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
- 박인규
- 발행연도
- 2021
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (4)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
다중 뷰 스테레오 정합 기법은 임의의 화각에서 취득한 여러 장의 입력 영상으로부터 카메라 위치 정보를 활용하여 정교한 깊이 정보를 얻는 방법을 뜻한다. 기존 다중 뷰 스테레오 정합 기법은 계산 복잡도가 높은 알고리즘을 사용하였기 때문에 대부분의 연구환경은 고성능 하드웨어로 제한되어 있었다. 또한 기존 다중 뷰 스테레오 정합 기법은 인접 영상 간 가려진영역이 적을 때만 잘 작동하며 영상 내 잡음에 취약한 모습을 보였다. 본 논문에서는 임베디드 보드에서 기존 다중 뷰 스테레오 정합 기법의 문제를 GPU를 활용하여 해결하는 방법과 소수의 입력 영상들로부터 정교한 깊이 정보를 얻는 네트워크에 관한 연구를 다룬다. 첫번째로 기존 다중 뷰 스테레오 정합 알고리즘을 저 사양 임베디드 보드환경에서 OpenCL기반의 GPGPU를 활용하여 병렬처리하는 방법을 제안한다. 제안하는 다중 뷰 스테레오 정합 병렬 알고리즘은 표면요소(surfel) 기반의 3차원 복원 알고리즘으로, 카메라 내부 및 외부 인자와 각 영상에 대한 실루엣이 주어졌을 때 포인트 클라우드 형태의 정교한 3차원을 복원한다. 두번째로 소수의 입력 영상으로부터 CNN 기반의 encoder-decoder 구조의 네트워크로 정교한 깊이 영상을 복원하는 기법을 제안한다. 제안하는 기법은 비용 볼륨 구축 알고리즘과 대상 영상에 대한 올바른 참조 영상 선정 기법 그리고 비용 볼륨 regression 네트워크를 통한 변이도 추정 기법으로 구성되어있다. 본 논문에서는 제안하는 기법들을 통해 저 사양 임베디드 보드에서 OpenCL 기반의 병렬 알고리즘으로 다중 뷰 스테레오 정합의 구현 가능성을 보이고, 다중 영상 데이터 셋으로 학습한 네트워크를 통해 소수의 영상으로부터 정교한 깊이 정보를 복원한다.
목차
1 서론 １1.1 문제 배경 및 정의 １1.2 논문 구성 ４2 기존의 연구 ５2.1 고전적인 다중 뷰 스테레오 정합 기법 ５2.2 심층신경망 기반의 다중 뷰 스테레오 정합 기법 ５3 표면요소 기반의 다중 뷰 스테레오 정합 병렬 처리 기법 ９3.1 Plane-sweeping 기법의 다중 뷰 깊이 영상 복원 ９3.2 초기 표면요소 모델 구축 １１3.3 표면요소 모델의 정제(refinement) １２3.3.1 Photo Consistency 비용 기반 Outlier 제거 기법 １２3.3.2 Global Optimization １３3.4 OpenCL 기반의 알고리즘 병렬화 기법 １３3.4.1 임베디드 GPU에서의 최적화 기법 １４3.5 실험 결과 １７3.5.1 디바이스에 따른 CPU와 GPU 실행 속도의 정량적 비교 결과 １８3.5.2 Point-cloud형태의 3차원 복원 결과 １９4 다중 뷰 스테레오 정합 네트워크 ２１4.1 비용 볼륨 구축 ２１4.2 OpenCL 기반의 전처리 알고리즘 가속 ２３4.3 네트워크 구조 ２５4.4 학습 데이터 셋 ２６4.5 참조 영상 선정 알고리즘 ２７4.6 네트워크 학습 과정과 손실 함수 ３１4.7 실험 결과 ３２4.7.1 DeMoN 데이터 셋에 대한 정성적 평가 결과 ３３4.7.2 7SCENES 데이터 셋에 대한 정성적 결과 ３３4.7.3 DeMoN, 7SCENES 데이터 셋에 대한 정량적 평가 결과 ３６4.7.3 Ablation Study ３８4.7.4 Mobile Inference ４０5 결론 ４１참고문헌 ４３감사의 글 ４９
최근 본 자료
댓글(0)
0