• 만화애니메이션 연구
• /
• 통권41호
• /
• pp.57-73
• /
• 2015

애니메이션에서 포즈는 타이밍, 스페이싱과 더불어 중요한 요소라고 말할 수 있다. 포즈는 애니메이션 동작의 스토리텔링이나 상황을 설명하는 중요한 역할을 한다. 애니메이팅 방식은 스트레이트 어헤드 (Straight ahead action) 와 포즈 투 포즈 (Pose to pose) 방식이 있고, 애니메이션 작업자들은 이 두 방식을 사용하거나 두 가지 방식을 혼용해서 사용하고 있다. 컴퓨터 애니메이션은 키 프레임 사이에 보간법을 이용해 포즈 사이에 인비트윈(inbetween) 동작들을 생성하도록 하고 있고, 컴퓨터 애니메이션 작업자들은 포즈 투 포즈 방식의 작업을 많이 쓰고 있다. 애니메이션에서 어떤 하나의 스토리나 상황을 표현하기 위해서 강력하고 좋은 포즈들을 만들어 내느냐 마느냐가 전체 애니메이션 동작의 질을 좌우한다고 볼 수 있다. 또한 이것은 관객들이 애니메이션을 잘 이해 할 수 있는지 없는지, 작업자에겐 능률적인 혹은 비효율적인 작업이 되게 하는 열쇠이다. 이 논문에서는 효과적이고 좋은 포즈를 잡아내는 데에 있어서 4가지 방법을 제시하고자 한다. 4가지의 포즈 선별 방법은 스트레치와 스쿼시의 포즈, 캐릭터의 발 혹은 사물의 높낮이 결정을 통한 포즈, 무게 중심을 고려한 포즈, 캐릭터의 경우 스텝을 밟을 때의 포즈들이다. 이 방법은 디즈니의 애니메이션의 12가지 법칙을 최대한 응용 했고 컴퓨터 애니메이션의 작업 방식에 특징을 고려한 방법이다.

• 한국컴퓨터정보학회논문지
• /
• 제29권9호
• /
• pp.109-114
• /
• 2024

본 논문에서는 휴먼 센서 기반의 작업자 동작 3D 시각화 모듈을 설계하고 구현한다. 이 모듈을 구성하는 3가지 핵심 모듈은 Human Sensor Implementation, Data Set Creation, Visualization이다. Human Sensor Implementation은 휴먼 센서 위치 설정 및 설치와 휴먼 센서를 통한 작업자 동작 데이터 수집 기능을 제공한다. Data Set Creation은 동작 데이터 변환･저장 및 근접 실시간 작업자 동작 데이터 세트 생성과 측정 센서 데이터 및 동작 데이터 세트 처리 및 관리 기능을 제공한다. Visualization은 작업자 3D 모델 시각화와 동작 평가 및 부하 계산 기능, 대용량 처리 및 관리 기능을 제공한다. 작업자 3D 모델 시각화에서는 동작 데이터 세트(Skeleton & Position)를 작업자 3D 모델에 동기화 맵핑하고, 작업자 3D 모델 동작 애니메이션, 작업자 3D 모델과 분석 결과를 조합하여 시각화한다. 본 논문에서 설계하고 구현한 휴먼 센서 기반의 작업자 동작 3D 시각화 모듈은 향후 스마트 팩토리 분야의 기반 기술로 다양하게 활용될 수 있다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.24-30
• /
• 2021

본 연구에서는 자동차 밸브 바디 (valve body) 나사의 조립 상태를 검지하고 조립 작업을 보조하기 위한 증강현실 (AR) 앱을 개발하고 테스트를 통해 유효성을 보인다. 조립할 나사의 조립 위치와 순서 및 조립 상황들을 표시하는 컨텐츠들을 생성한 후 스마트 폰 화면의 밸브 바디 영상 위에 정합하여, 조립 도중에 작업자에게 보여준다. 이를 위해, 밸브 바디의 2차원 이미지로부터 특징 데이터를 추출하고 밸브 바디의 포즈를 알아낸다. 밸브 바디 위의 각 나사들이 조립될 영역의 영상을 추출하고 주기적으로 해당 영역의 휘도를 판별하며, 밸브 바디 위의 정해진 위치에 순서에 따라 각 나사들이 조립되고 있는 지를 확인한다. 미조립 또는 조립 순서 오류 등 조립 에러가 검지되면 경고 음이 발생되어, 작업자가 스마트 폰 화면에서 즉시 조립 상태를 확인하고 에러를 처리할 수 있다. 테스트를 통해 5개 나사의 조립 상태를 검지하는데 약 65ms가 걸리고 1시간 동안 오류 없이 조립 상태가 검지되는 것을 확인했다.

• 한국빅데이터학회지
• /
• 제8권1호
• /
• pp.49-59
• /
• 2023

제조업의 안전보건 기준은 다양한 항목이 존재하지만, 질병 재해자 기준에서 업무상 질병과 근골격계 질환으로 나눌 수 있다. 이 중 근골격계 질환은 제조업에서 가장 많이 발생하며, 나아가서 제조 현장의 노동생산성감소 및 경쟁력 약화까지 유발할 수 있어서 이를 사전에 확인할 수 있는 시스템이 필요한 실정이다. 본 논문에서는 제조업 노동자의 근골격계 유해 요인을 검출하기 위하여 근골격계 부담작업 요인 분석 데이터 속성, 유해 요인 작업자세, 관절 키포인트를 정의하고 인공지능 학습용 데이터를 구축하였다. 구축한 데이터의 유효성을 판단하기 위해서 YOLO, Dite-HRNet, EfficientNet 등의 AI 알고리즘을 활용하여 학습하고 검증하였다. 실험 결과 사람 탐지 정확도는 99%, 탐지된 사람의 관절 위치 추론 정확도는 @AP0.5 88%, 추론된 관절 위치를 종합하여 자세를 평가한 정확도는 LEGS 72.2%, NECT 85.7%, TRUNK 81.9%, UPPERARM 79.8%, LOWERARM 92.7%를 도출하였으며, 추가로 딥러닝 기반의 근골격계 질병을 예방할 수 있는 연구에 필요한 요소를 고찰하였다.