$\require{mediawiki-texvc}$

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.

[국내논문] 사진 구도 개선을 위한 딥러닝 기반 반복적 크롭핑
Repeated Cropping based on Deep Learning for Photo Re-composition

정보과학회논문지 = Journal of KIISE, v.43 no.12, 2016년, pp.1356 - 1364  

홍은빈 (포항공과대학교 컴퓨터공학과) ,  전준호 (포항공과대학교 컴퓨터공학과) ,  이승용 (포항공과대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 딥러닝 기법 중 하나인 deep convolutional neural network (DCNN)을 이용하여 영상의 구도를 개선하는 방법을 제시한다. 기존의 구도 개선 방법들은 영상의 주요 물체의 위치를 바탕으로 한 구도 평가 점수를 정의한 뒤 최적화를 통해 평가 점수를 향상시키는 방향으로 영상을 개선한다. 이는 계산량이 많고 기존 주요 물체 검출 알고리즘의 성능에 종속적이기 때문에 영상에 따라 구도 개선이 제대로 수행되지 않는 경우가 존재한다. 본 논문에서는 영상의 특징 추출에 뛰어난 성능을 보이는 DCNN을 이용해 영상을 반복적으로 크롭하여 미학적으로 구도가 개선된 영상을 얻는 방법을 제안한다. 실험 결과 및 사용자 평가를 통해 본 논문에서 제안한 알고리즘이 주어진 영상을 특정 구도 가이드라인(삼분할법, 주요 물체의 크기 등)을 따르도록 자동으로 크롭한다는 것을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a novel aesthetic photo recomposition method using a deep convolutional neural network (DCNN). Previous recomposition approaches define the aesthetic score of photo composition based on the distribution of salient objects, and enhance the photo composition by maximizing the score...

주제어

#사진 구도 개선   #반복적 크롭핑   #딥러닝   #미학적 사진 평가  

참고문헌 (11)

  1. L. Liu, R. Chen, L. Wolf, D. Cohen-Or, "Optimizing photo composition," Computer Graphics Forum, Vol. 29, No. 2, pp. 469-478, 2010. 

    상세보기 crossref

  2. Y. Jin, Q. Wu, L. Liu, "Aesthetic photo composition by optimal crop-and-warp," Computers & Graphics, pp. 955-965. 2012. 

  3. R. Zhao, W. Ouyang, H. Li, X. Wang, "Saliency detection by multi-context deep learning," Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 1265-1274, 2015. 

  4. D. Yoo, S. Park, J.-Y. Lee, A. S. Paek, I. S. Kweon, "Attentionnet: Aggregating weak directions for accurate object detection," Proc. IEEE International Conference on Computer Vision (ICCV), pp. 2659- 2667, 2015. 

  5. B. Martinez, "Visual forces: an introduction to design," Pearson College Division, 1995. 

  6. T. Grill and M. Scanlon, "Photographic composition," Amphoto Books, 1990. 

  7. B. Gooch, E. Reinhard, C. Moulding, P. Shirley, "Artistic composition for image creation," Rendering Techniques 2001, pp. 83-88, 2001. 

  8. M. Zhang, L. Zhang, Y. Sun, L. Feng, W. Ma, "Auto cropping for digital photographs," Proc. IEEE International Conference on Multimedia and Expo (ICME), 2005. 

  9. Y. Guo, M. Liu, T. Gu, W.Wang, "Improving photo composition elegantly: Considering image similarity during composition optimization," Computer Graphics Forum, Vol. 31, pp. 2193-2202, 2012. 

  10. G. Li and Y. Yu, "Deep Contrast Learning for Salient Object Detection," Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016. 

  11. K. Chatfield, K. Simonyan, A. Vedaldi, A. Zisserman, "Return of the devil in the details: Delving deep into convolutional nets," Proc. British Machine Vision Conference (BMVC), 2014. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

유발과제정보 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