• 한국컴퓨터그래픽스학회논문지
• /
• 제12권2호
• /
• pp.39-44
• /
• 2006

컴퓨터 그래픽스 분야에서 변형체 애니메이션은 매우 중요한 기법으로 그 응용 범위가 매우 넓다. 본 논문에서는 큰 회전 변형에도 부피의 왜곡이 발생하지 않으며, 변형체의 어느 한 부위가 고정되어 있지 않고 자유롭게 움직일 수 있는 동적 탄성 변형을 실시간에 시뮬레이션 하는 기법을 제안한다. Choi와 Ko [3]가 제안한 모달 와핑 기법은 실시간에 부피의 왜곡이 없는 동적 탄성 변형을 생성할 수 있지만 탄성체의 어느 한 부위가 고정 되어 있어야 하며, Hauser 등 [9]이 제안한 임펄스 기반의 충돌 반응을 고려한 선형 모달 해석법은 안정적인 시뮬레이션 결과를 주지만 큰 변형에 있어서 부피 왜곡이 있다. 본 논문에서는 Choi와 Ko [3]가 제안한 모달 와핑 기법을 임펄스 기반의 충돌 반응을 포함하도록 확장하여 큰 회전 변형에도 부피의 왜곡을 방지하며 또한 자유롭게 움직이는 탄성체의 충돌 반응을 안정적으로 시뮬레이션 할 수 있게 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.667-669
• /
• 2021

본 논문에서는 벡터 기반 데이터 증강 기법(Data augmentation)을 제안하여 학습 데이터를 구축한 뒤, 이를 합성곱 신경망(Convolutional Neural Networks, CNN)으로 실제 균열과 가까운 패턴을 표현할 수 있는 프레임워크를 제안한다. 건축물의 균열은 인명 피해를 가져오는 건물 붕괴와 낙하 사고를 비롯한 큰 사고의 원인이다. 이를 인공지능으로 해결하기 위해서는 대량의 데이터 확보가 필수적이다. 하지만, 실제 균열 이미지는 복잡한 패턴을 가지고 있을 뿐만 아니라, 위험한 상황에 노출되기 때문에 대량의 데이터를 확보하기 어렵다. 이러한 데이터베이스 구축의 문제점은 인위적으로 특정 부분에 변형을 주어 데이터양을 늘리는 탄성왜곡(Elastic distortion) 기법으로 해결할 수 있지만, 본 논문에서는 이보다 향상된 균열 패턴 결과를 CNN을 활용하여 보여준다. 탄성왜곡 기법보다 CNN을 이용했을 때, 실제 균열 패턴과 유사하게 추출된 결과를 얻을 수 있었고, 일반적으로 사용되는 픽셀 기반 데이터가 아닌 벡터 기반으로 데이터 증강을 설계함으로써 균열의 변화량 측면에서 우수함을 보였다. 본 논문에서는 적은 개수의 균열 데이터를 입력으로 사용했음에도 불구하고 균열의 방향 및 패턴을 다양하게 생성하여 쉽게 균열 데이터베이스를 구축할 수 있었다. 이는 장기적으로 구조물의 안정성 평가에 이바지하여 안전사고에 대한 불안감에서 벗어나 더욱 안전하고 쾌적한 주거 환경을 조성할 것으로 기대된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.377-380
• /
• 2023

본 논문에서는 합성곱 신경망(Convolutional Neural Networks, CNN)과 탄성왜곡(Elastic Distortion) 기법을 통한 데이터 증강 기법을 활용하여 학습 데이터를 구축하는 프레임워크를 제안한다. 실제 균열 이미지는 정형화된 형태가 없고 복잡한 패턴을 지니고 있어 구하기 어려울 뿐만 아니라, 데이터를 확보할 때 위험한 상황에 노출될 우려가 있다. 이러한 데이터베이스 구축 문제점을 본 논문에서 제안하는 데이터 증강 기법을 통해 비용적, 시간적 측면에서 효율적으로 해결한다. 세부적으로는 DeepCrack의 데이터를 10배 이상 증가하여 실제 균열의 특징을 반영한 메타 데이터를 생성하여 U-net을 학습하였다. 성능을 검증하기 위해 균열 탐지 연구를 진행한 결과, IoU 정확도가 향상되었음을 확인하였다. 데이터를 증강하지 않았을 경우 잘못 예측(FP)된 경우의 비율이 약 25%였으나, 데이터 증강을 통해 3%까지 감소하였음을 확인하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제28권2호
• /
• pp.1-9
• /
• 2022

본 논문에서는 균열을 감지 할 때 필요한 데이터를 생성할 수 있는 벡터 기반 증강 기법과 이를 학습할 수 있는 합성곱 인공신경망(Convolution Neural Networks, ConvNet) 기법을 제안한다. 균열을 빠르고 정확하게 감지하는 것은 건물 붕괴와 낙하 사고를 사전에 방지할 수 있는 중요한 기술이다. 이 문제를 인공지능으로 해결하기 위해서는 대량의 데이터 확보가 필수적이지만, 실제 균열 이미지를 얻기 위한 상황은 대부분 위험하기 때문에 대량의 균열 데이터를 확보하기는 어렵다. 이런 데이터베이스 구축의 문제점은 인위적인 특정 부분에 변형을 주어 데이터의 양을 늘리는 탄성왜곡(Elastic distortion)으로 완화시킬 수 있지만, 본 논문에서는 이보다 향상된 균열 패턴 결과를 ConvNet을 활용하여 모델링한다. 탄성왜곡보다 우리의 방법이 실제 균열 패턴과 유사하게 추출된 결과를 얻을 수 있었고, 일반적인 데이터 증강에서 사용되는 픽셀 단위가 아닌, 벡터 기반으로 균열 데이터 증강을 설계함으로써 균열의 변화량 측면에서 우수한 결과를 얻을 수 있다. 결과적으로 본 논문에서는 적은 개수의 균열 데이터를 입력으로 사용했음에도 불구하고 균열의 방향 및 패턴을 다양하게 생성하여 효율적으로 균열 데이터베이스를 구축할 수 있다.

• 지구물리와물리탐사
• /
• 제20권3호
• /
• pp.163-175
• /
• 2017

육상 탄성파 탐사에서 불규칙한 지표 고도차와 천부 지층의 풍화대는 자료의 반사파 신호를 왜곡시킨다. 그러므로 일반적인 육상 탄성파 탐사 자료는 정적 보정(static correction)을 통해 이러한 왜곡을 보정해야 한다. 정적 보정을 하기 위해 천부 지층의 속도가 필요하며, 이 속도는 굴절법 탐사를 통해 구할 수 있다. 그러나 육상 탄성파 탐사자료는 탐사 현장에 대한 허가나 현장 여건 그리고 장비 보유 현황에 따라 제한된 형태로 취득되는 경우가 많다. 이러한 상황에서는 송수신기 배열이 제한되어 굴절법 탐사에 적합한 자료를 얻을 수 없기 때문에 반사법 자료로 굴절법 해석을 수행할 수 밖에 없다. 따라서 본 연구에서는 불규칙 지표 모델에서 제한된 송수신기 배열을 이용하여 얻은 반사법 자료로 굴절 주시 역산을 수행하고 결과의 신뢰성을 분석하였다. 불규칙한 지표와 평탄한 지표를 갖는 모델에 대한 역산 결과를 비교하여 지표 고도 차이가 역산 결과의 신뢰성에 약간의 영향을 주는 것을 확인하였다. 또한, 송신원 개수에 따른 역산을 통해 극히 적은 수의 송신원이 아니라면 역산 결과의 신뢰성에 크게 영향을 주지 않음을 보였다. 반면에 제한된 배열의 수신기를 사용할 경우에는 수신기 전개영역의 중첩된 부분에서 속도왜곡이 발생함을 관찰하였고, 속도왜곡이 발생하지 않기 위한 최소 중첩영역의 크기를 제안하였다. 마지막으로 현장 자료의 지형 조건과 송수신기 배열 정보를 이용하여 수치 모형 실험을 수행하였고, 신뢰성 분석 결과를 검증하였다. 신뢰성 분석 결과를 토대로 현장 자료 역산 결과에 신뢰할 수 있는 영역과 해석에 유의해야 할 영역을 구분하였다.

• 지구물리와물리탐사
• /
• 제1권1호
• /
• pp.31-42
• /
• 1998

최근 시추공을 이용한 탄성파 토모그래피는 국내 토목분야지반조사에서 상당한 몫을 차지하고 있다. 비록, 발생원-수진기 배열 구간의 제한으로 인하여 기대된 탄성파속도 분포가 그만큼 왜곡된다고 하더라도 그의 분해능은 그래도 다른 지표 조사기법보다 우월하기 때문이다. 그런데, 국내 천부지질에서는 경암과 풍화암이 인접되고 있는 경우가 허다하며 더구나 일부 수진간격에서 굴절파의 도달이 초동으로 인식되어 토모그램의 분해능이 크게 저해될 수 있는 것이다. 이러한 문제에 근원적으로 대처하기 위해서는 초동주시 이외에도 측정데이터에 담겨있는 제반 탄성파 도달을 분석하고 또한 그에 대한 이해도를 높이는 것이 바람직하다고 하겠다. 예를 들면, 튜브파에 대한 분석은 절리의 존재 및 연장 상태 뿐만 아니라 물의 유동상태 판단에도 기여할 수 있는 것이다. 따라서 본 논문의 주요 내용은 지난 수년간의 현장응용 사례를 바탕으로 측정 데이터 자체를 이해할 수 있는 다양한 분석 및 해석 기법을 서술함으로써 지반 상태에 대한 판단력을 높일 뿐만 아니라 나아가서 불가피하게 발생되는 토모그램의 왜곡을 최소화할 수 있는 기본 자료를 제시할 수 있음을 보여주는데 있다. 튜브파 관찰에 의해 인식된 절리들은 텔레뷰어 이미지 및 수리측정 결과와 상호 비교하고 있으며 또한 발파점 및 수진점 기록을 활용하여 그들을 찾는 분석법을 제시하고 있다. 해성 실트질 점토에 대한 탄성파전달 연구는 그 지역의 토모그래피 응용을 위한 지침을 보여주고 있다. 한편, 측정데이터에서 관찰되는 주요 탄성파 도달을 수치모형실험과 상호 비교함으로써 초동 판단에 대한 이해도를 높이고 있다.

• 지구물리와물리탐사
• /
• 제7권4호
• /
• pp.245-250
• /
• 2004

단일 채널 해양 탄성파탐사 자료의 2차원 탄성파 단면도에 수평거리 보정을 적용하여 탄성파 단면도의 수평축을 거리 단위로 표현하였다. 수평축을 거리 단위로 표시함으로써 탐사선의 운항 속력이 변할 경우 나타나는 수평 거리 왜곡 현상을 상당히 해소할 수 있었다. 수평거리 보정을 위하여 탄성파 자료의 각 트레이스에 저장된 GPS 위치 정보와 자료 취합 윈도우를 이용하였다. 자료 취합 윈도우의 최소 길이는 탐사선의 속력과 발파 간격에 의해 결정하였으며, 최대 길이는 1차 프레넬대 반경을 이용하여 결정하였다. 자료 취합 윈도우의 길이를 결정함에 있어 수평 해상도와 중합의 효과를 동시에 고려하였다. 수평거리 보정 과정을 적용하여 실제 지층구조와 유사하다고 생각되는 2차원 탄성파 단면도를 작성할 수 있었다.

• 지구물리와물리탐사
• /
• 제6권1호
• /
• pp.28-34
• /
• 2003

지반침하는 지난 3년간의 본 연구실의 중요한 연구 주제로 본 연구에서는 채굴적 붕괴로 육안상 지표침하는 뚜렷이 관측되지 않으나 그 하부 지반은 이미 교란되었다고 판단되는 영역을 천부 탄성파 반사법을 이용하여 고찰함으로써 향후 예상 침하영역을 정량적으로 도출하였다. 지반교란에 의한 탄성파 신호의 왜곡 및 감쇠를 최소화하고자 좁은 송수신 간격(0.3m) 및 가능한 짧은 오프셋(<30m)의 0.15m의 CMP간격을 가지는 측선배열로써 고주파수 천부 탄성파 자료를 획득하였다. 짧은 측선길이(43m)를 감안하여 고정된 지오폰에 대하여 송신원을 이동하는 배열법을 선택하였다. 침하에 의해 지반교란이 심한 조사지역의 탄성파 자료의 특성과 획득자료 대부분이 짧은거리 오프셋 탄성파 자료임을 고려하여 신중한 뮤팅과 잔여정보정 처리과정을 거쳐 탄성파 중합단면을 작성하였다. 지표 침하양상과 대비하여 중합단면을 해석, 정량적인 예상 침하영역을 분리하였다.

• 지구물리와물리탐사
• /
• 제5권3호
• /
• pp.145-149
• /
• 2002

정보정은 풍화층의 두께나 속도가 균질하지 않아 하부의 지층으로부터 전파된 신호의 왜곡을 보정하는 방법으로 굴절파에 근거한 정보정과 반사파에 근거한 잔여 정보정이 있다. 이 중 굴절파에 근거한 정보정은 일반적으로 분석자의 주관적인 해석에 의존하므로 많은 시간이 소요된다. 따라서 방대한 양의 자료를 처리해야하는 3차원 탄성파 탐사 자료의 정보정에 적용하는 데는 어려움이 있다. 이러한 굴절파에 근거한 정보정을 적용하기 위해서는 분석자의 해석을 최소한으로 하여 자동적으로 정보정을 수행하는 방법의 개발이 필요다. 본 연구에서는 굴절파에 근거한 정보정 방법을 육상 3차원 탄성파 탐사 자료에 대해 효과적으로 수행할 수 있는 방법에 대해 살펴보았다.

• 지구물리
• /
• 제6권1호
• /
• pp.31-38
• /
• 2003

고분해능 천부해저탄성파탐사는 석유탐사에서 사용되는 다중채널 탄성파탐사를 소규모의 천부탐사에 적용한 것으로 단층의 1 m 내외 낙폭까지 구분해 낼 수 있을 만큼 분해능이 높은 탐사를 일컫는다. 육상탐사에서 천부 불균질대에 의한 반사영상의 왜곡처럼 해상 탐사에서는 일반적으로 바다에 항상 존재하는 1 m 내외의 파도에 의해서 그 분해능이 저하될 수 있는데 고분해능 해저 탄성파탐사에서는 이와 같은 너울효과를 제거함으로써 분해능을 향상시킬 수 있다. 기존의 인접심도 평균법을 극복하기 위해 새로이 상호상관 기법을 이용하여 개발된 방법은 해저면의 심도를 보다 정확히 추출함으로써 자료의 분해능을 크게 향상시키는 것으로 나타났다.