• 제목/요약/키워드: vector approximation

검색결과 185건 처리시간 0.022초

MPEG-1 비디오 스트림에 대한 압축 영역에서의 장면 전환 효과 처리 (Shot Transition Effects for MPEG - 1 Video Stream in Compressed Domain)

  • 이승철;낭종호
    • 한국정보과학회논문지:정보통신
    • /
    • 제27권2호
    • /
    • pp.109-122
    • /
    • 2000
  • MPEG 형식의 비디오 데이타의 사용이 점차 늘어남에 따라, 이런 데이타를 자유롭게 편집할 수 있는 편집기의 필요성이 점차 증가하고 있다. 그러나 MPEG 데이타는 연속된 프레임들의 차이만을 저장하는 방법을 사용하기 때문에 두 개의 MPEG 데이타를 전환 효과를 주어서 편집을 하기 위해서는 압축을 해제한 후 효과를 주고 다시 압축하여야 하는 문제점을 가지고 있다. 이런 문제점을 해결하기 위하여 본 논문에서는 MPEG 형식으로 압축된 두 비디오 데이타에 대하여 부분적으로 압축을 해제한 상태에서 여러 종류의 장면 전환 효과(페이드 인 및 페이드 아웃, 디절브)를 적용할 수 있는 방법을 제안하였다. 제안한 방법에서는 MPEG형식 비디오 데이타의 I와 P프레임에 대하여서는 압축을 부분적으로 해제하는 전환 효과를 주는 기존의 방법을 응용하여 적용하였으며, B 프레임의 경우에는 참조 프레임에 대한 움직임 벡터를 기초로 구해진 움직임 보상 근사값을 이용하여 DCT 영역에서 장면 전환 효과를 주는 방법을 새로이 제안하였다. 이런 압축 영역에서의 장면 변화 적용 방법을 사용함으로써 압축을 해제하여 효과를 주는 것 보다 전환되는 프레임들의 화질을 유지하면서 3-4배 정도 빠르게 편집할 수 있다. 이러한 방법을 MPEG 비디오 편집기 시스템에 적용하게 된다면, 소프트웨어만을 이용한 저가의 데스크 탑 환경에서도 효율적인 비디오 편집 작업이 가능하게 될 것이다.

  • PDF

아이소-지오메트릭 형상 최적설계의 실험적 검증 (Experimental Validation of Isogeometric Optimal Design)

  • 최명진;윤민호;조선호
    • 한국전산구조공학회논문집
    • /
    • 제27권5호
    • /
    • pp.345-352
    • /
    • 2014
  • 본 논문에서는 아이소-지오메트릭 형상 최적설계 기법에서 얻은 CAD 정보를 직접 활용하여, 3D 프린터를 활용한 실험적 검증을 위한 시편을 제작하였다. 유한요소법에서는 요소망에 내재하는 기하학적인 근사가 응답과 설계민감도 해석에서 정밀도 문제를 발생시킨다. 더욱이 유한요소 기반 형상 최적화 과정에서는 CAD와의 정보교환이 필수적이나 그 과정에서 최적설계 정보의 손실이 발생할 수 있다. 아이소-지오메트릭 기법은 CAD에서 사용된 동일한 NURBS 기저함수와 조정점을 사용하므로 법선벡터와 곡률과 같은 엄밀한 기하학적 정보를 응답해석과 설계민감도 해석에 사용할 수 있다. 또한 최적설계 과정에서 CAD와 정보교환 없이 복잡한 형상을 손쉽게 변경할 수 있다. 그러므로 최적의 설계의 재료량을 실험적 검증을 위한 시편제작에 엄밀하게 반영할 수 있다. 굽힘 하중을 받는 단순지지 구조물에 대한 최적설계 및 실험적 검증을 통해 최적형상이 초기 형상에 비해 더 큰 강성을 가지며 실험결과와 수치 해석결과가 매우 잘 일치함을 보였다. 또한 인장력을 받는 유공판에 대한 형상 최적설계를 수행하였으며, 비접촉식 3차원 변형 측정 장치를 이용하여 초기설계에 비해 최적설계에서 구멍주변에서의 응력집중 현상이 완화됨을 확인하였다. 따라서 수치적인 방법을 활용한 최적설계가 실제 구조물에 대한 실험에서도 유효함을 입증하였다고 할 수 있다. 또한, 아이소-지오메트릭 최적설계 방법론이 기존의 유한요소법에 비해서 최적설계 결과를 제작하여 활용하는데 있어서도 훨씬 효율적이고 엄밀한 방법임을 보였다.

모바일 한자 학습 애니메이션 생성 (Animation Generation for Chinese Character Learning on Mobile Devices)

  • 구상옥;장현규;정순기
    • 한국정보과학회논문지:시스템및이론
    • /
    • 제33권12호
    • /
    • pp.894-906
    • /
    • 2006
  • 모바일 기기의 성능 및 화면, 무선 네트워크의 속도 등의 제약으로 모바일 컨텐츠 개발에는 많은 어려움이 있다. 단순히 유선 웹상에서 기존에 서비스 되던 컨텐츠의 가시적인 축소만으로는 양질의 컨텐츠 제작이 어렵다. 빠르게 변화하는 모바일 컨텐츠 시장에 적응하기 위해서는 컨텐츠 특성에 최적화된 데이타 표현 기법 및 저작 도구의 개발이 이루어져야 한다. 본 논문에서는 모바일 기기 상에서의 한자 학습을 위한 적은 용량의 모바일 컨텐츠 및 저작 도구를 개발하였다. 본 연구에서 개발한 모바일 컨텐츠는 단순히 한자 이미지와 설명 정보를 보여주는 것이 아니라, 한자 획순으로 붓으로 쓰는 것과 같은 애니메이션 효과를 줄 수 있다. 또한 저작 도구는 사용자가 그래픽이나 한자, 모바일 프로그래밍에 관한 전문가가 아니더라도 쉽고 빠르게 컨텐츠를 생성할 수 있는 개발 환경을 제공한다. 본 논문은 트루타입 폰트로부터 글자 모양을 획득하여, 간단한 사용자 입력으로 획 분할 및 획 순서 정보를 얻고, 자동으로 획의 방향을 추출, 각 획마다 붓으로 쓰는 효과의 애니메이션을 생성한다. 다음으로 모바일 기기에서의 효율적인 글자 애니메이션을 위해 애니메이션 데이타를 압축한다. 본 논문은 한자뿐 아니라, 한글 또는 다른 형태의 그래픽에도 이용될 수 있으며, 향후 획 분할 및 획 순서 결정을 자동화하는 방법을 연구하고자 한다.

온도장 측정 정밀도 향상을 위한 시간 지연 벡터의 재형성 (Regeneration of the Retarded Time Vector for Enhancing the Precision of Acoustic Pyrometry)

  • 김태균;이정권
    • 한국음향학회지
    • /
    • 제33권2호
    • /
    • pp.118-125
    • /
    • 2014
  • 역문제에 기반한 음향 온도 측정법에서는 단면의 음속 분포 계산이 필수적이며, 이를 위하여 단면 외곽에 위치한 센서들 간의 지연시간을 계측하고, 이를 입력으로 하는 전달행렬과 계수 벡터를 이용한 역문제를 이용하여 음속 분포를 예측한다. 그러나, 센서 개수의 부족으로 인하여 충분한 수의 음향 경로가 확보되지 못하면, 지연시간 벡터의 개수가 한정될 수 있다. 지연시간 벡터의 개수는 공간 해상도와 관련 있으며, 부족한 지연시간 벡터의 개수는 공간 해상도의 저하를 초래하여 정확한 온도 재구성 결과를 얻지 못할 수 있다. 본 연구에서는 이 문제를 해결하기 위하여, 실제 측정된 지연시간으로부터 온도장을 재구성 한 뒤, 임의의 경로에 해당하는 지연시간을 재구성 된 온도장으로부터 재형성하여 지연시간 벡터의 개수를 증가시켰다. 측정된 지연시간 벡터와 재형성 된 지연시간 벡터를 함께 사용할 경우, 음향 경로의 개수가 증가하므로 공간 분해능의 향상을 기대할 수 있다. 임의의 온도 분포를 가지는 2차원 단면을 수치 예제로서 채택하였고, 측정된 지연시간만을 이용한 결과와 재형성 된 지연시간을 함께 사용한 재구성 결과를 비교하였다. 그 결과, 재형성 된 지연시간과 측정된 지연시간을 함께 사용한 경우의 온도 재구성 오차가 측정된 지연시간만을 사용한 온도 재구성 오차보다 최대 15 % 감소하였다.

회사채 신용등급 예측을 위한 SVM 앙상블학습 (Ensemble Learning with Support Vector Machines for Bond Rating)

  • 김명종
    • 지능정보연구
    • /
    • 제18권2호
    • /
    • pp.29-45
    • /
    • 2012
  • 회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.