$\require{mediawiki-texvc}$

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.

의도적인 공감각 기반 영상-음악 변환 시스템 구현
Implementation of the System Converting Image into Music Signals based on Intentional Synesthesia 원문보기

전기전자학회논문지 = Journal of IKEEE, v.24 no.1, 2020년, pp.254 - 259  

배명진 (Dept. of Convergence IT Engineering, Kyungnam University) ,  김성일 (Dept. of Electronic Engineering, Kyungnam University)

초록
AI-Helper 아이콘AI-Helper

본 논문은 사전에 학습된 기억으로 공감각 현상을 지각할 수 있는 의도적인 공감각으로 영상에서 음악으로 변환하는 시스템을 구현하였다. 영상에서 변환정보로 색상(Color), 질감(Texture), 모양(Shape)을 사용하여 음악의 멜로디(Melody), 하모니(Harmony), 리듬(Rhythm) 정보로 변환하였다. 정적인 영상에서 단조로운 음이 반복되는 것을 최소화하고 영상에 있는 정보를 표현하기 위해 색상의 분포도에 따라 확률적으로 멜로디를 선택하여 출력함으로써 자연스럽게 음을 구성할 수 있도록 하였고, 영상에서 질감은 통계적 질감 특징 추출방식인 GLCM(Gray-Level Co-occurrence Matrix)의 7가지 특징으로 하모니의 장조와 단조를 표현하였다. 마지막으로 모양은 영상의 외곽선을 추출한 후 주파수 성분 분석인 허프 변환(Hough Transform)을 이용해 선 성분을 검출하여 각도의 분포에 따라 리듬을 선택하는 방식으로 음악을 생성하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper is the implementation of the conversion system from image to music based on intentional synesthesia. The input image based on color, texture, and shape was converted into melodies, harmonies and rhythms of music, respectively. Depending on the histogram of colors, the melody can be select...

주제어

#Visualization   #Sonification   #Sound   #Music   #Color   #Texture   #Shape   #Melody   #Harmony   #Rhythm  

표/그림 (9)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  •  본 논문의 실험은 제안한 변환 시스템에 2개의 입력 영상을 넣어서 출력 결과를 비교해 보는 것으로 변환 결과를 분석하여 제안한 방법에 맞게 변환되어졌는지 확인하는 것이다.
  • 본 논문에서는 의도적인 공감각의 장점을 이용해 시각정보인 영상을 청각정보인 음악으로 변환하여 자연스럽게 음악을 들으면 영상정보를 유추할 수 있도록 구현하였다. 청각정보인 음악의 경우 시각정보인 영상에서처럼 약간의 변화를 정밀하게 인지하기는 쉽지 않으며 사람마다 정보를 인지하는 정도에 편차가 있음으로 변환 시 정보의 손실은 감수해야 한다.
  • 본 연구자는 이전 연구에서 근육의 이완 및 긴장상태를 느낄 수 있는 감각인 근감각을 이용하여 색과 음으로 변환하는 연구를 진행하였다. 이 연구는 앞에서 설명한 색과 음의 유사성에 근감각을 추가하여 움직임을 색과 음으로 변환해 시각 또는 청각만을 이용해 움직임을 유추할 수 있는 연구이다[9].
  • 본 연구자는 이전 연구에서 근육의 이완 및 긴장상태를 느낄 수 있는 감각인 근감각을 이용하여 색과 음으로 변환하는 연구를 진행하였다. 이 연구는 앞에서 설명한 색과 음의 유사성에 근감각을 추가하여 움직임을 색과 음으로 변환해 시각 또는 청각만을 이용해 움직임을 유추할 수 있는 연구이다[9]. 해당 연구와 같이 앞으로는 감각과 감각간의 연결이 1:1을 벗어나 1:N의 감각으로 전달이 가능하면 다양한 정보를 동시에 인지할 수 있는 능력을 키울 수 있을 것이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
대표적인 공감각은 무엇이 있는가? 이러한 현상을 통해 일어나는 공감각은 많이 사용하는 감각인 시각에서 다른 감각으로의 변환이 많이 이루어진다. 대표적인 공감각은 색에서 소리가 들리는 색청 공감각이고 문자에서 색이 보이는 자소-색 공감각 등이 있다. 감각의 전달은 기억으로도 이어지며 후각 또는 미각을 통해 특정 기억이 떠오르는 것으로 뇌의 정보전달 혼선 현상은 감각간의 전달뿐 아니라 기억정보에서도 이루어지는 것을 알 수 있다.
공감각이란 무엇인가? 감각의 전환이 자연스럽게 이루어지는 현상을 공감각(Synesthesia)이라 한다. 공감각은 뇌의 정보를 전달하는 부위인 시상(Thalamus)에서 정보를 전달하는 과정에서 일어나며 정보의 혼선으로 일어나는 현상으로 볼 수 있다[1]. 이러한 현상을 통해 일어나는 공감각은 많이 사용하는 감각인 시각에서 다른 감각으로의 변환이 많이 이루어진다.
의도적인 공감각을 통해 공감각을 일으켜 다양한 정보를 동시에 인지할 수 있는 예는 어떤 것이 있는가? 의도적인 공감각을 통해 공감각을 일으키면 다양한 정보를 동시에 인지할 수 있다는 장점이 있다. 예를 들면 몇 가지 시각정보를 동시에 인지하는것 은 한계가 있지만 시각정보를 청각정보로 변환하여 변환된 방법을 학습하고 있다면 시각정보를 처리하면서 청각정보를 인지하여 처리할 수 있음으로 다중인지가 가능하다. 의도적인 공감각에서 변환 규칙을 정해놓는다면 규칙에 따라 변환된 결과는 유추가 가능함으로 학습이 필요하지만 동시에 여러 가지 작업을 할 수 있다는 장점은 일의 능률을 올릴 수 있을 것이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. J. Ward, "Synesthesia," Annual Review of Psychology, Vol.64, No.1, pp.49-75, 2013. DOI: 10.1146/annurev-psych-113011-143840 

    상세보기 crossref

  2. Suslick, S Kenneth. "Synesthesia in science and technology: more than making the unseen visible," Current opinion in chemical biology, Vol.16, No.5, pp.557-563, 2012. DOI: 10.1016/j.cbpa.2012.10.030 

    상세보기 crossref

  3. Smilek, D., Dixon, M. J. & Merikle, P. M. "Synaesthesia: discordant male monozygotic twins," Neurocase, Vol.11, No.5, pp.363-370, 2005. DOI: 10.1080/13554790500205413 

    상세보기 crossref

  4. Smilek, D. et al. "Synaesthesia: a case study of discordant monozygotic twins," Neurocase, Vol.8, No.4, pp.338-342, 2002. DOI: 10.1076/neur.8.3.338.16194 

    상세보기 crossref

  5. S. Kim, "Conversion of Image into Sound Based on HSI Histogram," The Journal of the Acoustical Society of Korea, Vol.30, No.3, pp.142-148, 2011. DOI: 10.7776/ASK.2011.30.3.142 

    원문보기 상세보기 crossref

  6. M. Bae, S. Kim, "Implementation of the Visualization and Sonification System of Human Movements based on Intentional Synesthesia," Journal of Korean institute of intelligent systems, Vol.28, No.1, pp.83-90, 2018. DOI: 10.7471/ikeee.2018.22.2.362 

    상세보기 crossref

  7. D. Bor, N. Rothen, D. Schwartzman, S. Clayton, A. Seth, "Adults Can Be Trained to Acquire Synesthetic Experiences," Scientific Reports 4, No.7089, 2014. DOI: 10.1038/srep07089 

    상세보기 crossref

  8. Witthoft, Nathan, and Jonathan Winawer. "Learning, memory, and synesthesia," Psychological science, Vol.24, No.3, pp.258-265, 2013. DOI: 10.1177/0956797612452573 

    상세보기 crossref

  9. M. Bae, S. Kim, "The System of Converting Muscular Sense Into both Color and Sound Based on the Synesthetic Perception," Journal of Korean institute of intelligent systems, Vol.24 No.5, pp.462-469, 2014. DOI: 10.5391/JKIIS.2014.24.5.462 

    원문보기 상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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