최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기방송공학회논문지 = Journal of broadcast engineering, v.24 no.6, 2019년, pp.939 - 947
문원준 (광운대학교 전자재료공학과) , 유인재 (비욘드테크) , 이재청 (비욘드테크) , 서영호 (광운대학교 전자재료공학과) , 김동욱 (광운대학교 전자재료공학과)
With the revitalization of the media market, the necessity of compression, searching, editing and copyright protection of videos is increasing. In this paper, we propose a method to detect scene change in all these fields. We propose a pre-processing, feature point extraction using SIFT, and matchin...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
금칙어 기반 기술은 어떤 기술인가? | 영상을 필터링하는 기술에는 금칙어기반, 해시기반, 특징기반의 필터링 기술이 있다. 첫 번째로 금칙어 기반은 파일 제목, 요약 정보등 금칙어만 매칭하여 필터링을 하므로 연산량이 적지만 단순하게 파일의 이름을 바꾸기만 하여도피할 수 있다. 두 번째로 해시 기반은 영상별 고유의 해시값을 생성하여 저장하는 것인데, 작은 변형만 가해져도 변경되므로 저작권의 보호가 쉽지 않다. | |
영상을 필터링하는 기술에는 어떤 기술이 있는가? | 영상을 필터링하는 기술에는 금칙어기반, 해시기반, 특징기반의 필터링 기술이 있다. 첫 번째로 금칙어 기반은 파일 제목, 요약 정보등 금칙어만 매칭하여 필터링을 하므로 연산량이 적지만 단순하게 파일의 이름을 바꾸기만 하여도피할 수 있다. | |
영상에서 장면 전환을 검출하는 방법을 3가지로 분류하면 어떤 것들이 있는가? | 영상에서 장면 전환을 검출하는 방법으로는 크게 3가지의 분류로 나눌 수 있다[4]. 첫 번째로는 영상 제작자들이장면 구성시 따르는 규칙들을 이용한 방법으로 이를 이용하면 장면전환 검출의 결과를 향상시킬 수 있지만, 영화나 드라마 등에만 한정되는 문제가 발생한다[5]. 두 번째로는 확률(Stochastic)을 기반으로 하는 방법으로 여러 영상에서색상이나 엣지(edge)의 밀도 및 방향등을 추출한 정보를 군집화(clustering)하여 Hidden Markov 모델이나 Markov Chain Monte-Carlo 모델 등의 확률 변수를 훈련하고, 사후확률이 최대값을 가지도록 추정하여 장면의 경계를 찾는다. 이 방법은 훈련에 사용되는 데이터에 의존적이어서 충분히 많은 양의 데이터가 있어야 한다. 마지막으로는 그래프 형태로 모델링을 하여 분류하는 방법으로, 각 장면마다 유사도를 계산하여 군집화하여 정렬하고 그래프 분할 알고리즘을 사용하여 전환을 검출한다[6,7]. |
KIET, Domestic single media market status and development possibility, KIET Industrial Economics Analysis, pp. 44-53, 2017.
TTA, Performance Evaluation of Video Contents Filtering, 2013
M. D. Fabro, L. Boszormenyi, "State-of-the-art and future challenges in video scene detection: a survey," Multimedia Systems, Vol.19, No.5, pp.427-454, Oct. 2013. DOI: 10.1007/s00530-013-0306-4
C. Jang, S. Lee, "Scene Detection for Movies and Dramas Using Primitive Scene Analysis," Journel of KIISE : Computing Practices and Letters, Vol.19, No.11, pp.601-605, Nov. 2013
J. H. Yoo, H. S. Seok, and B. T. Zhang, "Bayesian Filtering for Background Change Detection in TV Dramas," Journal of KIISE: Computing Practices and Letters, Vol.18, No.4, pp. 341-345, Apr., 2012
S. I. Cho, S. J. Kang, "Histogram Shape-Based Scene-Change Detection Algorithm," IEEE Access, 7, pp.27662-27667, 2019. doi: 10.1109/ACCESS.2019.2898889
Korea Copyright Commission, "Hot Issues on the R&D : New Technology of Copyright," Newsletter, Vol.15, 2018
S. K. Rakshit, et al., "VIDEO DATA FILTERING," US Patent 10,223,357, to International Business Machines Corporation, US Patent and Trademark Office, Washington D.C., 2016
D. G. Lowe, “Distinctive Image Features from Scale-Invariant Keypoints,” International Journal of Computer Vision, Vol. 60, No. 2, pp. 91-110, Jan. 2004
G. J. Bae, S. I. Cho, S.-J. Kang, and Y. H. Kim, ''Dual-dissimilarity measure-based statistical video cut detection,'' J. Real-Time Image Process., vol. 13, no. 1, pp. 1-11, Jun. 2017
G. Marchionini and G. Geisler, ''The open video digital library,'' Digit. Library Mag., vol. 8, no. 12, pp. 1082-9873, Dec. 2002.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.