지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2023.6
- 수록면
- 981 - 984 (4page)
이용수
초록· 키워드
오류제보하기
영상의 프레임마다 정적인 3차원 장면 (scene) 표현 모델인 neural radiance field (NeRF)를 사용하여 동적인 3차원 공간을 인공신경망들의 가중치로서 표현할 수 있다. 이러한 경우, 매 프레임마다 NeRF 모델 학습에 사용되는 이미지 데이터는 매우 유사하기 때문에 N번째 프레임에 대한 모델을 학습 시킬 때 N-1번 프레임을 위해 학습된 모델을 활용한다면 적은 학습 횟수로도 높은 성능을 갖는 모델을 만들 수 있다. 본 논문은 NeRF 모델의 프레임 간 전이 학습 (transfer learning) 적용 시의 효과성을 분석한다. 이와 함께 전이 학습 적용 시 인공신경망의 전반부 layer의 파라미터를 동결 (freeze)하였을 때 성능 및 학습 시간의 변화를 측정한다. 실험 결과 정적인 NeRF 모델 여러 개를 통해 몰입형 비디오를 표현할 경우 렌더링된 뷰의 품질이 향상됨을 확인하였으며, 전이 학습 적용시 전반부 layer의 파라미터를 동결시키는 것이 학습 시간 단축의 효과가 있음을 확인하였다.
목차
요약
1. 서론
2. 배경 연구
3. 실험 조건 및 구현
4. 실험 결과 및 Discussion
5. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0102-2023-567-001939244