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
학술저널
저자정보
김윤동 (서울과학기술대학교) 정현민 (서울과학기술대학교)
저널정보
한국방송·미디어공학회 방송공학회논문지 방송공학회논문지 제29권 제5호
발행연도
2024.9
수록면
691 - 702 (12page)
DOI
10.5909/JBE.2024.29.5.691

이용수

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

초록· 키워드

오류제보하기
Neural Light Field (NeLF)는 Implicit representation과 Light ray의 색상 정보의 관계를 학습하고, 이를 바탕으로 대상 공간 또는 물체를 재구성하는 기술로, 우수한 성능을 바탕으로 활발히 최근 연구되고 있다. NeLF는 학습하고자 하는 대상 공간, 물체의 복잡도에 따라 학습성능이 달라지는데, 복잡한 공간의 경우 낮은 Peak Signal-to-noise ratio (PSNR)의 성능을, 단조로운 공간의 경우 높은 PSNR 결과를 보인다. 이러한 경향과 별개로, 학습이 진행되기 이전에는 어느 정도 수준의 PSNR이 예측될지는 알기 어려우며, 실제로 학습이 이루어져야 확인이 가능하다. 본 논문은 NeLF 학습에 사용되는 이미지를 바탕으로 해당 공간의 학습성능을 예측하기 위한 연구를 수행하며, 특히 NeLF 학습성능 예측에 효과적인 이미지 복잡도 평가지표에 관해 연구한다. 본 논문은 이미지 복잡도 평가에 사용되는 6가지 평가지표를 선정, 실제 학습한 PSNR 결과와 해당 평가지표 사이의 관계를 분석한다. 실험에서는 NeLF 연구에서 주로 사용되는 데이터 샘플에 추가적으로 직접 촬영한 샘플을 포함 총 30개의 샘플을 통해 NeLF 학습성능과 가장 관련성이 높은 평가 지표를 선정하며, 테스트용 샘플 5개에 대한 PSNR 예측하고 이를 분석한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 이미지 복잡도 평가지표 및 예측 모델
Ⅲ. 실험 결과
Ⅳ. 결론 및 향후 계획
참고문헌 (References)

참고문헌 (27)

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