• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.1101-1104
• /
• 2019

키넥트는 RGBD 카메라로 인체의 뼈대와 관절을 3D 공간에서 스켈레톤 데이터수집을 가능하게 해주었다. 스켈레톤 데이터를 활용한 행동 분류는 RNN, CNN 등 다양한 인공 신경망으로 접근하고 있다. 본 연구는 키넥트를 이용해서 Skeleton Joints를 수집하고, DNN 기반 스켈레톤 모델링 학습으로 행동을 분류한다. Skeleton Joints Processing 과정은 키넥트의 Depth Map 기반의 Skeleton Tracker로 25가지 Skeleton Joints 좌표를 얻고, 학습을 위한 전처리 과정으로 각 좌표를 상대좌표로 변경하고 데이터 수를 제한하며, Joint가 트래킹 되지 않은 부분에 대한 예외 처리를 수행한다. 스켈레톤 모델링 학습 과정에선 3계층의 DNN 신경망을 구축하고, softmax_cross_entropy 함수로 Skeleton Joints를 집는 모션, 내려놓는 모션, 팔짱 낀 모션, 얼굴을 가까이 가져가는 모션 해서 4가지 행동으로 분류한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
• /
• pp.362-363
• /
• 2012

본 논문에서는 한 장의 실제 나무 영상이 주어졌을 시, 사실적인 3차원 나무 모델링(modeling) 및 자가생장(self-growth) 표현을 위한 방법을 소개하도록 한다. 스켈레톤기반의 간략화(skeleton-based abstraction)를 이용하여 동일한 나무 몸통(trunk)을 갖는 다양한 나무 모델생성과 함께 나무의 다면체구조(manifold structure)를 고려한 지오데식 커널(geodesic kernel)을 이용하여 나무의 자가생장을 표현한다. 나무의 자가생장은 사전 정의된 나무 굵기, 전체 크기, 그리고 가지증식 순서정보와 같은 상대적 성장정보(allometric information)를 동시 이용하여 상대적인 나무 생장(allometric tree growth)을 표현하도록한다. 한편, 보여지지않는 나무 가지와 잎들에 대해선, 나무구조는 로컬하게 자기유사성(local self-similarity)을 갖는다라는 고전적인 절차적(conventional procedural) 가정을 이용하여 자동적으로 생성토록한다. 실제영상을 이용한 몇몇들의 실험을 통해 보다 효과적으로 나무 모델 및 생장 표현이 가능함을 보여주도록한다.

• 한국콘텐츠학회논문지
• /
• 제5권3호
• /
• pp.133-140
• /
• 2005

게임 개발 환경을 개선하기 위해 고려해야할 중요한 사항 중 하나가 게임을 구현하기 위한 언어이다. 현재 게임을 개발하기 위해 설계되어있는 전용 언어는 부족한 상황이다. 따라서 게임개발은 범용의 프로그래밍 언어를 이용하여 직접적으로 엔진을 모델링하여 구현하고 있다. 따라서 개발자는 쉽게 게임을 개발하기 어려우며 엔진레벨에서 프로그래밍을 해야한다. 엔진을 잘 이해하지 못한 환경에서 게임을 개발하는 것은 상당히 어려운 일이다. 개발자와 기획자는 쉽게 게임을 개발하기 위해 기획자 측면에서 사용할 수 있는 추상화된 상위언어를 사용하고자 한다. 그리고 기획자와 개발자 사이의 의사교환을 위한 도구도 없는 상황이다. 그러므로 본 연구에서는 추상화된 엔진레벨에서 모델링이 가능한 스크립트 언어를 정의하였다. 그리고 추상화된 고수준의 언어를 이용하여 게임을 개발할 수 있는 통합환경을 구축하였다. 스크립트 언어는 라른 속도로 게임을 개발할 수 있도록 하였다. 따라서 개발자는 엔진레벨이 아닌 기획자와 게임을 개발할 수 있다. 또한 기획자와 개발자는 통합환경을 이용하여 스켈레톤 게임을 만들 수 있기 때문에 의사교환 도구로 이용할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제25권9호
• /
• pp.53-62
• /
• 2020

최근 연구된 상품 추천 서비스들은 고객들의 구매 이력을 통해서만 추천이 이루어졌다. 본 논문에서는 구매 이력을 통해 추천뿐만 아니라 고객이 상품을 고를 때 취하는 행동 패턴을 분석하여 관심도가 높은 광고를 노출하는 행동 패턴 분석 기반 디지털 사이니지 서비스를 제안한다. 이 서비스는 고객행동 패턴을 분석하여 실질적으로 관심을 가지는 상품에 대해 관심도를 추출한다. 추출된 관심도와 고객들의 구매 이력을 Wide & Deep 모델을 통해 학습하고, 이를 바탕으로 MF(Matrix Factorization) 모델을 통해 다른 상품들의 희소 벡터를 예측한다. 예측된 상품 관심도에 대한 순위를 도출하고, 적합한 광고를 노출하기 위해 고객과 상호 작용할 수 있는 인도어 사이니지를 활용한다. 본 논문의 서비스를 통해 온라인뿐만이 아닌 오프라인 환경에서도 고객의 관심 정보를 파악하고 단순히 무작위로 노출하는 광고가 아닌 고객에게 적합한 광고를 제공하여 만족도 높은 구매 환경이 조성될 것이다.