선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 무안경식 3D 디스플레이를 위한 DIBR 기반 다시점 영상 생성에 최적화된 깊이 영상의 정확도 표현 방법에 대한 연구를 제안한다. 본문에서는 먼저 DIBR 과정에서 깊이지도에 대한 전처리를 통해서 다시점 중간 영상의 화질을 높이려고 시도하였던 기존 연구들에 대해 살펴본다.
- 본 연구에서는 무안경식 3D 디스플레이를 위한 DIBR 기반 다시점 영상 생성에 최적화된 깊이 영상의 정확도 표현 방법에 대한 연구를 제안한다. 본문에서는 먼저 DIBR 과정에서 깊이지도에 대한 전처리를 통해서 다시점 중간 영상의 화질을 높이려고 시도하였던 기존 연구들에 대해 살펴본다. 그리고 사람이 인지할 수 없는 수준에 적은 왜곡을 보장하기 위해 요구되는 깊이지도의 양자화 계수를 도출한다.
- 이와 같은 선행 연구들은 DIBR 기반 다시점 중간 영상의 화질을 향상하는 것을 목적으로 불완전한 깊이지도를 보강(Depth augmentation)하는 알고리즘을 제시하였다. 이와 다르게 본 연구에서는 컴퓨터 그래픽스 기술을 활용하여 완벽한 깊이지도를 생성하고 거꾸로 이에 대한 품질을 훼손함으로써 DIBR 기반 다시점 중간 영상의 품질에 영향을 미치지 않는 최소 양자화 계수를 도출하고자 하였다. 또한 기존 연구들이 양자화된 깊이 정보에 대하여 마스크 기반 필터 연산을 적용하여 정제한 것과 다르게 본 연구에서는 깊이 정보가 표본화(Sampling)될 때 표현되는 값의 범위를 물체의 집중 구역과 분산 구역으로 나누어 상이한 양자화 계수를 적용하는 방법을 시도하였다.
- 본 실험에서는 DIBR에 사용되는 깊이지도의 정밀도를 단계적으로 낮춰가면서 DIBR 기반의 다시점 중간 영상의 급격한 화질 저하를 유발하지 않는 양자화 계수를 도출하고자 하였다. 실사 영상에 대한 깊이 정보는 이미 주변의 밝기나 조명 등에 의해서 왜곡된 정보일 가능성이 높으므로, 이를 활용해서 실험하는 것은 불가능하다.
- 본 실험에서는 장면 구성의 특성에 따라 일반적인 선형양자화와 비균등 영역분할 양자화가 DIBR 기반 다시점 중간 영상의 화질 개선에 어떤 효과를 미치는지 살펴본다. Fig.
- 최근에 4K UHD 같은 초고해상도 패널 시장이 열리면서 무안경식 다시점 입체 영상 디스플레이를 통해서도 HD급의 충분한 고화질 입체 영상을 제공하는 것이 가능해졌다. 따라서 본 연구에서는 앞으로의 3D TV 시장을 선도할 수 있는 무안경식 다시점 3D 디스플레이를 위한 DIBR 기반의 다시점 영상 생성 기술을 위한 최적화된 깊이지도 양자화에 대한 기법에 대해 논의하였다.
- 그러므로 여러 대의 카메라를 구입하고 보정하여 직접 다시점 영상을 획득하거나 많은 데이터를 전송하기 위해 높은 비용을 지출할 필요가 없다. 따라서 본 연구에서는 DIBR 기반의 다시점 영상 생성을 위한 최적화 연구를 수행하여 다시점 3D 콘텐츠의 확보에 기여하고자 하였다.
- 깊이지도 전처리 연구들은 모두 깊이 정보 보강(Depth augmentation)을 시도하였다. 본 연구에서는 컴퓨터 그래픽 기술을 활용한 깊이지도를 사용하여 DIBR 기반의 다시점 영상의 품질에 영향을 미치지 않는 최소 양자화 비트를 도출하고였다. 또한 기존 연구들처럼 깊이 정보를 필터 연산을 통해 정제하는 방법으로 성능을 개선하기 보다는, 본 연구에서는 깊이 값이 양자화 될 때 표현되는 값의 범위를 물체가 집중된 구역과 그렇지 않는 구역으로 나눠서 적은 양의 깊이 값을 사용하면서도 동일한 품질 향상을 유지하고자 했다.
- 본 연구에서는 컴퓨터 그래픽 기술을 활용한 깊이지도를 사용하여 DIBR 기반의 다시점 영상의 품질에 영향을 미치지 않는 최소 양자화 비트를 도출하고였다. 또한 기존 연구들처럼 깊이 정보를 필터 연산을 통해 정제하는 방법으로 성능을 개선하기 보다는, 본 연구에서는 깊이 값이 양자화 될 때 표현되는 값의 범위를 물체가 집중된 구역과 그렇지 않는 구역으로 나눠서 적은 양의 깊이 값을 사용하면서도 동일한 품질 향상을 유지하고자 했다.
가설 설정
- 이에 따라 근 평면(Near plane)과 원 평면(Far plane) 사이에 구간을 비균등하게 분할하고, 그 영역들 중에서 객체들이 집중된 깊이 구간에 더 많은 정밀도를 할당할 수 있는 비균등 영역분할 양자화 방법을 통하여 DIBR 기반 다시점 영상 생성의 화질 향상을 연구하였다. 사람의 관심이 집중되는 중요 영역에 더 정확한 깊이 정보를 제공하기 위한 방법으로 객체정보량이 많은 구간이 일반적으로 사람의 관심 영역(ROI; Region of Interest)일 가능성이 높다는 가정을 전제로 한다[34].
- PSNR은 두 개의 영상 신호를 구성하는 개별적인 요소들 하나하나가 완벽하게 대응되어 일치하는지 측정할 수 있는 엄격한 화질 평가 방법이다. 인간의 시각 체계가 영상의 자잘한 오류에 집중하기보다 전체적인 구조에 민감하게 반응할 것이라는 가정 하에서 SSIM 분석을 추가로 사용하였다. SSIM은 휘도(Luminance), 대비(Contrast), 구조(Structural)에 대한 유사도를 포함하여 Equation (2)와 (3)과 같이 계산된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.