• 한국멀티미디어학회논문지
• /
• 제15권3호
• /
• pp.398-407
• /
• 2012

본 연구에서는 넓은 지형에 분포하는 많은 수의 나무를 사실적이면서 효율적으로 표현하는 나무 모델 방법을 제안한다. 나무 가지의 재귀적 계층 구조와 싹으로부터 자기조직화를 통한 가지 생성 과정을 결합하여 단순화시킴으로써 보다 직관적이고 효율적으로 나무를 생성한다. 이러한 생성 과정은 사용자가 단계별 구조와 가지 길이, 분포, 방향과 같은 외형 조절을 인터랙티브하게 제어할 수 있도록 한다. 또한 많은 수의 나무를 동시에 제어하여 다양하게 성장시킬 수 있도록 하는 환경 적응형 모델을 설계하고 이를 효과적으로 처리하는 성장 환경 적용 방법을 제안한다. 여기에 넓은 지형위에 분포하는 복잡한 나무 모델의 실시간 시뮬레이션을 위해 GPU(Graphics Processing Unit)를 통한 렌더링 과정과 가지 표면의 연속적 세분화단계, 그리고 인스턴싱 기법을 도입한다. 제안한 나무 모델을 통해 넓은 지형에 다양한 나무를 사실적이고 효율적으로 표현할 수 있는지 여부를 시뮬레이션을 통해 확인한다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.455-458
• /
• 2009

통계적 방법을 사용하여 머리카락을 생성하고 제약 조건을 이용하여 헤어 스타일을 완성하는 방법에 대한 연구가 논문 [2]에 자세히 소개되어 있다. 논문 [2]의 방법과 함께 제시된 프로그램은 매우 다양한 헤어 스타일을 가능하게 하지만 일반 사용자가 쉽게 다루기 어려운 단점이 있다. 따라서 본 논문에서는 머리카락과 헤어 스타일의 생성에 있어서는 논문 [2]의 방법을 따르되 사용자가 쉽게 헤어 스타일을 조정할 수 있도록 맵 기반 인터랙티브 헤어스타일링 인터페이스를 제안한다. 머리카락이 생성될 두피 부분을 공간 분할하고 이 부분에 사용자가 머리카락의 밀도, 길이, 색상 맵을 직접 그릴 수 있게 하여 직관적인 헤어 스타일 생성이 가능하게 한다. 복잡한 형태의 표면에 대해서도 효과적으로 적용될 수 있도록 공간을 분할하고 접근하는 과정에 GPU 가속화 방법을 사용한다. 또한 제약 조건을 쉽게 다루기 위해 몇 가지 템플릿을 제공하고 이의 생성과 수정을 쉽게 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.426-429
• /
• 2011

광범위한 지형을 배경으로 하는 게임과 같은 실시간 시뮬레이션 시스템에서 사실적 표현을 높이는 중요한 요소 중 하나가 나무와 같은 자연물 표현이다. 하지만 시스템에 적합한 나무 모델을 매번 새롭게 제작하고 표현하는 일은 다소 어려움이 따른다. 본 연구는 이러한 문제를 해결하기 위하여 실시간 시스템에 적합한 다양하고 사실적인 나무를 모델링하는 방법을 설계한다. 이는 프랙탈 기반의 재귀적 계층 구조를 바탕으로 가지 성장의 자기조직화 처리를 결합하여 나무 성장 과정을 단순화시킴으로써 실시간 시스템에서 직관적이고 효율적으로 활용가능하게 한다. 또한 다양한 나무 모델을 자연스럽게 생성할 수 있도록 인터렉티브 제어 요소를 정의함은 물론 실시간 시스템 내 많은 수의 복잡한 나무 모델을 효율적으로 렌더링하기 위한 GPU를 기반으로 한 가지 표면에 대한 LOD 설정과 인스턴싱 방법을 추가하여 그 결과를 함께 보인다.

• 한국빅데이터학회지
• /
• 제7권2호
• /
• pp.31-41
• /
• 2022

철강은 기계 산업의 가장 기본적인 구성 요소 중 하나이다. 그러나 철강의 표면 결함은 제품의 품질에 큰 영향을 미친다. 따라서 연구자들은 표면 결함 감지기의 필요성에 주목하고 딥 러닝을 이용한 방법은 객체 결함 감지를 하는데 많이 사용된다. 연구 개발용으로 학습 모델 개발에 초점을 맞추지만 실제 산업환경에 실질적인 영향을 미치는 실시간 적용은 아직 적용되지 않는 한계와 개선의 여지가 필요하다. 본 연구는 YOLOv4를 기반으로 한 철강 표면 결함 감지의 실시간 적용을 제안한다. 첫째, 본 연구는 실시간 응용 모델을 적용하는 것을 목적으로 하며 실시간 객체 검출기의 가장 유명한 알고리즘 중 하나인 one-stage Detector의 YOLO 알고리즘을 중심으로 연구를 진행하였다. 둘째, 사전 훈련된 YOLOv4-Darknet 플랫폼 모델과 전이학습을 사용하여 철강 표면 오픈 소스 데이터셋 NEU-DET을 이용하여 학습과 테스트를 진행하였다. 본 연구에서는 철강 표면의 패치, 구멍 난 표면, 불순물, 스크래치 4가지 유형의 결함을 이용하였다. 셋째, 87.1% mAP@0.5의 정확도와 60fps 이상의 시스템 구축을 위해 YOLOv4를 이용하여 훈련된 모델의 실시간 성능을 평가하였다.