• 한국운동역학회지
• /
• 제12권2호
• /
• pp.197-206
• /
• 2002

본 연구는 숙련자와 초보자간의 퍼팅 스트로크 특성을 비교하여 바람직한 모델을 제시하고자, 프로골퍼 5명과 아마추어골퍼 5명 등 10명을 대상으로 실험을 실시하였다. 실험은 실내의 인조잔디에서 진행되었으며, 퍼팅거리는 3 m 였다. 두 대의 AG 456 비디오카메라(60Hz, 1/500 s)를 이용하여 퍼팅 스트로크 전과정과 볼의 움직임을 녹화하였으며, 이때 실험오차를 최소화하기 위하여 움직임 크기에 알맞은 통제점틀($0.3{\times}0.3{\times}1.0m$)을 제작하여 사용하였다. 본 실험의 연구결과에 따르면 퍼터의 전체 움직임에서는 퍼팅라인 방향 이동 변위 중 폴로스루 구간과 전체구간에서 숙련자와 초보자간에 매우 의미있는 차이(p<.001)가 있었다. 퍼터의 이동시간에서는 전체스윙시간에서 초보자들이 숙련자들보다 매우 의미 있는 차이(p<.0001)로 빠르게 클럽을 이동시키는 것으로 나타났다. 임팩트 지역에서 동일한 시간(0.167 초) 동안에 클럽의 퍼팅라인 방향 움직임에 있어서는 초보자가 숙련자보다 평균차이 4.258cm 더 많이 움직였으며, 임팩트 시점에서 스위트 스폿의 속도는 초보자가 평균차이 0.2578 m/s 더 빠른 것으로 나타났다. 볼에 직접적인 영향을 주는 임팩트 직전(-0.0167s)에서 임팩트(0.0000s)까지의 변위 벡터의 방향은 숙련자의 경우에 퍼트 선과거의 일치하는 반면에 초보자들은 퍼트 선과 어긋났다. 클럽헤드의 스윙궤도는 숙련자가 inside to inside 인 반면에 초보자는 outside to inside로 나타났다. 퍼팅 스트로크는 볼과 클럽의 접촉에 의한 결과이므로 클럽의 움직임도 중요하지만 볼이 움직인 결과도 매우 중요하다. 따라서 볼의 움직임에 대한 연구도 병행되어야 한다.

• 방송공학회논문지
• /
• 제12권6호
• /
• pp.596-610
• /
• 2007

본 논문에서는 스케일러블 비디오 부호화기의 복잡도 감소를 위해, 공간 계층간 잔차 신호 부호화를 선택적으로 수행하고 그 정보를 바탕으로 향상 계층에서 모드를 고속으로 결정하는 방법에 대해 소개한다. 계층간 잔차 신호 부호화는 스케일러블 비디오 부호화에서 공간 계층간 상관도를 이용하여 계층간의 두 잔차 신호에 대한 차 신호를 부호화하는 방법으로서 부호화 효율을 증대 할 수 있는 장점이 있으나 향상 계층의 모든 화면간 모드에 대해 율-왜곡 비용을 계산하기 때문에 부호화기의 복잡도를 크게 증가시키는 주요 요인이 된다. 제안 알고리듬은 하위 계층으로부터 업샘플된 잔차 신호와, 하위 계층의 움직임 벡터, 참조 화면 정보를 이용하여 향상 계층에서 얻은 잔차 신호의 SAD값을 통해 정수 변환 계수의 특징을 미리 판별하여 계층간 잔차 신호 부호화를 선택적으로 수행하는 방법이다. 제안 알고리듬에서는 계층간 잔차 영상의 차 신호에 대한 SAD값에 양자화 계수와 시간 계위에 따라 문턱치 값을 적응적으로 적용시키면서 SAD가 적응적으로 설정된 문턱치 보다 작을때는 잔차 블록에 대한 정수변환 계수가 매우 작다고 판단하여 그 블록에 대해서는 선택적으로 계층간 잔차 부호화를 수행하고 역시 공간적 향상 계층에서 $16{\times}16$블록에 대해서만 율-왜곡 최적화를 수행한다. 따라서 계층간 차분 신호에 대한 SAD값만으로 정수변환계수의 특성을 양자화 계수와 시간 계위에 따라 분류하여 고속의 부호화를 달성함으로써 SVC 부호화기의 복잡도 및 부호화 시간을 크게 감소 시켰다. 제안 알고리듬을 적용하면 다양한 특성을 갖는 영상에 대하여 부호화 시간을 원래의 SVC 참조 소프트웨어 대비 평균 51.5%의 부호화 속도를 향상하였음에도 이에 따른 PSNR의 감소는 평균 0.03dB, 비트율의 증가는 0.64%로 무시할 수 있을 정도로 작았다.

• 전자공학회논문지C
• /
• 제36C권12호
• /
• pp.11-19
• /
• 1999

최근에 등장한 프랙탈 영상 압축 알고리즘은 소프트웨어적인 측면에서는 많이 연구되고 있으나, 하드웨어 구현을 위한 연구는 드물다. 그러나 , 프랙탈 영상 압축 기법이 동영상 처리를 위해 사용될 경우 소프트웨어적으로는 실시간 처리의 어려움이 있어 고속의 전용 하드웨어가 필요하다. 그러나 , 아직 복호기의 구체적인 하드웨어의 설계 예는 드물다. 본 연구에서는 $256{\times}256$의 크기의 흑백 영상의 실시간 처리가 가능한 quadtree 방식의 프랙탈 영상 압축 복호기를 전용 하드웨어로 설계하였으며, 이를 위한 저전력 기법을 제안한다. 제안한 두 가지 방법 중 첫번째는 영상의 복원 후 발생하는 블록 현상을 제거하기 위한 post-processing 방법을 하드웨어 측면에서 최적화하는 것이다. 이 방식은 기존의 소프트웨어에서 사용하던 승산기가 필요한 가중 평균 방식보다 하드웨어를 적게 소모하여 비용을 줄이며, 속도는 69%정도의 향상이 있다. 두번째 방식은 데이터 패스 내부의 곱셈기를 입력 벡터의 통계적 특성을 이용하여 소비 전력이 적도록 설계하는 것이다. 이 방식으로 설계할 경우 8 bits 이하의 크기의 곱셈기에서 저전력에 유리하다고 알려진 어레이(array) 형태의 곱셈기에 비해 약 28%정도 소비 전력을 줄일 수 있었다. 위 두 가지 전력 절감 방식을 사용하여 동작 전압 3.3V, 1 poly 3 metal, $0.6{\mu}m$ CMOS 공정으로 복호기의 코어 부분을 칩으로 제작하였다.

• 방송공학회논문지
• /
• 제18권2호
• /
• pp.271-282
• /
• 2013

최근 ITU-T/VCEG과 ISO/IEC MPEG은 공동으로 차세대 비디오 압축 표준 기술인 High efficient video coding (HEVC)를 제정하고 있다. HEVC는 H.264/AVC 표준 기술과 비교해 보면 매우 향상된 압축 효율을 보여 주고 있으며, 특히 Full HD 이상의 매우 큰 사이즈의 동영상 및 그에 따른 고화질 비디오 서비스를 주요 목표로 하고 있다. 그러나 품질과 압축 효율 향상을 위해 새로운 구조와 압축 도구들이 추가됨으로써 인코더의 연산 복잡도가 매우 증가되어 있으며, 이에 화질의 열화를 최소한으로 유지하면서 계산량을 감소시키는 연구가 필요해 지고 있는 상황이다. 본 연구에서는 화면 간 예측 시에 부호화 단위의 분할을 효율적으로 조기 종료하는 방법을 제안한다. 제안된 방법은 현재 코딩 단위 (Coding unit)의 움직임 벡터 정보, 율-왜곡 비용, 그리고 상위 코딩 단위에서의 개별 사이즈에 대한 평균 율-왜곡 비용값을 활용하여 분할을 조기에 중단한다. 실험 결과를 통하여 제안된 방법이 기존의 ECU 방법보다 약 10% 정도로 속도 향상이 있으며, HM 참조 소프트웨어와 비교 시 BD-rate 증가는 1.975% 정도로 매우 적게 나타남을 보인다.

• 보존과학회지
• /
• 제37권3호
• /
• pp.209-219
• /
• 2021

본 연구에서는 도심지에 위치한 숭례문을 중심으로 유입류 풍향 조건에 따라 변화되는 풍환경을 수치해석하였다. 이를 위해 지리정보시스템 자료와 전산유체역학 모델을 이용하여 대상영역의 상세 바람장을 수치모의하였으며, 벡터장, 3차원 바람속도성분, 풍속장 등에 대한 흐름특성을 분석하였다. 대상영역에서는 건물협곡을 따라 흐르는 바람길의 형성과 건물에 의한 바람의 회전 및 와류 등 급격한 풍향의 변화가 모의되었으며, 그 영향으로 숭례문 주변에서는 유입류의 풍향에 의존하지 않는 복잡한 흐름의 양상이 나타났다. 숭례문 지점에서의 풍속은 지표풍(지상 2 m)과 비교하여 상층마루 높이(지상 14 m)에서 평균 3배 이상 강하게 형성되었고, 유입류가 동풍인 경우에 전반적으로 높게 나타났으며, 숭례문의 남동 측면이 상대적으로 바람에 의한 영향이 클 것으로 예측되었다. 본 연구를 통하여, 고층건물 및 고밀도 건물군 등 인공구 조물에 의한 바람길 및 빌딩풍 등의 형성이 도심지에 위치한 건축문화재에 미치는 영향을 파악하고 대책을 마련하기 위한 상세 풍환경 평가의 필요성이 제시되었다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.