• 한국컴퓨터정보학회논문지
• /
• 제19권2호
• /
• pp.57-65
• /
• 2014

3D 애니메이션에서 사운드 효과는 몰입감을 증대시키는 주요한 요인이다. 특히 사운드와 영상 사이의 상호작용은 의미의 전달을 극명하게 만드는 하나의 표현방식으로 영상제작에서 여러 가지 방식으로 응용된다. 사운드와 영상의 상호 작용 중에 아웃포커싱 기법은 실사 영상과 3D 애니메이션에서 많이 사용하는 기법으로 정지된 물체에 역동성을 가미할 수 있는 표현 방법이다. 그러나 실사촬영과는 달리 3D 애니메이션의 경우 뮤직비디오나 폭파 장면등에 아웃포커싱을 구현하는 것은 까다로운 작업이다. 더욱이 음원의 리듬에 동기화된 영상효과를 표현하기 위해서는 키프레임 조작을 수동으로 해야 하므로 매우 번거롭다. 본 연구는 음원데이터를 활용하여 영상과 이상적인 결합을 살펴보고 카메라의 피사계 심도를 음원에 동기화시켜 장면을 아웃포커싱하는 새로운 제작 기법을 제안한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.257-260
• /
• 2021

본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 DoF(Depth of field, 피사계 심도) 영역을 쿼드트리(Quadtree) 기반의 합성곱 신경망을 통해 빠르게 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 적응형 트리인 쿼드트리를 기반으로 유의미한 영역만을 분류한다. 이 과정에서 손실 없이 온전하게 DoF영역을 추출하기 위한 필터링 과정을 거친다. 이러한 과정에서 얻어진 이미지 패치들은 전체 이미지에 비해 적은 영역으로 나타나며, 이 적은 개수의 패치들을 이용하여 네트워크 단계에서 사용할 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 네트워크 과정에서 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용한다. 본 논문에서 제안하는 쿼드트리 기반 합성곱 신경망은 이미지로부터 포커싱과 아웃포커싱된 DoF영역을 자동으로 추출하는 과정을 학습시키기 위해 사용된다. 결과적으로 학습에 필요한 데이터 영역이 줄어듦으로써 학습 시간과 메모리를 절약했으며, 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 더욱더 빠른 시간 내에 찾아낸다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.429-432
• /
• 2020

본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 DoF(Depth of field, 피사계 심도) 영역을 합성곱 신경망을 통해 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 합성곱 신경망 네트워크에 학습하기 위한 데이터를 구축하며, 이렇게 얻어진 데이터를 이용하여 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용하며, 네트워크 학습 단계에서 수렴률을 높이기 위해 스무딩을 과정을 한번 더 적용한 결과를 사용한다. 본 논문에서 제안하는 합성곱 신경망은 이미지로부터 포커싱과 아웃포커싱된 DoF영역을 자동으로 추출하는 과정을 학습시키기 위해 사용된다. 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 빠른 시간 내에 찾아내며, 제안하는 방법은 DoF영역을 사용자의 ROI(Region of interest)로 활용하여 NPR렌더링, 객체 검출 등 다양한 곳에 활용이 가능하다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.253-256
• /
• 2021

본 논문에서는 합성곱 신경망을 통해 학습된 DoF(피사계 심도, Depth of field) 네트워크 아키텍처를 이용하여 객체 인식, 시점 추적, 문자 인식, 비사실적 렌더링 등 다양한 애플리케이션에 적용할 수 있는 사후 필터링 기법에 대해 살펴본다. 일반적으로 영상은 포커싱과 아웃포커싱에 의해 사용자의 관심표현이 결정되며, 이를 이용하여 영상 내 중요도를 판단한다. 영상 내에는 수많은 콘텐츠들이 혼재되어 있기 때문에 사용자가 집중적으로 보고 있는 콘텐츠를 찾아내기 어렵다. 본 논문에서는 사용자가 흥미롭고 집중적으로 보고 있는 영역을 DoF 네트워크로 학습시키고, 이를 통해 이전 기법으로는 표현할 수 없었던 DoF 기반 객체 인식, 시점 추적, 문자 인식, 비사실적 렌더링을 효율적으로 표현해낸다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.442-444
• /
• 2011

본 논문에서는 접사에서의 주요 객체 검출과 검출된 주요객체의 가장 최적화된 구도를 사용자에게 안내하는 방법을 제안한다. 대부분의 접사는 주요객체에 초점을 맞추고 배경이 되는 영역은 아웃 포커싱 기법을 사용하여 촬영한다는 점에서 착안하여 주요 객체를 검출하고 검출된 주요객체와 사진 구도의 3등분할점과 구도점의 상관관계에 대하여 계산하여 최적의 구도라고 판단되는 화면으로 사용자를 유도한다. 제안하는 방법으로의 실험했을 때 좋은 결과를 얻는 것을 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제26권3호
• /
• pp.51-57
• /
• 2021

본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 피사계 심도(Depth of field, DoF) 영역을 효율적인 합성곱 신경망을 통해 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 합성곱 신경망 네트워크에 학습하기 위한 데이터를 구축하며, 이렇게 얻어진 데이터를 이용하여 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용하며, 네트워크 학습 단계에서 수렴률을 높이기 위해 스무딩을 과정을 한번 더 적용한 결과를 사용한다. 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 안정적으로 찾아내며, 제안하는 방법은 DoF영역을 사용자의 ROI(Region of interest)로 활용하여 NPR렌더링, 객체 검출 등 다양한 곳에 활용이 가능하다.

• 한국콘텐츠학회논문지
• /
• 제11권8호
• /
• pp.123-133
• /
• 2011

본 논문에서는 3차원 물체를 카툰 스타일로 렌더링하는 툰 쉐이딩에 3차원 텍스처를 활용하는 새로운 방법론을 제안한다. 1차원 텍스처를 사용하는 기존의 툰 쉐이딩에서는 주어진 조명 벡터와 물체 곡면의 법선 벡터 간의 상대적인 위치와 방향에 따라 쉐이딩 톤을 표현하고 있다. 1차원 텍스처만으로는 시점에 따른 톤의 변화를 표현하는데 한계가 있으므로 Barla 등은 2차원 텍스처로 확장하여 원근감, 안개효과 등 시점에 따라 변화하는 효과를 1차원 추가하였다. 본 논문에서는 3차원 텍스처로 확장하여 곡률, 세일리언시, 좌표 등 물체의 기하정보를 또 다른 1차원으로 추가함으로써 만화적 스타일 다양화를 위한 2가지 확장을 시도한다. 첫 번째는 기하정보에 따라 실루엣이나 하이라이트를 강조하는 형태 과장 효과를 추가하는 것이고 두 번째는 스크린 톤이나 아웃포커싱 등 만화에서 자주 등장하는 만화 고유의 효과를 추가하는 것이다. 이 접근방식의 유효성은 여러 가지 3D 물체를 기존에 표현하지 못하는 다양한 만화적 스타일로 렌더링한 예를 보임으로써 증명한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.183-184
• /
• 2023

스토리를 제대로 전달하려는 관점에서 제작자는 관객들이 무엇을 보게 할 것인가에 대한 고민이 필요하다. 즉, 관객의 시선을 시종일관 끌고 다녀야 한다. 그러한 관점과 더불어 관객이 일상에서 익숙한 공간감을 스크린 내에서도 확보해 줄 필요가 있다. 그러기 위해서는 영상의 깊이를 충분히 고려해야 하는데 이는 관객의 시선을 유도하는 반면에 현실 공간감을 확보하는 것이다. 스크린 내의 물체들을 자연 그대로의 원근감을 갖도록 촬영 환경을 구성하는 것도 필요하지만 스토리를 전개하는 피사체를 배경과 분리시킴으로써 자연스럽게 초점과 영점을 맞출 수 있도록 장면을 구현하는 것이다. 이를 위해서 제작(production) 단계에서는 촬영기법으로, 후반작업(post-production) 단계에서는 아웃 포커싱 등의 효과를 적용하는 방법 등이 고려될 수 있다. 본 논문에서는 영상의 깊이를 확보해야만 하는 이유와 이의 방법 등을 고찰해 본다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제14권3호
• /
• pp.31-46
• /
• 2008

피사계 심도란 카메라에서 초점이 맞은 지점을 전후로 초점이 맞은 것과 유사한 선명도를 가지는 영역을 말한다. 이 영역을 벗어난 물체들은 아웃 포커싱 되어 흐릿하게 보이게 된다. 렌더링 한 이미지에 피사계 심도 효과를 내게 되면 그렇지 않은 이미지에 비해 훨씬 사실적인 영상을 얻을 수 있다. 렌더링에서 피사계 심도 효과를 내기 위한 기존 연구는 크게 두 가지로 나눌 수 있다. 먼저 분산 광선 추적법은 한 픽셀에 대해 주어진 렌즈 영역을 샘플링 하는 방법이다. 이 방법은 샘플링 횟수가 많아질수록 노이즈가 없는 정회한 영상을 얻게 되지만 그러기 위해서는 시간이 매우 많이 걸린다. 반면 후처리 방법은 광선 추적법 등을 이용하여 얻은 핀홀 카메라 이미지와 깊이 정보를 이용하여 피사계 심도 효과를 내는 것인데 분산 광선 추적법 만큼 정확하지는 않지만 훨씬 빠른 속도로 유사한 결과를 얻을 수 있어 많은 연구가 진행되어 왔다. 그러나 후처리 방법은 핀홀 카메라에서 생성된 이미지만을 이용하므로 실제 렌즈에서 보이는 모든 정보를 알 수 없다는 한계가 존재한다. 본 논문에서는 이러한 두 가지 형태의 방법을 각각 발전시켜 후처리 기반 피사계 심도 계산의 정확도를 높이는 방법과 분산 광선 추적법의 계산 속도를 향상시키는 방법을 제시한다.