• 한국컴퓨터그래픽스학회논문지
• /
• 제28권3호
• /
• pp.55-65
• /
• 2022

X-ray 두개골 영상에서 주요 해부학적 부위들 간의 거리를 계측하는 것은 진단과 치료 등 임상적 의미에서 매우 중요하다. 최근에는 딥러닝 기술의 발전을 바탕으로 랜드마크를 식별 및 검출하는 자동화 시스템들이 제시되고 있다. 이러한 딥러닝 기반 모델을 과적합 없이 학습 시키기 위해서는 대량의 영상과 라벨링 데이터가 필요하다. 기존에는 숙련된 판독의가 환자의 영상에서 랜드마크를 수동으로 식별하여 라벨링하는 방식으로 계측이 이루어져 왔다. 그러나 이러한 계측 방식은 많은 비용이 소요될 뿐만 아니라, 재현성이 떨어지기 때문에 자동화된 라벨링 방법에 대한 필요성이 제기되고 있다. 또한, X-ray 영상에는 광자가 통과하는 경로 상의 여러 인체조직들이 표시되기 때문에 랜드마크 식별이 일반 자연 이미지 또는 삼차원 모달리티 영상에 비해 어렵다. 본 연구에서는 X-ray 영상 내에 대량의 라벨링 데이터 생성을 가능하게 하는 기하학적 데이터 증강 기법을 제안하고 있다. 또한, 두개골 내 주요한 16개 랜드마크들의 검출 성능을 향상시키기 위해 다양한 어텐션 기법들의 구현 및 적용을 통해 랜드마크 검출을 위한 최적의 어텐션 메커니즘을 제시하였다. 마지막으로 주요 두개골 랜드마크들 중 안정적인 검출이 보장되는 마커들을 도출하였으며, 이러한 마커들은 임상적인 활용 가능성이 높을 것으로 기대된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권4호
• /
• pp.11-20
• /
• 2018

최근 센서와 가상공간의 융합 어플리케이션 개발이 증가함에 따라 실제 공간에서의 물리적 센서를 3 차원 가상공간에서 표현하고 직접 제어, 관리할 수 있는 방법에 대한 요구도 증가하고 있다. 본 연구에서는 물리적 센서와 가상공간의 디지털 객체가 공존하며 시각화를 생성하는 가상세계와 현실세계를 혼합한 증강 현실을 이용하여, 3D 가상공간에서의 물리적 센서 장치를 표현하는 기법을 정의한다. 이것은 이기종 컴퓨팅 환경에서 증강 혼합현실 응용프로그램에서의 데이터 공유와 상호 교환을 통하여 네트워크상의 다양한 물리 센서들을 관리 제어하는 것을 목적으로 한다. 현실 세계에 존재하는 수많은 센서들을 구분하기 위하여 대표적인 센서 타입을 분류하고 센서별 기능을 3D 가상공간에 표현하기 위한 센서 장면 그래프를 정의하고 데이터 모델을 정의하였다. 이를 기반으로 3D 가상공간에서 센서 장치들의 기능을 시뮬레이션 할 수 있는 물리적 센서 뷰어를 개발하였다.

• 한국산업정보학회논문지
• /
• 제29권3호
• /
• pp.1-12
• /
• 2024

본 논문에서는 대규모 한국어 언어모델인 KoAlpaca를 파인튜닝하고 이를 이용한 블로그 텍스트 생성 시스템을 구현하였다. 소셜 미디어 플랫폼의 블로그는 기업 마케팅 수단으로 널리 활용된다. 수집된 협찬 블로그 텍스트의 감정 분석과 정제를 통한 긍정 리뷰의 학습 데이터를 구축하고 KoAlpaca 학습의 경량화를 위한 QLoRA를 적용하였다. QLoRA는 학습에 필요한 메모리 사용량을 크게 줄이는 파인튜닝 접근법으로 파라미터 크기 12.8B 경우의 실험 환경에서 LoRA 대비 최대 약 58.8%의 메모리 사용량 감소를 확인하였다. 파인튜닝 모델의 생성 성능 평가를 위해서 학습 데이터에 포함되지 않은 100개의 입력으로 생성한 텍스트는 사전학습 모델에 비해서 평균적으로 두배 이상의 단어 수를 생성하였으며 긍정 감정의 텍스트 역시 두 배 이상으로 나타났다. 정성적 생성 성능 평가를 위한 설문조사에서 파인튜닝 모델의 생성 결과가 제시된 주제에 더 잘 부합한다는 응답이 평균 77.5%로 나타났다. 이를 통해서 본 논문의 협찬물에 대한 긍정 리뷰 생성 언어모델은 콘텐츠 제작을 위한 시간 관리의 효율성을 높이고 일관된 마케팅 효과를 보장하는 콘텐츠 제작이 가능함을 보였다. 향후 사전학습 모델의 생성 요소에 의해서 긍정 리뷰의 범주에서 벗어나는 생성 결과를 감소시키기 위해서 학습 데이터의 증강을 활용한 파인튜닝을 진행할 예정이다.

• 대한조선학회논문집
• /
• 제54권4호
• /
• pp.344-351
• /
• 2017

CAD systems used in various manufacturing industries have been rapidly switched from 2D to 3D. 3D-based design is becoming common in the shipbuilding industries too. However, there is still a demand for 2D drawings for ship production. So, it is necessary to continually improve 2D drawings. One way to improve 2D drawings is to add production information to the drawings. To do this, it is necessary to define the relation between the geometry information and the production information. Various types of drawings, which is inevitable because each drawing has its own purpose, make it difficult to define relations. This process can be simplified if the drawing information is neutralized. XML is a standard format for defining neutral data, and is already being used in various fields. In this study, a neutral augmented drawing has been defined by neutralizing the drawing information based on XML, and implemented for the allocation of their information with high quality of readability as well.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.369-372
• /
• 2012

조영증강 의료 초음파 영상에서 조영제의 확산효과에 대한 분석은 간질환과 연관된 각종 병변을 검출하고 분석하는 과정에서 매우 유용한 정보를 제공한다. 본 연구에서는 초음파 영상에서 조영제의 확산 패턴을 분석하고 이를 영상화하는 방법을 제안한다. 이 과정에서 부수적으로 호흡에 의한 흔들림 현상을 보정하고 노이즈의 영향을 극복할 수 있는 방법론을 고찰한다. 호흡주기에 따른 모멘텀 요소를 고려한 ROI 추적 기법은 측정과정에서의 흔들림과 노이즈에 의한 오류를 최소화 할 수 있게 한다. 조영제의 확산 단계에 따라 서로 다른 노이즈 비율을 고려하여 동적 가중치를 할당하는 방법으로써 흔들림을 보정하였으며, 조영제의 전이 시간과 패턴을 분석하고 그 특성을 분류함으로써 간 병변 분석을 위한 효과적인 영상화기법을 구현하였다. 또한 생성된 영상에서 노이즈를 제거하고 영상을 개선하는 방법으로서 MRF 기반의 최적화 알고리즘을 적용하는 영상 개선 기법을 제시한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.80-85
• /
• 2023

기계 번역에서 품질 검증은 정답 문장 없이 기계 번역 시스템에서 생성된 번역의 품질을 자동으로 추정하는 것을 목표로 한다. 일반적으로 이 작업은 상용화된 기계 번역 시스템에서 후처리 모듈 역할을 하여 사용자에게 잠재적인 번역 오류를 경고한다. 품질 검증의 하위 작업인 치명적인 오류 탐지는 번역의 오류 중에서도 정치, 경제, 사회적으로 문제를 일으킬 수 있을 만큼 심각한 오류를 찾는 것을 목표로 한다. 본 논문은 치명적인 오류의 유무를 분류하는 것을 넘어 문장에서 치명적인 오류가 존재하는 부분을 제시하기 위한 새로운 데이터셋과 모델을 제안한다. 이 데이터셋은 거대 언어 모델을 활용하는 구축 방식을 채택하여 오류의 구체적인 범위를 표시한다. 또한, 우리는 우리의 데이터를 효과적으로 활용할 수 있는 다중 작업 학습 모델을 제시하여 오류 범위 탐지에서 뛰어난 성능을 입증한다. 추가적으로 언어 모델을 활용하여 번역 오류를 삽입하는 데이터 증강 방법을 통해 보다 향상된 성능을 제시한다. 우리의 연구는 기계 번역의 품질을 향상시키고 치명적인 오류를 줄이는 실질적인 해결책을 제공할 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.85-90
• /
• 2022

본 연구는 실제 카메라의 움직임과 동일한 가상 카메라의 움직임을 구현하기 위해 전통적인 모션그래픽 제작 방법이 가지고 있는 소요시간과 비용에 대한 단점을 줄이기 위해 AR Core 기반의 모바일 디바이스 실시간 트래킹 데이터를 이용하여 모션그래픽 가상카메라를 생성하는 방법을 제안했다. 제안하는 방법은 촬영 이후 저장된 비디오 파일에서의 트래킹 작업을 간소화하고, 촬영 단계에서 트래킹 성공 유무를 판단하기 위해 AR Core 기반 모바일 디바이스에서 촬영과 동시에 진행하는 방법이다. 실험결과 전통적인 방법과 비교하였을 때 모션그래픽 결과 이미지의 차이는 없었으나 300프레임(frame) 영상 기준 6분 10초의 시간이 소모된 반면에 제안한 방법은 이 단계를 생략할 수 있어 매우 높은 시간적 효율성을 갖는다. 현재 가상 증강 현실을 이용한 영상제작에 대한 관심과 다양한 연구가 진행되고 있는 시점에서 본 연구는 가상 카메라 생성과 매치 무빙 등에서 활용될 있을 것이다.

• Journal of Platform Technology
• /
• 제10권4호
• /
• pp.47-55
• /
• 2022

사물인터넷 환경에서는 다양한 무선 통신 기술을 사용하는 기기들이 점점 증가하고 있다. 특히, 다양한 무선 신호 변조 유형을 정확하게 식별하기 위해 효율적인 특성 추출 기법을 설계하고 무선 신호의 종류를 분류하는 것이 필수적이다. 하지만, 실제 환경에서 레이블이 지정된 무선 신호 데이터를 수집하는 것은 쉬운 문제가 아니다. 최근 무선 신호 분류를 위해 딥러닝 기반의 다양한 학습 기법들이 제안되어졌다. 딥러닝의 경우 훈련 데이터셋이 적을 경우 과대적합에 빠질 가능성이 높으며, 이는 딥러닝 모델을 활용한 무선 신호 분류 기법의 성능 저하를 유발한다. 본 연구에서는 다양한 무선 신호들이 존재할 때 분류 성능을 높이기 위해 생성적 적대 신경망 기반 데이터 증대 기법을 제안한다. 분류해야 하는 무선 신호의 종류가 다양할 때 특정 무선 신호를 나타내는 데이터의 양이 적거나 균형이 맞지 않는 경우 제안한 기법을 활용하여 필요한 무선 신호와 관련된 데이터의 양을 증가시킨다. 제안한 데이터 증강 알고리즘의 유효성을 검증하기 위해 무선 신호의 데이터양을 증가시키고 균형을 맞춘 결과를 바탕으로 CNN 및 LSTM 기반 무선 신호 분류기를 구현하여 실험해본 결과 데이터 균형을 맞추지 않았을 때보다 분류 정확도가 높아지는 것을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제12권4호
• /
• pp.20-30
• /
• 2012

증강현실은 가상 객체를 통해 현실 세계에서 독특한 체험을 할 수 있다는 것이 가장 큰 장점이지만 가상 객체를 영상 정합하기 위한 마커 기술의 한계로 인해 제한적인 상호작용만 가능하다는 문제가 발생한다. 본 논문에서는 기존의 마커 기술이 가진 한계점을 보완할 수 있는 차세대 마커 기술을 제안한다. IR LED를 마커의 형태로 조합한 후 M2M이 가진 LED VLC의 개념을 융합한 것으로써, 사용자가 속한 환경 및 개인적 취향을 하나의 맥락으로 표현하여 OOK IR LED 마커 알고리즘을 통해 시스템에 전달하는 마커기술이다. 사용자의 취향에 따라 가상 객체를 변경하기 위해 즉석에서 마커를 조작할 수 있고, 여러 개의 가상 객체에 대하여 동시 정합 및 제어를 가능하게 한다.

• 지질공학
• /
• 제32권2호
• /
• pp.221-239
• /
• 2022

플랜트, 토목 및 건축 사업에서 말뚝 설계 시 어려움을 겪는 주된 요인은 지반 특성의 불확실성이다. 특히 표준관입시험을 통해 구한 N치가 설계 시 주요 입력값이나 짧은 입찰기간과 광범위한 구역에서 다수의 현장시험을 실시하는 것은 실제적으로 어려운 상황이다. 본 연구에서는 인공지능(AI)을 가지고 회귀분석을 적용하여 N치를 예측하는 연구를 수행하였으며, 최소한의 시추자료를 학습시킨 후 표준관입시험을 실시하지 못한 곳에서 N치를 예측하는데 그 목적이 있다. AI의 학습 성능을 높이기 위해서는 빅 데이터가 중요하며, 금회 연구 시 부족한 시추자료를 빅 데이터화 하는데 '원형증강법'을 적용하여 시추반경 2 m까지 가상 N치를 생성시키는 작업을 선행하였다. AI 모델 중 인공신경망, 의사결정 나무, 오토 머신러닝을 각각 적용하였으며 이 중 최적의 모델을 선택하였다. 최적의 모델을 선택하는 방법은 세 가지의 예측된 AI 모델 중 최소 오차값을 가지는 것이다. 이를 위해 폴란드, 인도네시아, 말레이시아에서 수행한 6개 프로젝트를 대상으로 표준관입시험의 실측N치와 AI의 예측N치를 비교하여 타당성 여부를 연구하였고, 연구 결과 AI 예측값에 대한 신뢰도가 높은 것으로 분석되었다. AI 예측값을 가지고 미시추 구간에서 지반특성을 파악 할 수 있었으며 3차원 N치 분포도를 사용하면 최적의 구조물 배치가 가능함을 확인하였다.