초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 주어진 영상을 필터링하여 영상의 스타일을 제거하는 방법을 제시한다. 스타일이 제거된 영상은 영상 분류, 특징점 인식, 영상 분할 등의 다양한 용도에 쓰일 수 있다. 또한 원래 영상과 스타일이 제거된 영상을 비교하여 영상의 스타일을 유추할 수 있다. 본 논문에서는 이를 위해 주어진 영상에서 스타일 벡터를 계산한 후 계산된 스타일 벡터를 이용하여 영상에 양방향 필터링을 적용한다. 이 때 영상의 경계 부분에서 스타일을 효과적으로 분리하는 방법과 다중 해상 처리 방법을 적용하여 다양한 크기와 방향의 스타일을 찾아낸다. 그 결과 주어진 영상에서 다양한 크기와 방향의 스타일을 제거하고 영상의 중요한 내용만을 효과적으로 나타낸다.

본 논문에서는 주어진 영상을 필터링하여 영상의 스타일을 제거하는 방법을 제시한다. 스타일이 제거된 영상은 영상 분류, 특징점 인식, 영상 분할 등의 다양한 용도에 쓰일 수 있다. 또한 원래 영상과 스타일이 제거된 영상을 비교하여 영상의 스타일을 유추할 수 있다. 본 논문에서는 이를 위해 주어진 영상에서 스타일 벡터를 계산한 후 계산된 스타일 벡터를 이용하여 영상에 양방향 필터링을 적용한다. 이 때 영상의 경계 부분에서 스타일을 효과적으로 분리하는 방법과 다중 해상 처리 방법을 적용하여 다양한 크기와 방향의 스타일을 찾아낸다. 그 결과 주어진 영상에서 다양한 크기와 방향의 스타일을 제거하고 영상의 중요한 내용만을 효과적으로 나타낸다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 그렇기 때문에 색차에만 의지하여 경계 부분을 나누게 되면 실제 사람이 인지하는 경계와는 다른 결과를 얻는다. 그러므로 본 논문에서는 양방향 필터링을 기반으로 하여 영상을 평탄화하되 영상의 색차가 아닌 스타일의 차이를 계산한 후 이를 이용하여 영상을 사람이 인지하는 것과 비슷하게 평탄화하는 방법을 제시한다.
• 본 논문에서는 영상의 스타일 벡터를 계산하여 영상을 평탄화하는 방법을 제시하였다. 이를 위해 영상의 스타일을 정의한 후, 양방향 필터링으로 이를 제거하여 영상의 스타일이 제거된 결과를 얻어내었다.
• 본 논문에서는 영상의 스타일을 분석한 후 이를 이용해 영상의 디스타일화 작업을 수행하고, 이 과정에서 발생할 수 있는 문제들을 흐]]결하기 위한 방법들을 제시한다. 본 논문에서 제시하는 평탄화 기법은 기존의 연구에 비해서 다음과 같은 장점을 지닌다.
• 본 논문에서는 주어진 영상을 흑백 영상으로 변환시켜 스타일 벡터를 계산하였다. 그러나 색이 있는 영상에서 색 정보를 효과적으로 이용할 수 있다면 더 좋은 결과를 기대할 수 있을 것 이다.

제안 방법

• 바꾼다. 그 다음 영상의 각 화소에 대해서 여덟 방향의 주위 화소들을 이용하여 스타일 벡터를 계산한다. (그림 1).
• 그러므로 이 문제를 해결하기 위해 주어진 영상을 가우 시안 피라미드 (Gaussian pyramid)로 만든 다음 피라미드의 각 영상에 대해 필터 링을 수행한다(그림 3).
• 거친다. 먼저 영상에 존재하는 다양한 반복 패턴을 검출한 후 이들 패턴의 크기 , 방향 등과 같은 특징 요소들을 스타일 벡터로 계산한다. 그 다음 계산된 스타일 벡터를 이용하여 영상을 디스타일화 한다.
• 본 논문에서는 모든 영상에 대해 필터 반지름을 다섯 픽셀로, 가우시안 피라미드 영상의 개수를 네 개로 고정하였다.
• . 영상의 각 화소에 대하여 여덟 방향의 이웃 화소들을 이용하여 스타일 벡터를 계산한다.
• 이를 위해 영상의 스타일을 정의한 후, 양방향 필터링으로 이를 제거하여 영상의 스타일이 제거된 결과를 얻어내었다. 이때 영상의 경계 부분을 효과적으로 처리하기 위해 필터링 시에 스타일 벡터의 일부만을 이용하는 방법을 제시하였다. 또한 다중 해상 기법을 이용하여 영상의 큰 스타일에서 작은 스타일까지 효과적으로 제거할 수 있었다.
• 합쳐야 한다. 이를 위해 먼저 필터 링을 수행할 때 영상의 각 화소에 대해 지역적 평탄도 값을 정의한다.
• 방법을 제시하였다. 이를 위해 영상의 스타일을 정의한 후, 양방향 필터링으로 이를 제거하여 영상의 스타일이 제거된 결과를 얻어내었다. 이때 영상의 경계 부분을 효과적으로 처리하기 위해 필터링 시에 스타일 벡터의 일부만을 이용하는 방법을 제시하였다.
• 화소 A와 B는 화소와 다른 스타일을 가지고 있다. 이를 찾아내기 위해 각 화소의 스타일 벡터 중 일부만을 이용하여 유사도를 측정한다.
• Figure 6: 가보 변환과의 비교 결과. 제시된 방법은 스타일 벡터의 일부만을 이용하여 영상의 구조적 경계를 효과적으로 처리한다.

이론/모형

• 스타일 벡터를 계산한 다음에는 계산된 스타일 벡터를 이용하여 영상을 양방향 필터 링 (bilateral filtering) 기 법으로 평탄화한다. 이는 수식 (2)로 표현된다.
• [4, 6]. 이들 중 본 논문에서는 DFT를 이용하여 스타일 벡터를 계산하였다.
• 그 다음 가장 작은 해상도의 영상에서부터 필터링 결과 영상과 지역적 평탄도 배열을 다음 해상도의 필터링 결과 영상과 지역적 평탄도 배열과 합친다. 이를 위해 먼저 이전 단계의 필터링 결과 영상과 지역적 평탄도 배열을 겹삼차보간법 (bicubic interpolation)을 이용하여 두 배로 확대시 킨다. 그 다음 확대된 필터링 결과 영상과다음 해상도의 필터링 결과 영상을 확대된 평탄도 배열을 이용하여 선형 보간하여 합친다.

성능/효과

• 결과적으로 주위에 비슷한 스타일 벡터가 많은 화소는 더 넓은 범위의 픽셀과 혼합되고 그렇지 않은 화소는 더 적은 범위의 픽셀과 혼합되어 영상의 경계 부분이 유지되면서 부드럽게 평탄화된 결과를 얻을 수 있다.
• 기존의 양방향 필터링은 유화 스타일의 그림을 효과적으로 디 스타 일화 하지 못하지만, 본 논문에서 제시한 방법은 스타일을 효과적으로 제거하는 것을 볼 수 있다. (그림 5).
• 이때 영상의 경계 부분을 효과적으로 처리하기 위해 필터링 시에 스타일 벡터의 일부만을 이용하는 방법을 제시하였다. 또한 다중 해상 기법을 이용하여 영상의 큰 스타일에서 작은 스타일까지 효과적으로 제거할 수 있었다.
• Figure 5: 양방향 필터링과의 비교 결과. 제시된 방법은 영상의 스타일을 제거하면서 영상의 구조를 효과적으로 드러낸다.

후속연구

• 벡터를 계산하였다. 그러나 색이 있는 영상에서 색 정보를 효과적으로 이용할 수 있다면 더 좋은 결과를 기대할 수 있을 것 이다. 또한 스타일을 제 거하는 과정에서 스타일의 구조를 파악하여 이를 다룰 수 있다면 텍스쳐 전이와 같은 응용 분야에서도 보다 더 효과적으로 사용할 수 있을 것이다.
• 그러나 색이 있는 영상에서 색 정보를 효과적으로 이용할 수 있다면 더 좋은 결과를 기대할 수 있을 것 이다. 또한 스타일을 제 거하는 과정에서 스타일의 구조를 파악하여 이를 다룰 수 있다면 텍스쳐 전이와 같은 응용 분야에서도 보다 더 효과적으로 사용할 수 있을 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기