메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
권도완 (경희대학교) 권준 (경희대학교) 이성배 (경희대학교) 김규헌 (경희대학교)
저널정보
한국방송·미디어공학회 한국방송미디어공학회 학술발표대회 논문집 한국방송·미디어공학회 2024 하계학술대회
발행연도
2024.6
수록면
856 - 859 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

초록· 키워드

오류제보하기
3차원 콘텐츠 시장의 확대에 따라 대표적인 3차원 콘텐츠인 포인트 클라우드의 수요 또한 높아지고 있다. 이에 포인트 클라우드의 저장과 전송을 용이하게 하고자 ISO/IEC 산하의 MPEG(Moving Picture Expert Group)에서는 포인트 클라우드 압축 기술의 표준화가 활발하다. 그 중, 포인트 클라우드의 3차원 기하학적 특성을 활용한 압축 기술인 Geometry-based Point Cloud Compression(G-PCC)은 MPEG에서 표준화 중인 대표적인 포인트 클라우드를 압축 기술이다. G-PCC는 최근까지도 LiDAR 센서로 획득한 콘텐츠에 화면 간 예측 방식을 적용한 속성값 압축 기술 고도화에 집중하고 있으며. 포인트 클라우드 프레임 공간상에 존재하는 속성값이 참조 프레임 공간상에서 동일하게 위치할 시 해당 속성값을 참조하는 방법을 채택하여 발전시키고 있다. 하지만 해당 방식은 콘텐츠의 특성에 의존적이기 때문에 참조를 통한 예측 발생 빈도 비율의 일관성을 보장할 수 없어 화면 간 예측 방식의 효과를 파악하기 어렵게 한다. 그뿐만 아니라, 앞서 언급한 화면 간 예측 적격 여부 타당성을 충족시키지 못한 속성값에 대해서 적절한 조치가 이루어지지 않아 압축 효율을 떨어뜨리고 있다. 이에 본 논문에서는 참조 프레임 공간상에서 현재 부호화하려는 속성값의 위치와 동일한 곳에 새로운 속성값을 보간하는 기술을 제안한다. 해당 기술을 통하여 콘텐츠별로 화면 간 예측을 사용할 시 기존 방식보다 높은 비율의 참조 횟수를 확인할 수 있으며, 함께 제안되는 아웃라이어 처리를 통하여 G-PCC의 압축 성능 향상을 확인할 수 있었다.

목차

요약
1. 서론
2. 배경 기술
3. 본문
4. 실험 결과
5. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-151-24-02-090101138