• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.85-92
• /
• 2022

본 논문에서는 라인 형태인 가닥(Strand) 지오메트리 이미지와 합성곱 신경망(Convolutional Neural Network, ConvNet 혹은 CNN)을 이용하여 저해상도 헤어 및 털 시뮬레이션을 고해상도로 노이즈 없이 표현할 수 있는 기법을 제안한다. 저해상도와 고해상도 데이터 간의 쌍은 물리 기반 시뮬레이션을 통해 얻을 수 있으며, 이렇게 얻어진 데이터를 이용하여 저해상도-고해상도 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 헤어 가닥 형태의 위치를 지오메트리 이미지로 변환하여 사용한다. 본 논문에서 제안하는 헤어 및 털 네트워크는 저해상도 이미지를 고해상도 이미지로 업스케일링(Upscaling)시키는 이미지 합성기를 위해 사용된다. 테스트 결과로 얻어진 고해상도 지오메트리 이미지가 고해상도 헤어로 다시 변환되면, 하나의 매핑 함수로 표현하기 어려운 헤어의 찰랑거리는(Elastic) 움직임을 잘 표현할 수 있다. 합성 결과에 대한 성능으로 이전 물리 기반 시뮬레이션보다 빠른 성능을 보였으며, 복잡한 수치해석을 몰라도 쉽게 실행이 가능하다.

• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1477-1485
• /
• 2021

최근 이미지 초해상도는 정수배율만 가능한 모델에만 집중적으로 연구되고 있다. 하지만 관심 객체 인식, 디스플레이 화질 개선 등 실제 초해상도 기술의 대표 적용 분야에서는 소수 배율을 포함하는 임의배율 확대 필요성이 대두되고 있다. 본 논문에서는 기존 정수배율 모델의 가중치를 활용하여 임의배율을 실행할 수 있는 모델을 제안한다. 이 모델은 정수배율에 의해 우수한 성능을 가진 초해상도 결과를 DCT 스펙트럼 도메인으로 변환하여 임의배율을 위한 공간을 확장한다. DCT 스펙트럼 도메인에 의한 확장으로 인해 발생하는 이미지의 고주파 정보 손실 문제를 줄이기 위해 고주파 스펙트럼 정보를 적절히 복원할 수 있는 모델인 고주파 집중 네트워크를 제안한다. 제안된 네트워크는 고주파 정보를 제대로 생성하기 위해서 RGB 채널간의 상관관계를 학습하는 레이어인 channel attention을 활용하고, 잔차 학습 구조를 통해 모델을 깊게 만들어 성능을 향상시켰다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 1998년도 학술발표회 논문집
• /
• pp.3-3
• /
• 1998

In this pressentation it is argued that the heterogeneity of a hydrologic attribute which may seem to be nonstationary at one scale, may become stationary at a larger scale. The fundamental reason for transformation from nonstationarity to stationarity whith the increase in scale is the phenomenon of coarse-graining of the hydrologic processes with increasing scale. Due to the phenomenon of aliasing, a particular scale hydrologic process heterogeneity which is observed as a nonstationary process at that scale, may be observed as a stationary process at a higher(larger) scale whose size is bigger than the stationary extent of the lower scale heterogeneity. As one goes through a hierarchical sequence of larger and larger scales for observations, one would eliminate nonstationarities which emerge at some lower scales at the expense of losing information on the high frequency fluctuations of the lower scale heterogeneities which will no longer be observed at the larger sampling scales. We call this phenimenon as the "coarse-graining in hydrologic observations". In this presentation, it is also argued that by the coarse-graining of hydrologic processes due to the averaging and aliasing operations at increasing scales, the conservation laws corresponging to these scales may still be quite parsimonious, and need not be more complicated as the scales get larger. It is shown that shen a higher(larger) scale process is formed by averaging a lower(smaller) scale process in time or space, the high frequency components of the lower scale process will be eliminated by the averaging operation. Thereby, the resuliiting average hydrologic dynamics, free from the effects of the high frequency components of the lower scale process, can still be quite simple in form. This is demonstrated by means of some recent upscaling work on the solute teansport conservation equation for hetergeneous aquifers. By means of this solute transport example, it is also shown that for the ensemble average form of a hydrologic conservation equation to be equivalent to its volume-average form at any scale, the parameter functions of that conservation equation at the immediately lower scale must be ergodic.

• 한국지리정보학회지
• /
• 제17권4호
• /
• pp.69-85
• /
• 2014

기존의 산림탄소저장량 통계는 현지 조사 표본 기반의 통계로 표본점 단위에서는 비교적 정확하지만 미조사 지점에 대해서는 정확도가 떨어질 수 있다. 이를 보완하기 위한 것이 공간 정보를 보조 자료로 함께 활용하는 면적 기반 추정이며 우리나라의 경우 디지털 항공사진 판독과 현지 조사를 통해 상세 수준의 산림정보를 얻을 수 있는 1:5,000 임상도를 보유하고 있으므로 임상도의 활용성에 주목할 필요가 있다. 본 연구에서는 1:5,000 임상도와 제5차 국가산림자원조사 자료에 기반한 세 가지 업스케일링 방법을 비교하였다. 충청남도와 대전시를 대상으로 지도대수(방법 1), 회귀크리깅(방법 2) 및 지리가중회귀(방법 3)를 이용하여 산림탄소저장량을 각각 추정하였다. 탄소저장량 범위의 경우, 방법 2(1.39~138.80 tonC/ha)와 방법 3(1.28~149.98 tonC/ha)이 방법 1(0.00~93.37 tonC/ha)에 비해 기존의 현지 조사 표본 기반 방법의 추정치 범위(1.56~156.40 tonC/ha)와 유사한 범위로 추정하여 공간자기상관성을 고려한 회귀크리깅과 지리가중회귀 방법이 탄소저장량 분포의 공간이질성을 잘 반영하는 것으로 나타났다. 정확도 평가를 위해 독립검증 지점 186개소의 탄소저장량에 대한 대응표본 t-검정을 수행한 결과, 방법 2의 평균 추정치와 NFI 표본 기반 평균 추정치는 통계적으로 유의한 차이가 없으며(p>0.05) 방법 2의 결과가 가장 낮은 RMSE를 보였다. 따라서 지형과 임분 구조가 복잡한 우리나라 산림의 경우, 회귀크리깅이 기존 통계 방법과 가장 유사한 평균 탄소저장량을 산출하면서 탄소저장량의 국지적 변이를 나타내기에 유용할 것으로 판단된다.

• 전자공학회논문지
• /
• 제53권11호
• /
• pp.73-81
• /
• 2016

일반적으로 적외선 열화상 영상은 가시광선 영상보다 약한 선명도를 가지며, 디테일 정보도 거의 없다. 그래서 종래 영상확대 알고리즘 방법으로 적외선 영상을 확대할 경우 가시광 영상에 비해 효과적이지 않다. 이런 문제점을 해결하기 위해 본 논문은 입력 적외선 영상을 ADRC 기반 초고해상도 기법으로 일차적으로 확대하고, 대응하는 가시광선 영상과 융합하는 방법을 제안한다. 제안하는 알고리즘은 크게 확대 과정과 융합 과정으로 나뉜다. 먼저 입력된 적외선 영상을 ADRC 기반의 초고해상도 알고리즘으로 확대한다. 사전의 학습과정에서 고해상도 영상들에 소위 pre-emphasis를 적용한 후 학습을 함으로써 선명도 향상을 꾀했다. 융합 과정에서는 먼저 입력 IR영상과 대응하는 가시광선 영상에서 고주파 정보를 추출하고, IR영상의 복잡도에 따라 적응적으로 상기 추출된 고주파 정보를 합성하는 방식으로 최종적인 확대 적외선 영상이 얻어진다. 모의 실험 결과 제안 알고리즘은 최신 SR기법 중 하나인 A+기법보다 JNB수치가 평균 0.2184만큼 높은 우수한 정량적 결과를 보인다. 뿐만 아니라 주관적 화질에서도 상당한 우위를 보인다.

• 방송공학회논문지
• /
• 제24권1호
• /
• pp.132-141
• /
• 2019

매우 제한된 전송 대역을 이용하여 비디오 데이터를 전송해야 하는 필요성은, 광대역을 통한 비디오 서비스가 활성화되어 있는 현 시점에서도 꾸준히 존재한다. 본 논문에서는 초협대역 네트워크를 통한 저해상도 비디오 전송을 위해, 공간 확장형 스케일러블 비디오 코딩 프레임워크에서 기본 계층의 부호화된 프레임을 심층 신경망 기반 초해상화 기법을 이용하여 업스케일링 하여 향상 계층 부호화 시에 예측 영상으로 활용하여 부호화 효율을 높이는 방법을 제안한다. 기존의 스케일러블 HEVC (High efficiency video coding) 표준에서는 고정된 필터로 업스케일링을 하는데 비해, 본 논문에서는 초해상화 수행을 위해 학습된 심층신경망을 기존의 고정 업스케일링 필터를 대체하여 적용하는 스케일러블 비디오 코딩 프레임워크를 제안한다. 이를 위해 스킵 연결과 잔차 학습 기법 등이 적용된 심층 콘볼루션 신경망 구조를 제안하고, 비디오 코딩 프레임워크의 실제 응용 상황에 맞추어 학습시켰다. 입력 해상도가 $352{\times}288$이고 프레임율이 8fps인 영상을 110kbps로 부호화 하는 응용 상황에서, 기존의 스케일러블 HEVC 프레임워크에 비해 제안하는 스케일러블 비디오 코딩 프레임워크의 화질이 더 높고 부호화 효율이 우수함을 확인할 수 있었다.