• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.337-339
• /
• 2020

오디오 초 해상도 기술은 저 해상도의 오디오 신호를 이용하여 고 해상도의 오디오를 복원 또는 생성해 내는 기술이다. 본 기술 분야는 기존에 주파수 대역 확장, 인공 대역 확장 기술 등으로 연구되었으나, 최근 딥러닝 기술의 발전, 이미지 초 해상도 기술 연구 등에 힘입어 오디오 초 해상도 기술 이라는 이름으로 주로 연구되고 있다. 본 논문에서는 이러한 오디오 초 해상도 기술에 연구 동향에 대하여 설명하고, 기존의 논문 들에서 주로 다루고 있는 음성 데이터 베이스가 아닌 MedleyDB 음악 데이터 베이스를 활용하여 실험을 수행하였다. 실험은 4-폴드 교차 검증을 통해 수행되었으며, 실험 결과 제안하는 컨벌루션 신경망 구조 기반 오디오 초 해상도 기술은 입력 저해상도 오디오 대비 SNR 이 3.41 dB 향상됨을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 하계학술대회
• /
• pp.491-493
• /
• 2015

조건부 대체 알고리듬은 양안식 3DTV의 기준/부가 영상을 각각 고정/이동 수신기를 통해 전송하는 방식인 융합형 3DTV의 화질을 개선시키기 위한 방법이다. 기존 조건부 대체 알고리듬은 HD급 해상도를 갖는 융합형 3DTV의 화질개선에 대한 성능을 보여 왔으나, UHD급 서비스에 대한 관심이 높아짐에 따라 UHD급 융합형 3DTV에 대한 조건부 대체 알고리듬의 성능을 확인할 필요가 있다. 본 논문에서는 UHD급 해상도를 갖는 융합형 3DTV에 조건부 대체 알고리듬을 적용하여 적절한 화질 개선이 이루어지는 지에 대한 가능성을 확인하고자 한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.607-608
• /
• 2013

무선 애드훅 네트워크에서는 무선링크의 성능을 표현하는 다양한 품질 척도가 있다. 그것은 노드가 움직임이 없는 상태에서 주변 무선 상태를 반영한다. 하지만 해상 환경에서는 선박의 이동성 뿐만 아니라 바람과 파고에 의해 선박이 움직이는 특성이 있다. 따라서 선박에 위치한 안테나의 흔들림을 유발하여 신호의 수신을 불안정하게 만든다. 본 논문은 선체운동에 따른 무선 링크 성능을 분석한다. 이를 위해 자이로 센서를 이용하여 서로 다른 해상 환경에서 선체운동을 측정 및 분석하고, 하드웨어 및 소프트웨어에 의한 무선 링크 안정화 방안을 제시한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 하계학술대회
• /
• pp.217-220
• /
• 2018

본 논문에서는 딥러닝을 활용한 비디오 보간법(video interpolation)에 대한 최근 모델들을 HD 급 비디오로 학습시키는 방법과 평가 성능을 비교 분석하는 것을 목표로 한다. 기존의 딥러닝을 활용한 비디오 보간법에 대해 제안된 모델들은 낮은 해상도의 비디오로 실험을 진행하였다. 반면 본 연구에서는 한정된 메모리를 가지고도 높은 해상도의 비디오를 학습시키기 위해서 패치 단위 데이터 셋을 구성하여 학습을 진행하였다. 평가 성능을 보이기 위해서 학습 데이터와 마찬가지로 패치 단위 평가와 전체 프레임 단위 평가 성능의 결과를 비교한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.1343-1345
• /
• 2022

본 논문에서는 다해상도 피라미드 피처 맵 압축 손상 보상 방법을 제안한다. 본 논문에서 제안하는 방법은 패킹된 C-레이어 피처 맵을 비디오 코덱으로 압축할 때, 저해상도 계층의 원본 피처 맵과 복원된 피처 맵 간의 차분 값을 구해 이를 고해상도 계층의 피처 맵에 더해줌으로써 부호화 과정에서 발생하는 오차를 보상하는 방법이다. 본 논문에서 제안하는 방법의 성능을 평가하기 위하여 OpenImageV6 데이터셋 중 1000 장에 대해 객체 검출 성능을 평가하였다. 본 논문에서 제안하는 피처 맵 압축 방법은 C-레이어 피처 맵 압축 방법 대비 bpp 와 mAP 의 BD-rate 관점에서 35.10%의 성능 향상을 보인다.

• 인터넷정보학회논문지
• /
• 제19권4호
• /
• pp.45-52
• /
• 2018

단일 영상 초해상도는 하나의 저해상도 영상에서 고해상도 영상을 복원하는 과정이다. 최근 심층신경망을 적용한 초해상도 기법이 좋은 성과를 나타내고 있다. 본 논문에서는 기존의 심층신경망 기반 초해상도 복원 기법보다 속도와 성능을 개선한 신경망 구조를 제안한다. 이를 위해 기존 기법의 단점을 분석하고 해결책을 제시한다. 제안하는 방법은 기존 기법의 5단계를 3단계로 줄여 효율성을 높였으며, 네트워크의 폭과 깊이에 대한 실험을 통해 가장 효율적인 신경망 구조를 연구하였다. 제안하는 방법의 성능과 속도를 알아보기 위해 비교 실험을 진행하였다. 제안하는 방법은 $1024{\times}1024$ 영상을 초당 148장 복원하는 속도를 나타냈으며, 4가지 데이터에 대해 기존 방법보다 복원 성능이 우수하였다.

• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.543-548
• /
• 2021

이미지는 해상도가 높을수록 이미지를 시청하는 사람들의 만족도가 높아지며 초고해상도 이미지화는 컴퓨터 비전이나 영상처리 분야 중에서도 연구 가치가 꽤 높아지고 있다. 본 연구에서는 주로 딥 러닝 초 해상도 모델을 사용하여 저해상도 이미지 LR의 주요 특징을 추출한다. 추출된 특징을 학습 및 재구성하고, 고해상도 이미지 HR을 생성하는 재구성 기반 알고리즘에 중점을 둔다. 본 논문에서는 재구성에 기반을 둔 초 해상도 알고리즘 모델에서 SRCNN과 VDSR에 대하여 알아보도록 한다. SRCNN과 VDSR모델의 구조 및 알고리즘 프로세스를 간략하게 소개하고 개선된 성능평가 함수에서도 다중 채널과 특수한 형태에 대하여 알아보도록 하며, 실험을 통하여 각 알고리즘의 성능을 이해하도록 한다. 실험에서는 SRCNN 및 VDSR 모델의 결과와 피크 신호 대 잡음 비 및 이미지 구조 유사도를 비교하는 실험을 수행하여 결과를 한눈에 볼 수 있도록 하였다.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.156-163
• /
• 2021

어텐션(Attention) 메커니즘은 딥러닝 기술을 활용한 다양한 컴퓨터 비전 시스템에서 활용되고 있으며, 초해상화(Super-resolution)를 위한 딥러닝 모델에도 어텐션 메커니즘을 적용하고 있다. 하지만 어텐션 메커니즘이 적용된 대부분의 초해상화 기법들은 Real 영상의 초해상화에만 초점을 맞추어서 연구되어, 어텐션 메커니즘을 적용한 초해상화가 CG나 VR 영상 초해상화에도 유효한지는 알기 어렵다. 본 논문에서는 최근에 제안된 어텐션 메커니즘 모듈인 BAM(Balanced Attention Mechanism) 모듈을 12개의 초해상화 딥러닝 모델에 적용한 후, CG나 VR 영상에서도 성능 향상 효과를 보이는지 확인하는 실험을 진행하였다. 실험 결과, BAM 모듈은 제한적으로 CG나 VR 영상의 초해상화 성능 향상에 기여하였으며, 데이터 특징과 크기, 그리고 네트워크 종류에 따라 성능 향상도가 달라진다는 것을 확인할 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제15권6호
• /
• pp.201-208
• /
• 2015

3차원 입체 방송을 가능하게 하기 위해서는 실세계에 존재하는 한 사물에 대한 깊이 정보를 획득하여야 한다. 따라서 본 논문에서는 네트워크 알고리즘인 신뢰확산(belief propagation) 알고리즘을 다해상도 영역에서 적용하여 3차원 정보의 근간이 되는 변이(disparity) 영상이나 깊이(depth)영상을 정확하면서도 빠르게 생성하는 것을 목적으로 한다. 신뢰확산 알고리즘은 기본적으로 여러 번의 반복을 통하여 변이정보를 보다 정확하게 갱신하게 되어 많은 연산량과 넓은 탐색영역으로 인하여 성능의 수렴까지 오랜 시간이 걸린다. 다해상도 변환은 공간영역과 주파수영역 모두에서 우수한 해상도를 갖기 때문에 이를 이용하여 스테레오 정합의 연산 속도를 증가시키고 성능을 향상시키는 것을 보여주었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.139-143
• /
• 2021

본 논문에서는 꾸준히 연구되어 오던 이미지 복원 문제에서 초해상화와 인페인팅이라는 복합적 이미지 복원을 동시에 처리하는 해결 방법을 제안한다. 초해상화는 국지적 픽셀 정보를 이용하여 고해상도의 영상을 복원하고, 인페인팅은 이미지 전체 정보를 활용하여 영상 내 비어 있는 영역을 생성해야 하므로, 이러한 두 가지 영상 복원 기법을 동시에 수행하는 것은 상당히 어려운 문제이다. 그렇기에 인페인팅과 초해상화는 이미지 복원에서 널리 활용되는 기술인 만큼 동시에 해결할 수 있는 기법에 대한 수요는 있음에도 지금까지 거의 연구되지 않았다. 본 논문은 초해상화 및 인페인팅 합동 처리에 있어 복합적인 정보를 모두 다뤄야하는 네트워크가 서로의 성능을 저하시키지 않도록 개략적 복원 네트워크 (Coarse network), 디테일 복원 네트워크 (Refinement network), 초해상화 네트워크 (SR network)로 분리하여 초해상화 및 인페인팅 합동 처리를 수행하며, 각 단계마다 결과 영상을 얻어 스케일 별 정답 영상과 손실함수를 계산하여 복합적인 성능을 올릴 수 있는 방법을 제시한다. 또한 순차적 단일 모델에 비하여 인페인팅과 초해상화를 합동 학습하는 제안 모델이 개선된 화질의 결과 영상을 획득할 수 있다는 것을 실험적으로 보인다.