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
- 학위논문
- 저자정보
- 지도교수
- 李明辰
- 발행연도
- 2020
- 저작권
- 한국항공대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 360도 동영상 시청자의 시청 패턴을 파악하여 영상 압축, 스트리밍, 렌더링 장치 개발, 화질 평가, 콘텐츠 제작 등에 활용하기 위해 그에 따른 연구가 활발히 진행되고 있다. 360도 동영상 시청자의 시청 패턴은 시각적 관심 지도(Saliency Map)를 측정 및 추정하여 파악할 수 있다. 360도 동영상 시청자의 시청 패턴을 바탕으로 하나의 360도 동영상을 여러 개의 뷰포트로 구성하여 시청자에게 효율적인 재생 환경을 제공할 수 있다.
본 논문에서는 기존 360도 동영상에 출현하는 객체들과 이벤트들을 분석하여 객체의 정적 속성과 동적 속성을 정의하고, 어떠한 객체의 속성이 시청자의 시각적 관심도(Visual Attention)에 더 영향을 끼치는지 분석한다. 여러 객체의 속성을 포함하는 360도 동영상을 수집 및 생성하여 50명의 시청자에 대해 시청 패턴을 분석한다. 제안하는 시청 정보 획득 방법 및 시각적 관심 지도 측정 방법을 활용하여 시각적 관심 지도를 측정한다.
객체들이 출현하는 360도 동영상에서 시청자의 시각적 관심 지도를 추정하고, 자동 뷰포트를 구성하기 위해 객체의 속성을 고려한 심층 강화 학습 기반 360도 동영상의 뷰포트 생성 방법을 제안한다. 객체가 출현하는 360도 동영상에서 시청자의 시청 패턴을 모방하기 위해, 제안하는 심층 강화 학습 기반의 에이전트 훈련 방법을 활용하여 객체 중심으로 시각적 관심 지도를 추정하고, 뷰포트를 구성한다.
제안방식은 기존방식과의 비교 분석을 위한 정량적 및 정성적으로 시각적 관심 지도 추정 평가를 위한 실험과 다양한 시퀀스에 대해 뷰포트 구성 실험을 진행하였으며, 제안방식이 기존방식보다 객체를 중심으로 시각적 관심 지도가 추정되었으며, 뷰포트가 구성된 것을 확인하였다.
본 논문에서는 기존 360도 동영상에 출현하는 객체들과 이벤트들을 분석하여 객체의 정적 속성과 동적 속성을 정의하고, 어떠한 객체의 속성이 시청자의 시각적 관심도(Visual Attention)에 더 영향을 끼치는지 분석한다. 여러 객체의 속성을 포함하는 360도 동영상을 수집 및 생성하여 50명의 시청자에 대해 시청 패턴을 분석한다. 제안하는 시청 정보 획득 방법 및 시각적 관심 지도 측정 방법을 활용하여 시각적 관심 지도를 측정한다.
객체들이 출현하는 360도 동영상에서 시청자의 시각적 관심 지도를 추정하고, 자동 뷰포트를 구성하기 위해 객체의 속성을 고려한 심층 강화 학습 기반 360도 동영상의 뷰포트 생성 방법을 제안한다. 객체가 출현하는 360도 동영상에서 시청자의 시청 패턴을 모방하기 위해, 제안하는 심층 강화 학습 기반의 에이전트 훈련 방법을 활용하여 객체 중심으로 시각적 관심 지도를 추정하고, 뷰포트를 구성한다.
제안방식은 기존방식과의 비교 분석을 위한 정량적 및 정성적으로 시각적 관심 지도 추정 평가를 위한 실험과 다양한 시퀀스에 대해 뷰포트 구성 실험을 진행하였으며, 제안방식이 기존방식보다 객체를 중심으로 시각적 관심 지도가 추정되었으며, 뷰포트가 구성된 것을 확인하였다.
목차
감사의 글요 약목 차제 1 장 서론1.1 연구 배경 및 필요성1.2 논문의 구성제 2 장 관련 연구2.1 360도 동영상의 시각적 관심 지도 측정2.2 360도 동영상의 시각적 관심 지도 추정2.3 360도 동영상의 자동 뷰포트 생성제 3 장 영상 내 객체의 속성에 따른 시각적 관심 지도 측정3.1 360도 동영상 내 객체의 정적, 동적 속성 정의3.2 객체의 속성을 반영한 360도 동영상 콘텐츠 구성3.3 객체의 속성을 반영한 시청 정보 획득 방법3.4 객체의 속성을 반영한 시각적 관심 지도 측정 방법3.5 객체의 속성을 반영한 시각적 관심 지도 측정 결과3.5.1 시청 정보 획득 실험 방법3.5.2 실사 360도 동영상 시각적 관심도 측정 결과3.5.3 그래픽 360도 동영상 시각적 관심도 측정 결과..제 4 장 객체 속성을 고려한 심층 강화 학습 기반 뷰포트 생성4.1 DRL 기반 시각적 관심 지도 추정4.2 객체 속성을 고려한 DRL 기반 시각적 관심 지도 추정4.3 객체 속성을 고려한 시청 정보 획득 방법제 5 장 실험 및 결과 분석5.1 실험 방법5.2 시각적 관심 지도 정성적 결과 분석5.3 시각적 관심 지도 정량적 결과 분석5.4 심층 강화 학습 기반 뷰포트 구성 결과 분석5.5 심층 강화 학습 기반 뷰포트 구성 방법 제약제 6 장 결론 및 향후 연구6.1 결론6.2 향후 연구참고 문헌SUMMARY
최근 본 자료
댓글(0)
0