$\require{mediawiki-texvc}$

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.

지능형 멀티미디어 검색 기술 동향 원문보기

정보처리학회지 = Korea information processing society review, v.22 no.1, 2015년, pp.22 - 30  

이용환 (극동대학교) ,  안효창 (단국대학교) ,  조한진 (극동대학교) ,  이준환 (극동대학교) ,  이상범 (단국대학교)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 고에서는 스마트폰으로 시작된 모바일 시대에 사용자 수요가 가장 많은 모바일 플랫폼 상에서의 지능형 멀티미디어 검색 기술에 대해 소개하고, 현재 이슈가 되고 있는 관련 기술 동향과 핵심적인 모바일 검색 기술의 표준화 동향을 알아본다.
  • 최근 구글, 마이크로소프트, 아마존, 퀄컴 등 거대 IT 기업들이 모바일 비주얼 검색 기술을 둘러싼 경쟁이 본격화되고 있으며, 모바일 검색 기술 확보 및 제품 검색에 적용하는 다양한 응용 서비스가 부상되고 있다. 본 고에서는 지능형 모바일 비주얼 검색의 기술 동향과 적용 서비스의 사례를 살펴보았다.
  • 모바일 검색 기술과 시장은 검색 엔진을 탑재한 스마트 디바이스를 중심으로 IT기업에서 전략적으로 접근하고 있다. 본 절에서는 모바일 검색 관련 서비스를 중심으로, 기업의 서비스 동향을 살펴본다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
모바일 비주얼 검색이란 무슨 기술인가? 모바일 비주얼 검색(Mobile Visual Search)은 스마트 디바이스 환경에서 사용자 질의 영상의 특징을 추출하고, 주변 영역의 정보를 이용하여 추출한 기술자(Descriptor)를 기반으로 미리 구축된 영상 정보 데이터베이스와 비교하여 검색하는 기술이다[5]. 이러한 기술은 사용자가 키워드를 모를 경우에도 검색의 편의성을 만족시킬 수 있기 때문에, 효과가 매우 큰 것으로 조사되었으며, 세계 각국의 IT 기업들은 영상 기반의 정보검색 기술을 차세대 성장산업으로 보고, 기술 개발과 서비스 지원에 집중하고 있다.
유선과 모바일 검색의 차이점은 어디서 나타나는가? (그림 3)은 구글에서 모바일 검색(Mobile Search)으로 특허 출원한 서비스 구성도이다. 사용자의 입력에 따라 적절한 정보를 제공하는 검색 엔진의 핵심 역할은 유선이든 무선이든 동일하지만, 모바일 플랫폼에서의 검색은 모바일 환경에 맞는 제어(Control) 모듈과 디바이스의 편리성을 제공하는 사용자 인터페이스(User Interface) 모듈에서 차이점을 보인다. 다시 말해, 모바일 검색은 사용자 개인이 항시 휴대하고 이동하면서 사용한다는 휴대성과 이동성을 감안하여 사용자 검색 요청에 적절한 맞춤형 검색을 지원해야 하며, 모바일 단말기의 작은 화면을 고려하여 개별화된 최적의 검색 결과를 제공해야 한다는 특징을 가진다.
검색 기술의 발전으로 검색 시장은 어떻게 변화하였는가? 이러한 검색 기술의 발전은 정보 관리의 패러다임의 변화를 의미하며, 초기 야후(Yahoo)와 같이 정의된 디렉토리를 기반으로 분류하고 검색어를 통하여 단순한 메타데이터 검색 방식에서 인덱싱, 저장 구조 변혁과 랭킹 검색 등으로 대표되는 구글(Google) 검색이 시장 지배력을 갖는 변화를 가져오게 되었다. 최근에는 시맨틱 웹 검색과 같은 기계학습 기술을 이용하고 정보간의 상호 관계를 활용하여 사용자 의도에 부합되는 정보를 찾아주는 방식으로 발전하고 있으며, 이는 정보간의 구조를 표현하는 온톨로지(Ontology), 자연어 처리와 텍스트 마이닝(Mining)을 포함한 학습 및 추론 등의 인공지능 기법을 통합하여 적용한다[2].
질의응답 정보가 도움이 되었나요?

참고문헌 (26)

  1. 행정안전부, "국가정보화백서", 2011년 

  2. 박세영, 이현재, 조준면, "지능형 검색 서비스 기술 동향 및 산업전망", 한국방송통신전파진흥원 RM Issue Report, 2013년. 

  3. 장명길, "모바일 지능형 검색 기술", 전자통신연구원, 2009년 

  4. 임수종, 오효정, 류법모, 정호영, 장명길, "모바일 지능형 검색 기술 동향", 전자통신동향분석, 25권, 3호, 2010년. 

    원문보기 상세보기

  5. 이승재, 이근동, 나성일, 제성관, 정다운, 오원근, 서영호, 손욱호, "모바일 비주얼 검색: 기술과 표준화 동향", 전자통신연구원, Electronics and Telecommunications Trends, 2014. 

  6. Jitao Sang, Tao Mei, Ying-Qing Xu, Chen Zhao, ChangSheng Xu, Shipeng Li, "Interaction Design for Mobile Visual Search", IEEE Transactions on Multimedia, vol15, Issue.7, 2013. 

    상세보기

  7. C. Harris and M. Stephens, "A combined corner and edge detector," Vision Conference, 1988 

  8. Beaudet, "Rotationally invariant image operators," International Joint Conference Pattern Recognition, 1978. 

  9. T. Lindeberg, "Feature detection with automatic scale selection" International Journal of Computing Vision, 1998. 

  10. D. Lowe, "Distinctive Image Features from Scale-Invariant Keypoints" International Journal of Computing Vision, 2004. 

  11. J. Matas et al., "Robust wide-baseline stereo from maximally stable external regions" Image Vision Computing, 2004. 

  12. H. Bay et al., "Surf: Speeded up robust features" European Conference Computing Vision, 2006. 

  13. E. Rosten et al., "Reak-Time Video Annotations for Augmented Reality" Proceeding International Symposium Visual Computing, 2004. 

  14. M. Heikkila, M. Pietikainen, and C. Schmid, "Description of Interest Regions with Center-Symmetric Local Binary Patterns," ICVGIP, LNCS 4338, 2006. 

  15. M. Calonderet al., "Brief: Binary robust independent elementary features," European Conf. Comput.Vision, 2010. 

  16. S. Leutenegger, M. Chli, and R. Y. Siegwart. "BRISK: Binary Robust Invariant Scalable Keypoints," Proc. IEEE ICCV, 2011. 

  17. Z. Wang, F. Bin,and F. Wu., "Local intensity order pattern for feature description," Proceeding IEEE ICCV, 2011. 

  18. D. Nister and H. Stewenius, "Scalable recognition with a vocabulary tree," Proceeding Conference Computing. Vision Pattern Recognition(CVPR), 2006. 

  19. D. Chen et al. "Residual enhanced visual vector as a compact signature for mobile visual search," Signal Processing, 2012. 

  20. H. Jegou et al., "Aggregating local descriptors into a compact image representation," Proceeding Conference Computing. Vision Pattern Recognition(CVPR), 2010. 

  21. F. Perronnin, J. Sanchez, and T. Mensink. "Improving the Fisher kernel for large-scale image classification," ECCV, 2010. 

  22. M. A. Fischler and R. C. Bolles, "Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography", Communication ACM, 1981. 

  23. 구글 고글스, http://www.google.com/mobile/goggles/ 

  24. 마이크로소프트 웹사이트, http://www.microsoft.com/en-us/download/details.aspx?id2012 

  25. Flow http://a9.com/whatwedo/mobile-technology/ 

  26. Vuforia http://www.qualcomm.com/solutions/augmented-reality 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
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