$\require{mediawiki-texvc}$

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.

실감모형 제작을 위한 고해상도 유물 이미지 매팅
High Resolution Photo Matting for Construction of Photo-realistic Model 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.40 no.1, 2022년, pp.23 - 30  

최석근 (Dept. of Civil Engineering, Chungbuk National University) ,  이승기 (Terrapix research fellow) ,  최도연 (Terrapix research fellow) ,  김광호 (Dept. of Civil Engineering, Chungbuk National University)

초록
AI-Helper 아이콘AI-Helper

최근 딥러닝을 이용한 이미지 매팅 방법에 관한 다양한 연구가 진행되고 있다. 특히, 사진측량 분야에서도 고품질의 실감모형을 제작하기 위해서는 촬영된 이미지에서 유물 정보를 추출하는 과정이 필요하며, 이와 같은 과정은 많은 시간과 인력이 들어 기존에는 크로마키를 이용하여 추출하는 방법이 많이 활용되고 있다. 그러나, 기존의 방법은 세부 분류에 대한 정확도가 떨어져 고품질 실감모형에 적용하기에는 어려움이 있었다. 본 연구에서는 사전배경정보와 훈련된 학습데이터를 이용하여 고해상도 유물 이미지에서 배경정보를 제거하고 추출된 유물 이미지에 대하여 정성적, 정량적 결과를 평가하였다. 그 결과 제안된 방법과 FBA(매뉴얼 트라이맵)이 정량적으로 높은 결과를 나타냈으며, 정성적 평가에서도 유물 주변부의 분류도가 높은 정확도를 보였다. 따라서 제안된 방법은 고해상도 유물 이미지 분류에 있어 사전배경정보 취득을 통하여 높은 정확도와 빠른 처리 속도를 나타냈으며, 실내 유물 촬영에서 그 활용 가능성을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, there are various studies underway on the deep learning-used image matting methods. Even in the field of photogrammetry, a process of extracting information about relics from images photographed is essential to produce a high-quality realistic model. Such a process requires a great deal of...

주제어

#딥러닝   #유물 이미지   #실감모형   #매팅   #사전배경정보  

표/그림 (8)

참고문헌 (17)

  1. Chen, L.C., Zhu, Y., Papandreou, G., Schroff, F. and Adam, H.(2018), Encoder-decoder with atrous separable convolution for semantic image segmentation, In Proceedings of the European conference on computer vision, pp. 801-818. 

  2. Chuang, Y.Y., Curless, B., Salesin, D.H. and Szeliski, R.(2001, December), A bayesian approach to digital matting, In Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Vol. 2, pp. II-II. 

  3. Forte, M. and Pitie, F.(2020), F, B Alpha Matting, arXiv preprint arXiv:2003.07711. 

  4. Gastal, E.S. and Oliveira, M.M.(2010, May), Shared sampling for real-time alpha matting, In Computer Graphics Forum, Vol. 29, No. 2, pp. 575-584. 

    상세보기 crossref

  5. He, K., Gkioxari, G., Dollar, P. and Girshick, R.(2017), Mask r-cnn, In Proceedings of the IEEE international conference on computer vision, pp. 2961-2969. 

  6. Levin, A., Lischinski, D. and Weiss, Y.(2007), A closed-form solution to natural image matting, IEEE transactions on pattern analysis and machine intelligence, Vol. 30, No. 2, pp. 228-242. 

    상세보기 crossref

  7. Lin, S., Ryabtsev, A., Sengupta, S., Curless, B.L., Seitz, S.M. and Kemelmacher-Shlizerman, I.(2021), Real-time high-resolution background matting, In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 8762-8771. 

  8. Liu, J., Yao, Y., Hou, W., Cui, M., Xie, X., Zhang, C. and Hua, X.S.(2020), Boosting semantic human matting with coarse annotations, In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 8563-8572. 

  9. Ni, J., Zhang, F., Ma, F., Yin, Q. and Xiang, D.(2021), Random region matting for the high-resolution PolSAR image semantic segmentation, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 14, pp 3040-3051. 

    상세보기 crossref

  10. Qiao, Y., Liu, Y., Yang, X., Zhou, D., Xu, M., Zhang, Q. and Wei, X.(2020), Attention-guided hierarchical structure aggregation for image matting, In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 13676-13685. 

  11. Rhemann, C., Rother, C., Wang, J., Gelautz, M., Kohli, P. and Rott, P.(2009, June), A perceptually motivated online benchmark for image matting, In 2009 IEEE Conference on Computer Vision and Pattern Recognition, pp. 1826-1833. 

  12. Sengupta, S., Jayaram, V., Curless, B., Seitz, S.M. and Kemelmacher-Shlizerman, I.(2020), Background matting: The world is your green screen, In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 2291-2300. 

  13. Shen, X., Tao, X., Gao, H., Zhou, C. and Jia, J.(2016, October), Deep automatic portrait matting, In European conference on computer vision, pp. 92-107. 

  14. Sun, J., Jia, J., Tang, C.K. and Shum, H.Y.(2004), Poisson matting, In ACM SIGGRAPH 2004 Papers, pp. 315-321. 

  15. Sun, Y., Tang, C.K. and Tai, Y.W.(2021), Semantic image matting, In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 11120-11129. 

  16. Xu, N., Price, B., Cohen, S. and Huang, T.(2017), Deep image matting, In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 2970-2979. 

  17. Zhu, B., Chen, Y., Wang, J., Liu, S., Zhang, B. and Tang, M.(2017, October), Fast deep matting for portrait animation on mobile phone, In Proceedings of the 25th ACM international conference on Multimedia, pp. 297-305. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 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