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
- 오병태
- 발행연도
- 2022
- 저작권
- 한국항공대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
하드웨어 기술의 발달에 따라, 고해상도 영상을 넘어서 몰입형 영상이 차세대 영상으로써 주목받고 있다. 몰입형 영상은 일반적으로 3D 정보를 담고 있기 때문에 많은 비트량을 가지고 있으며, 이에 따라서 360 영상, 3DOF+ 영상, 포인트 클라우드 영상 등을 압축할 때는 특별한 압축 방식이 필요하다. 일반적으로 해당 영상들을 압축할 때는 3D 정보를 2D 공간으로 사영하는 방식을 사용하며, 이 과정에서 빈 공간이 발생하게 된다. 따라서 압축 모델이 몰입형 영상을 고효율로 압축하더라도, 비활성 영역에 의한 압축 성능 저하가 존재하게 된다. 따라서, 이것을 방지하기 위한 여러 방법들이 존재하지만 대부분은 모델 기반 방식을 사용한다. 본 논문에서는 비활성 영역을 강화학습을 사용해 채우는 새로운 방식을 제안한다. 제안 방식에서는 각 블록이 에이전트가 되어 제어 점 기반 블록 기반 선택적 필터링 기술을 사용해 전체 화소 값을 채운다. 제어 점 방식은 전반적인 화소 값을 예측해 계산 복잡도를 낮추는 동시에 전반적인 패턴을 생성한다. 게다가 각 제어 점과 활성 영역의 값들은 블록 기반 선택적 필터링 방식을 통해 주변 값들을 고려한 채로 비활성 영역으로 전파된다. 또한 각 에이전트들은 수정된 율-왜곡 비용함수를 통해 주변 블록들의 정보를 학습할 수 있다. 본 논문에서는 제안 방식을 여러 압축 방식들에 적용했으며 실험 결과는 제안 방식이 기존 방식보다 높은 성능을 냈음을 보여준다.
목차
제1장 서 론 11.1 연구의 배경 및 필요성 11.2 논문의 구성 5제2장 관련 연구 62.1 여러 형식의 채우기 방식 62.2 영상 복원 82.3 강화학습 기반 방식 10제3장 제안 알고리즘 113.1 연구 동기 113.2 블록 기반 방식 133.3 제어 점 기반 방식 163.4 필터링 기반 전파 183.5 블록 기반 선택적 필터링 203.6 강화학습 기반 채우기 방식 23제4장 네트워크 학습 28제5장 실험 및 결과 30제6장 결론 38참 고 문 헌 39SUMMARY 45
최근 본 자료
댓글(0)
0