최근 증강현실(Augmented Reality, AR)에 대한 연구가 활발히 진행 중이고, 소셜 네트워크 시스템(Social Network System)에 증강현실 기능의 추가 필요성이 부각되고 있다. 본 논문에서는 소셜 네트워크를 위한 GPS기반 증강현실 시스템을 제안한다. 제안한 시스템은 페이스북(facebook)에서 친구 목록을 자동으로 동기화하여 최근 체크인 좌표를 추가하고, AR을 이용하여 추가된 위치 좌표를 실제 환경에서 표현하는 시스템이다. 기존 이용자들이 사용했던 마커기반 AR 시스템은 핸드 장치 구동에 필요한 프로세싱 빈도와 저장 공간의 소모가 많다. 그러나, 위치기반 AR어플리케이션은 기존 마커기반 AR 시스템의 단점을 해결 할 수 있다. 따라서, 본 논문의 시스템은 향후 iOS 핸드 장치를 가지고 있는 사용자가 GPS기반 AR 시스템을 Wifi와 4G 네트워크에 대해 최적의 속도를 자동으로 검색하여 소셜 네트워크 서비스의 제공이 가능하다.
최근 증강현실(Augmented Reality, AR)에 대한 연구가 활발히 진행 중이고, 소셜 네트워크 시스템(Social Network System)에 증강현실 기능의 추가 필요성이 부각되고 있다. 본 논문에서는 소셜 네트워크를 위한 GPS기반 증강현실 시스템을 제안한다. 제안한 시스템은 페이스북(facebook)에서 친구 목록을 자동으로 동기화하여 최근 체크인 좌표를 추가하고, AR을 이용하여 추가된 위치 좌표를 실제 환경에서 표현하는 시스템이다. 기존 이용자들이 사용했던 마커기반 AR 시스템은 핸드 장치 구동에 필요한 프로세싱 빈도와 저장 공간의 소모가 많다. 그러나, 위치기반 AR어플리케이션은 기존 마커기반 AR 시스템의 단점을 해결 할 수 있다. 따라서, 본 논문의 시스템은 향후 iOS 핸드 장치를 가지고 있는 사용자가 GPS기반 AR 시스템을 Wifi와 4G 네트워크에 대해 최적의 속도를 자동으로 검색하여 소셜 네트워크 서비스의 제공이 가능하다.
Recently, researches on augmented reality(AR) are actively being conducted, and on addition of AR in social network system has become a necessity. In this paper, we propose GPS-based AR system for social network. This proposed system adds the recent check-in coordinates by automatically synchronizin...
Recently, researches on augmented reality(AR) are actively being conducted, and on addition of AR in social network system has become a necessity. In this paper, we propose GPS-based AR system for social network. This proposed system adds the recent check-in coordinates by automatically synchronizing a friend list in facebook and represents those added location coordinates in a real-world environment by using AR. Marker-based AR system that was commonly used by existing users consumes too much storage space and processing frequency for driving handle devices. But, location-based AR application can solves the disvantages of the standard marker=based AR system. Therefore, this proposed system allows an user with iOS hand devices to use GPS-based AR system by automatically searching the optimal speed for wifi and 4G. This will improve social network service.
Recently, researches on augmented reality(AR) are actively being conducted, and on addition of AR in social network system has become a necessity. In this paper, we propose GPS-based AR system for social network. This proposed system adds the recent check-in coordinates by automatically synchronizing a friend list in facebook and represents those added location coordinates in a real-world environment by using AR. Marker-based AR system that was commonly used by existing users consumes too much storage space and processing frequency for driving handle devices. But, location-based AR application can solves the disvantages of the standard marker=based AR system. Therefore, this proposed system allows an user with iOS hand devices to use GPS-based AR system by automatically searching the optimal speed for wifi and 4G. This will improve social network service.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 소셜 네트워크를 위한 GPS기반 증강 현실 시스템을 제안하여 언제 어디서든 접근성 있는 소셜 네트워크를 사용 할 수 있다.
제안 방법
그리고, View가 로딩 시타이머 기능이 구동되며, 그 타이머에 의해 증강현실 화면을 그려주는 방식이다. POI 정보와 페이스북에 로그인된 친구 정보를 비교하여 얻어진 정보들을 갱신하고 가상화면을 보여준다. 친구가 있는 위치가 화면에 표시되고 페이스북에서 메시지도 전승할 수 있다.
넷째로 위치정보를 받은 후, 모델링의 방향 위치를 조정한다. 다섯째로 마크업되어 있는 영상의 각 프레임에서 모델링을 렌더링한다. 마지막으로 최종 결과는 디스플레이 장치에서 처리된 영상을 보여 준다[5].
기존 마커기반의 구동에 필요한 프로세싱 빈도와 저장 공간의 핸드 장치에 대한 소모가 많은 단점을 해결하였다. 또한, GPS을 이용하여 정확도를 높혔다. 향후 핸드 장치와 네트워킹 속도가 증가하는 현실에서 소셜 네트워크를 위한 GPS기반 증강현실 시스템에서 많은 장점을 가질 것이다.
이에 따라, 본 논문에서 제안한 시스템은 위치 기반 AR 어플리케이션이다. 기존 마커기반 AR시스템의 구동에 필요한 프로세싱 빈도와 저장 공간의 핸드 장치에 대한소모가 많은 단점을 해결 할 수 있고.
본 시스템에서는 방위각을 이용하여 사람에 대한 시점을 GPS의 좌표로 전환시킨다. 하지만 전환하는데 시간이 오래 걸린다면 다음과 같은 더욱 간단한 방법을 이용한다.
둘째로 소프트웨어에서 얻어진 영상화면의 각 프레임에서 이미지 마커를 찾는다. 셋째로 카메라에 상대적인 위치와 마커의 위치정보를 계산한다. 넷째로 위치정보를 받은 후, 모델링의 방향 위치를 조정한다.
이에 따라, 본 논문에서 제안한 시스템은 위치 기반 AR 어플리케이션이다. 기존 마커기반 AR시스템의 구동에 필요한 프로세싱 빈도와 저장 공간의 핸드 장치에 대한소모가 많은 단점을 해결 할 수 있고.
성능/효과
셋째, 페이스북SDK에서 애플의 iOS 환경으로 쉽게 전환할 수 있도록 최근 Objective-C 언어 지원. 넷째, 향상된 페이스북 API 지원으로 API 요청의 호출시간을 단축한다.
새로운 기능은 첫째, 사용자 토큰을 쉽게 관리할 수 있도록 향상된 사용자 세션 관리. 둘째, 미리 만들어진 UI를 통해 자주 사용하는 기능을 개발 가능하게 하는 네이티브UI 뷰(Native UI Views).
둘째, 미리 만들어진 UI를 통해 자주 사용하는 기능을 개발 가능하게 하는 네이티브UI 뷰(Native UI Views). 셋째, 페이스북SDK에서 애플의 iOS 환경으로 쉽게 전환할 수 있도록 최근 Objective-C 언어 지원. 넷째, 향상된 페이스북 API 지원으로 API 요청의 호출시간을 단축한다.
후속연구
향후 핸드 장치와 네트워킹 속도가 증가하는 현실에서 소셜 네트워크를 위한 GPS기반 증강현실 시스템에서 많은 장점을 가질 것이다. 향후 연구과제로는 Wifi와 4G 네트워크에 대해 최적의 속도를 자동으로 검색하여 소셜 네트워크 서비스에서 GPS기반 AR 시스템에 대한 연구가 수행되어야 할 것이다.
또한, GPS을 이용하여 정확도를 높혔다. 향후 핸드 장치와 네트워킹 속도가 증가하는 현실에서 소셜 네트워크를 위한 GPS기반 증강현실 시스템에서 많은 장점을 가질 것이다. 향후 연구과제로는 Wifi와 4G 네트워크에 대해 최적의 속도를 자동으로 검색하여 소셜 네트워크 서비스에서 GPS기반 AR 시스템에 대한 연구가 수행되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
증강현실이란 무엇인가?
증강현실은 사용자가 눈으로 보는 현실 세계가 가상 물체를 겹쳐 보여주는 기술이다.
AR 앱의 핵심은 무엇인가?
AR 앱의 핵심은 위치기반의 POI 정보와 정확하고 갱신 주기가 일정해야 한다.
애플iOS 운영체제를위한 소프트웨어 개발키트(SDK) 3.0 베타버전의 새로운 기능은 어떤것이 있는가?
새로운 기능은 첫째, 사용자 토큰을 쉽게 관리할 수 있도록 향상된 사용자 세션 관리. 둘째, 미리 만들어진 UI를 통해 자주 사용하는 기능을 개발 가능하게 하는 네이티브UI 뷰(Native UI Views). 셋째, 페이스북SDK에서 애플의 iOS 환경으로 쉽게 전환할 수 있도록 최근 Objective-C 언어 지원. 넷째, 향상된 페이스북 API 지원으로 API 요청의 호출시간을 단축한다.
참고문헌 (11)
A. Bosch, A. Zisserman, and X. Munoz. Image classification using random forests and ferns. In ICCV, 2007
S. Branson, C. Wah, B. Babenko, F. Schroff, P. Welinder, P. Perona, and S. Belongie. Visual recognition with humans in the loop. In ECCV, 2010
S. Lazebnik, C. Schmid, and J. Ponce. Beyond bags of features: Spatial pyramid matching for recognizing natural scene categories. CVPR, 2006
C. A. Collin and P. A.Mc Mullen. Subordinate-level categorization relies on high spatial frequencies to a greater degree than basic-level categorization. Percept. Psychophys, Vol. 67 No. 2, pp.354-364, 2005
V. Delaitre, I. Laptev, and J. Sivic. Recognizing human actions in still images: A study of bag-of-features and part-based representations. In BMVC, 2010
Facebook iOS SDK, https://developes.facebook.com/blog/post/2012/07/11/facebook-sdk-3-0-beta-for-ios/, July 2012
AR + APP + LBS The Augmented Reality attention is real-time and interactive (DAMN DIGITAL), Feb. 2012
H.Lee, R.Grosse, R.Ranganath and A. Y. Ng. Convolutional deep belief networks for scalable unsupervised learning of hierarchical representations. ICML, 2009.
ARKit http://cafe.naver.com/danbistudio/269, July 2010
P. F. Felzenszwalb, R. B. Girshick, D.McAllester, and D. Ramanan. Object detection with discriminatively trained part-based models. IEEE T. Pattern Anal., Vol. 32 No. 9, pp.1627-1645, 2010
A. Hauptmann, R. Yan, W. Lin, M. Christel, and H. Wactlar. Can high-level concepts fill the semantic gap in video retrieval a case study with broadcast news. IEEE TMM, Vol 9 No. 5, p.958, 2007
※ AI-Helper는 부적절한 답변을 할 수 있습니다.