$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

GPGPU를 이용한 단일 영상에서의 깊이 추정에 관한 연구
A Study of Depth Estimate using GPGPU in Monocular Image 원문보기

디지털정책연구 = The Journal of digital policy & management, v.11 no.12, 2013년, pp.345 - 352  

유태훈 (광운대학교 대학원) ,  박영수 (광운대학교 교양학부) ,  이종용 (광운대학교 교양학부) ,  이강성 (광운대학교 교양학부) ,  이상훈 (광운대학교 교양학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 GPU(Graphics Processing Unit)에서 데이터를 처리할 수 있게 하여 단일 영상에서 효율적으로 깊이를 추정하는 방법을 제안한다. 단일 영상은 카메라의 투영 과정에 의해 깊이 정보가 소실되게 되며 영상에서 소실된 깊이를 추정하기 위해서 단안 단서를 이용한다. 제안하는 깊이 추정 알고리즘은 좀 더 신뢰성 있는 깊이를 추정하고자 여러 단안 단서를 이용하며 에너지 최소화를 통해 단안 단서들을 결합한다. 그러나 여러 단안 단서들을 고려해야하기 때문에 처리해야 할 데이터가 많은 단점이 존재한다. 따라서 GPGPU(General Purpose Graphics Processing Unit)를 통해 데이터를 병렬적으로 처리하게 하여 효율적으로 깊이를 추정하는 방법을 제안한다. 객관적인 효율성을 검증하기 위해 PSNR(Peak Signal to Noise Ratio)을 통해 실험하였으며 GPGPU을 이용함으로써 알고리즘의 수행시간을 평균 61.22% 감소시켰다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, a depth estimate method is proposed using GPU(Graphics Processing Unit) in monocular image. a monocular image is a 2D image with missing 3D depth information due to the camera projection and we used a monocular cue to recover the lost depth information by the projection present. The p...

주제어

#단안 단서   #깊이 추정   #에너지 최소화   #마르코프 랜덤 필드  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 그러나 다양한 단안 단서를 결합해야 하기 때문에 실행 시간이 긴 단점이 존재한다. 따라서 본 논문에서는 알고리즘의 순차적인 처리를 GPGPU를 이용하여 병렬적으로 처리함으로써 단일 영상에서 효율적으로 깊이를 추정하는 방법을 제안하였다. GPGPU를 이용함으로써 수행 시간을 평균 61.
  • 기존 2D-3D 컨버팅의 깊이 추정 알고리즘은 하나의 단안 단서만을 이용하기 때문에 특정 영상에서만 적용되는 문제점을 가진다. 따라서 본 논문에서는 영상에 존재하는 여러 단안 단서들을 이용하여 깊이를 추정하고자 한다. 단안 단서들을 결합하기 위해서 MRF(Markov Random Field)모델을 기반으로 에너지 함수를 정의하게 되는데 MRF 모델은 영역의 전후 관계 분석을 위한 확률이론의 한 분야로 다양한 영역 정보를 통합할 수 있는 방법을 제공한다.
  • PSNR의 데시벨(dB)이 높을수록 영상의 실제 깊이와 유사하다. 본 논문에서는 GPGPU를 이용하여 효율적으로 데이터를 처리하는 방법을 제안하였다. Fig.
  • 예를 들어, 나무나 건물등과 같은 세로 길이가긴 객체인 경우 잘못된 깊이가 할당되는 오류가 빈번히 발생한다. 이러한 문제를 해결하기 위해서 초기 깊이지도에 상하 영역간의 단안 단서 에너지를 구하고 이에 따라 깊이를 재할당하는 알고리즘을 제안한다. 초기 깊이지도에서 분할된 영역을 나타내는 라벨 값의 집합을 l = {1,2,⋯,n}, 라벨 값을 나타내는 특정 영역 집합인 R = {Rt, t∈l}, 라벨링에 관한 랜덤 변수의 집합을 X = {Xt , t∈l}로 나타낸다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
3D영상의 제작 방법은 어떻게 분류될 수 있습니까? 3D영상의 제작 방법은 CG영상 제작, 실사 촬영제작, 실사 촬영과 CG영상을 결합한 제작, 2D 영상을 3D 영상으로 바꾸는 2D-3D컨버팅 제작 등 크게 네 가지로 분류할 수 있다. 그러나 CG영상 제작이나 실사 촬영제작은 많은 비용과 시간이 소요되어 3D 콘텐츠의 병목현상이 일어나고 있다.
2D-3D 컨버팅은 어떠한 과정으로 이루어집니까? 2D-3D 컨버팅은 영상에서 객체와 배경, 전경과 후경 등의 영역분할을 하고 단안 단서를 분석하여 각 영역 깊이를 추정하는 과정으로 이루어진다. 단안 단서는 인간이 단안만으로 깊이를 지각하는 깊이 단서를 말하며 인간은 단안만으로도 깊이를 지각하는데 어려움을 느끼지 못한다.
인간이 이용하는 다양한 단안단서들은 무엇입니까? 회화나 자연영상등과 같은 단일 영상에는 객체와 객체 혹은 객체와 배경간의 거리에 대한 정보가 없지만, 인간은 다양한 단안단서들을 이용하기 때문에 객체와 배경간의 거리를 비교적 정확하게 추측 할 수 있다. 단안 단서의 종류에는 텍스쳐, 외곽선, 에지, 색상, 실안개, 비초점, 상대적 크기 변화등이 있다. 또한 사람은 특징적 구조를 갖는 하늘이나 건물 같은 사전경험으로부터 상대적 거리를 추측 할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. Hyeon Ho Han, Gang Sung Lee, Sang Hun Lee, A Study on Create Depth Map using Focus/Defocus in single frame, Korea Society of Digital policy, Vol 10, No. 4, pp. 191-197, 2012. 

  2. Corporation NVIDIA, Nvidia cuda programming guide (version 1.0), NVIDIA Corporation, 2007 

  3. S. Z. Li, Markov Random Field Modeling in Image Analysis, 2nded. New York:Springer-Verlag, 2001. 

  4. Y. J. Jung, A. Baik, J. Kim, and D. Park, A novel 2D-to-3D conversion technique based on relative height depth cue, Proc. Of SPIE-IS&T Electronic Imaging, SPIE Vol. 7237, 2009. 

  5. P. Felzenszwalb and D. Huttenlocher, Efficient graph-based image segmentation, IJCV, 59, 2004. 

  6. Connolly, C., Fleiss, T. "A study of efficiency and accuracy in the transformation from RGB to CIELAB color space", IEEE Transactions on, 6, 1046-1048, 1997. 

  7. T. Lee. Image representation using 2d gabor wavelets. PAMI, 1996. 

  8. X L. Ci and G. G Chen Analysis and Reserch of Image Edge Detection Methods, Journal of Infrared, pp. 20-23, JuL 2008. 

  9. BilianaKaneva, Antonio Torralba, William Freeman. Evaluation of Image Features Using a Photorealistic Virtual World. ICCV, 2011. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로