 등 관련 연구를 지속한다면, 추후 분광정보가 제한된 영상들도 활용도가 높아질 수 있을 것으로 기대된다.

• 기록학연구
• /
• 제33호
• /
• pp.155-206
• /
• 2012

1999년 "공공기관의기록물관리에관한법률"이 제정되고 난 후 10년이 지난 현재, 기록관리에 대한 관심은 공공분야에서 문화예술분야로 점차 넓어지고 있다. 그러나 아직까지 문화예술분야 기록의 중요성에 대한 인식이 부족하여 정보의 산재, 기록의 유실 등이 빈번하게 일어나고 있다. 하나의 예로, 국내의 많은 문화재는 정확한 매매계약이나 증여증서가 없어 이를 추적하기가 매우 어려운 현실이고, 이러한 문화예술 창작품은 도굴이나 비공개 경매, 공식적이지 않은 유통경로를 통해 떠돌아다니고 있다. 문화예술 창작품은 그 나라의 문화수준을 반영하기에, 유통경로를 아는 것은 그 나라의 문화수준을 가늠하는 척도가 된다고 할 수 있다. 본 연구는 이러한 문제점에서 출발하였다. 경제의 성장과 문화예술에 대한 관심의 증대로 시각예술작품에 대한 중요성 인식이나 가치를 인정하는 사회가 되었으나, 작품에 대한 미적가치만을 앞세우는 작품만능주의 팽배로 시각예술작품의 맥락을 보여주거나 사회와의 소통 과정에서 생산된 기록정보들은 도외시 되었다. 문화예술 선진국에 비하여 국내에서는 유명 작가에 관한 기록, 작품에 녹아 있는 철학 담론에 대한 기록정보들은 흔히 찾아볼 수 없다. 작품을 전시하고 난 후 생산된 기록정보 또한 전시에 앞서 홍보자료나 참고자료로만 이용될 뿐 이를 남기려는 노력은 부족하다. 이에 시각예술기록정보에 대한 중요성을 인식하고, 후대에 예술사적 가치뿐만 아니라 역사적 가치를 전해주기 위해 체계적인 관리가 필요하다고 판단하였다. 최근 시각예술작품이나 시각예술기록정보가 전자적으로 생산된 것이 아니라 하더라도, 작품이나 기록에 대한 관리는 모두 기관의 시스템에서 이루어지고 있기 때문에 메타데이터는 체계적 관리의 필수적인 방안이라 할 수 있다. 본 연구에서는 시각예술기록정보의 특성을 반영한 다중 엔티티 데이터모델 설계로 시각예술기록을 체계적으로 관리하려 하였다. 메타데이터는 기록이 입수되는 시점부터 관리, 보존 및 활용되는 기록의 모든 과정에서 필요로 한다. 시각예술기록은 객체, 행위주체, 업무, 규정 등과 유기적인 관계를 가질 때 그 가치가 풍부해지진다. 시각예술기록정보 관리를 위한 다양한 맥락정보는 다양한 엔티티들과 함께 관계를 맺는 다중 엔티티 모델로 설계되어야 관리의 효율성이 높아지고, 기록정보에 대한 설명성 또한 높아진다. 때문에 이들을 각자 독립적인 엔티티로 설계하고, 이들의 관계를 지정해주는 방식으로 데이터모델을 설계하여 체계적으로 시각예술기록정보를 관리할 수 있는 방안을 마련하고자 하였다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.97-117
• /
• 2012

인터넷 사용자는 비디오를 보면서 소셜 네트워크 서비스를 이용하고 웹 검색을 하고, 비디오에 나타난 상품에 관심이 있을 경우 검색엔진을 통해 정보를 찾는다. 비디오와 사용자의 직접적인 상호작용을 위해 비디오 어노테이션에 대한 연구가 진행되었고, 스마트 TV 환경에서 어노테이션 된 비디오가 활용될 경우 사용자는 객체에 대한 링크를 통해 원하는 상품의 정보를 쉽게 확인할 수 있게 된다. 사용자가 상품에 대한 구매를 원할 경우 상품에 대한 정보검색 이외에 상품평이나 소셜 네트워크 친구의 의견을 통해 구매 결정을 한다. 소셜 네트워크로부터 발생되는 정보는 다른 정보에 비해 신뢰도가 높아 구매 결정에 큰 영향을 미친다. 하지만 현재 소셜 네트워크 서비스는 의견을 얻고자 할 경우 모든 소셜 네트워크 친구들에게 전달되고 많은 의견을 얻게 되어 이들로부터 유용한 정보를 파악하는 것은 쉽지 않다. 본 논문에서는 소셜 네트워크 사용자의 프로파일을 기반으로 상품에 대해 유용한 정보를 제공할 수 있는 친구를 규명하기 위한 필터링 방법을 제안한다. 사용자 프로파일은 페이스북의 사용자 정보와 페이스북 페이지의 'Like' 정보를 이용하여 구성된다. 프로파일의 상품 정보는 GoodRelations 온톨로지와 BestBuy 데이터를 이용하여 의미적으로 표현된다. 사용자가 비디오를 보면서 상품 정보를 얻고자 할 경우 어노테이션된 URI를 이용하여 정보가 전달된다. 시스템은 소셜 네트워크 친구들에 대한 사용자 프로파일과 BestBuy를 기반으로 어노테이션된 상품에 대한 의미적 유사도를 계산하고 유사도 값에 따라 순위가 결정한다. 결정된 순위는 유용한 정보를 제공할 수 있는 소셜 네트워크 상의 친구를 규명하는데 사용된다. 참가자의 동의하에 페이스북 정보를 활용하였고, 시스템에 의해 도출된 결과와 참가자 인터뷰를 통해 평가된 결과를 이용하여 타당성을 검증하였다. 비교 실험의 결과는 제안하는 시스템이 상품 구매결정을 하기 위해 유용한 정보를 획득할 수 있는 방법임을 증명한다.

• 한국수자원학회논문집
• /
• 제56권6호
• /
• pp.403-417
• /
• 2023

본 연구에서는 CCTV 영상 기반 강우강도 산정 시 필수적으로 요구되는 적정 강우 이미지 DB를 구축하기 위한 방법론을 개발하였다. 먼저, 실환경에서 불규칙적이고 높은 변동성을 보일 수 있는 변수들(바람으로 인한 빗줄기의 변동성, 녹화 환경에서 포함되는 움직이는 객체, 렌즈 위의 흐림 현상 등)에 대한 통제가 가능한 한국건설생활환경시험연구원 내 기후환경시험실에서 CCTV 영상 DB를 구축하였다. 서로 다른 5개의 실험 조건을 고려하여 이상적 환경에서 총 1,728개의 시나리오를 구성하였다. 본 연구에서는 1,920×1,080 사이즈의 30 fps (frame per second) 영상 36개에 대하여 프레임 분할을 진행하였으며, 총 97,200개의 이미지를 사용하였다. 이후, k-최근접 이웃 알고리즘을 기반으로 산정된 최종 배경과 각 이미지와의 차이를 계산하여 빗줄기 이미지를 분리하였다. 과적합 방지를 위해 각 이미지에 대한 평균 픽셀 값을 계산하고, 설정한 픽셀 임계치보다 큰 자료를 선별하였다. 180×180 사이즈로의 재구성을 위해서 관심영역을 설정하고 10 Pixel 단위로 이동을 진행하여 픽셀 변동성이 최대가 되는 영역을 산정하였다. 합성곱 신경망 모델의 훈련을 위해서 120×120 사이즈로 재변환하고 과적합 방지를 위해 이미지 증강 과정을 거쳤다. 그 결과, 이미지 기반 강우 강도 합성곱 신경망 모델을 통해 산정된 결과값과 우량계에서 취득된 강우자료가 전반적으로 유사한 양상을 보였으며, 모든 강우강도 실험 조건에 대해서 약 92%의 데이터의 PBIAS (percent bias)가 절댓값 범위 10% 이내에 해당하였다. 본 연구의 결과물과 전이학습 등의 방법을 연계하여 기존 실환경 CCTV의 한계점을 개선할 수 있을 것으로 기대된다.