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
오수민 (광운대학교) 윤승환 (광운대학교) 김정우 (광운대학교) 이학범 (광운대학교) 서영호 (광운대학교) 김동욱 (광운대학교)
저널정보
한국방송·미디어공학회 방송공학회논문지 방송공학회논문지 제30권 제2호
발행연도
2025.3
수록면
238 - 251 (14page)
DOI
10.5909/JBE.2025.30.2.238

이용수

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

초록· 키워드

오류제보하기
본 논문에서는 MV-HEVC(Multiview High Efficiency Video Coding)를 활용한 다중 시점 영상 압축이 딥러닝 기반 시점 생성 모델의 성능에 미치는 영향을 분석하였다. 이를 위해 하나의 씬(Scene)에 대해 촬영된 단일 데이터셋을 활용하여, 21개의 시점을 세 개씩 그룹화한 후, MV-HEVC를 이용하여 다양한 압축 강도(QP 값)로 인코딩 및 디코딩을 수행하였다. 이후, 복호화된 데이터를 학습 데이터로 활용하여 4D 가우시안 스플래팅(4D Gaussian Splatting) 모델을 학습하고, 새로운 시점의 영상을 생성하였다. 실험 결과, QP 값이 증가함에 따라 PSNR이 감소하는 경향을 보였으나, 딥러닝 모델이 생성한 새로운 시점 영상의 품질에는 큰 영향을 미치지 않음을 확인하였다. 또한, 시각적으로 유사한 카메라를 그룹화하는 방식과 COLMAP 기반의 자동 그룹화 방식을 비교한 결과, 두 방식 모두 압축된 데이터셋을 활용하더라도 학습 및 시점 생성 성능이 유지됨을 보였다. 다만, 본 연구는 단일 씬(Scene)을 대상으로 실험을 수행했기 때문에 다양한 환경에서의 일반화 가능성에 대한 추가적인 검증이 필요하다. 그럼에도 불구하고, 본 연구를 통해 다중 시점 영상 데이터셋을 높은 압축률로 저장 및 관리하더라도 딥러닝 기반 시점 생성 모델의 성능이 유지될 가능성을 실험적으로 확인하였다. 이는 향후 VR(Virtual Reality), AR(Augmented Reality), 그리고 3D 영상 합성 기술에서 효율적인 데이터 활용 방안을 제시할 수 있을 것으로 기대된다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 기술
Ⅲ. 실험 설계
Ⅳ. 실험 및 결과
Ⅴ. 결론
참고문헌(References)

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0