[논문]MPEG-7 Visual Identifier

오원근

MPEG-7 Visual Identifier 원문보기

오원근 (한국전자통신연구원 디지털콘텐츠연구본부)

Digital visual information(image and video) plays an important role in our society, and everyday, more and more visual information is available from many sources around the world. And there is an increasing number of cases where the these visual informations are created, stored, retrieved, and re-used by computational systems. But information modification, distortion and compilation occurred through trans-coding or legal/illegal information processing often make these operations difficult. Subordinately, advanced technology or commercialized software for retrieving and identifying the desired information among these massive and diverse ones is strongly required. In the paper, some recent activities and technical content of MPEG-7 Visual Group are described, especially with regarding to Visual Identifier.

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

문제 정의

본 논문에서는, MPEG-7 Visual Group에서 진행중인 영상 식별기술의 표준화에 대한 개요와 기술적인 토의사항, 그리고 최근의 표준기술에 대해 설명한다.

제안 방법

강인성 테스트를 위해서 각 기술들은 표 2와 같은 다양한 동영상의 변형에 대해 안정성을 테스트하고, 그 결과는(success ratio)는 표 2의 카테고리별로 작성된다. 이 실험을 위해서 3분 이상의 1,000개 원 동영상 clip(필름, 뉴스, 도큐멘터리, 만화, 스포츠, 홈비디오 등)이 선정되고, 각 clip에 대해서 3개의 query(2, 5, 10초 동영상 clip)과 이들을 30초 이상으로 타 영상과 조합한 query를 사용해 이들을 원 동영상 clip과 비교하여, 강인성을 테스트한다.
독립성 테스트를 위해서, 실험 영상 데이터베이스에서 선정된 4,083개의 동영상 clip은, 6종류의 query에 대해 모든 쌍(6*4,083*(4,082-1)/2=50,000,418회))에 대해 비교를 한다. VCE-7에서는, 각각의 query에 대해 1ppm을, 전체(6개) query에 대해서는 50ppm을 적용하였다.
VCE-7에서의 계산 속도의 임계값은, 1,000 clip의 쌍에 대한 전체 계산시간을 1초 이내로 정하였다. 또, 특징의 크기에 대한 평가는, 알고리즘에서 사용한 특징을 bit수로 평가하였는데, 1초의 content에 해당하는 특징의 크기가 30kbit를 넘지 않는 것으로 정하였다.
실험 영상 데이터베이스는, VCE-6에 참가하는 여러 기관(예, KBS, NTT, NEC, 인하대 등)에서 수집한 3분 clip을 기준으로 200시간 분량의 다양한 장르(뉴스, 스포츠, 드라마, 자연 풍경, 만화, 홈비디오 등)의 동영상을 활용하였다. 선정된 원동영상 clip은 두 가지 방식에 의해서 query clip과 비교과정을 거치게 되는데, 하나는 3분 clip에서 잘라낸 2초, 5초, 10초의 부분영상을 query로 이용하는 direct content 정합방식이고, 다른 하나는 잘라낸 2초, 5초, 10초의 부분영상과 다른 영상을 조합해 3분 clip을 query로 이용하는 partial content 정합방식이다(그림 2).
성능평가를 위해서는 우선, 원 동영상 clip과 표 2에 있는 각각의 변형 카테고리상의 변형된 query clip에 대해 제안된 기술을 통해 비교하여 정확하게 정합된 비율(SR)을 다음의 식에 의해 계산한다.
성능평가의 기준은 크게 계산속도와 알고리즘에 사용되는 특징의 크기 및 정합율(SR : Success Ratio)로 정하였다. 성능평가를 위해서는 우선, 원영상과 표 1에 있는 각각의 변형 카테고리상의 변형된 영상에 대해 제안된 기술을 통해 비교하여 정확하게 정합된 비율(SR)을 다음의 식에 의해 계산한다.
강인성 테스트를 위해서 각 기술들은 표 2와 같은 다양한 동영상의 변형에 대해 안정성을 테스트하고, 그 결과는(success ratio)는 표 2의 카테고리별로 작성된다. 이 실험을 위해서 3분 이상의 1,000개 원 동영상 clip(필름, 뉴스, 도큐멘터리, 만화, 스포츠, 홈비디오 등)이 선정되고, 각 clip에 대해서 3개의 query(2, 5, 10초 동영상 clip)과 이들을 30초 이상으로 타 영상과 조합한 query를 사용해 이들을 원 동영상 clip과 비교하여, 강인성을 테스트한다.
특징의 크기에 대한 평가는, 알고리즘에서 사용한 특징을 bit수로 평가하였는데, 빠른 알고리즘은 1Kbit를, 늦은 알고리즘은 1KByte를 최고 임계값으로 정하였다.
평가 절차는, 2초 query clip에 대해 direct/partial content 정합에 대해 표 2의 변형 카테고리상에 있는 9개의 light 레벨에서 각각 SR이 75%가 넘을 경우를 만족해야 하고, 이 조건을 만족하지 못할 경우에는 정합속도를 낮추어서 비교를 한다.

대상 데이터

실험 영상 데이터베이스는, Nova사의 상용 데이터베이스인 “Art Explosion 800000"이며, 독립성 테스트를 위해 이중 135K의 서로 다른 정지영상을 선정하였다.
실험 영상 데이터베이스는, VCE-6에 참가하는 여러 기관(예, KBS, NTT, NEC, 인하대 등)에서 수집한 3분 clip을 기준으로 200시간 분량의 다양한 장르(뉴스, 스포츠, 드라마, 자연 풍경, 만화, 홈비디오 등)의 동영상을 활용하였다. 선정된 원동영상 clip은 두 가지 방식에 의해서 query clip과 비교과정을 거치게 되는데, 하나는 3분 clip에서 잘라낸 2초, 5초, 10초의 부분영상을 query로 이용하는 direct content 정합방식이고, 다른 하나는 잘라낸 2초, 5초, 10초의 부분영상과 다른 영상을 조합해 3분 clip을 query로 이용하는 partial content 정합방식이다(그림 2).
강인성 테스트를 위해서 각 기술들은 표 1과 같은 다양한 영상의 변형에 대해 안정성을 실험하고, 그 결과(success ratio)는 표 1의 카테고리별로 작성된다. 이 실험을 위해서 2차적으로 사용된 영상 데이터베이스는, M(=10K)개의 원 영상을 선정하고, 각 원영상은표 1에 있는 44종류의 변형을 가한 후에 실험영상으로 활용된다.

후속연구

MPEG-7 Visual Identifier 기술은, 2010년경에 제타바이트(1조 Gbyte)로 예상되는 초대용량 콘텐츠 시대에 콘텐츠의 관리 및 검색에 필수적인 기술로 활용될 것이며, 특히 콘텐츠의 내용과 특성의 다양상이 그 특징인 UCC(User Created Content)에 대해서는 그 필요성이 더욱 크게 부각될 것이다.

핵심어

질문

논문에서 추출한 답변

디지털 영상의 수가 폭발적으로 증가하는 이유는?

디지털 콘텐츠에 대한 수요가 증가하면서 우리 주변에는 방대한 양의 멀티미디어 콘텐츠(비디오, 음악, 영상 등)가 끈임 없이 생성, 제작, 유통 및 서비스 되고 있다. 그 중에서도 디지털 영상은 고성능, 휴대용 디지털 카메라의 보급과 대용량 저장장치나 휴대용 저장매체의 가격 하락과 함께 가히 폭발적으로 그 수가 증가하고 있다. 반면에 이러한 영상을 필요시 효율적으로 찾아내고, 원하는 대상을 다른 것과 정확하게 식별하는 제품에 대한 수요도 점점 늘어나고 있는데 그 예가 필요한 영상의 효율적인 검색과 복사(혹은 모사)나 불법적으로 유통되고 있는 영상의 식별 기술이다.

영상 식별기술은 어느 분야에서 활용될 수 있는가?

이러한 영상 식별기술(visual identifier)은, 미디어 관리 및 검색, 미디어 모니터링, 콘텐츠 Linking, 콘텐츠 확인 등 매우 광범위한 분야에서 활용이 될 수 있다. MPEG(Moving Picture Experts Group : ISO/IEC JTC 1/SC 29/WG 11)에서는 영상 식별기술의 중요성을 파악하여 수년전부터 기술의 표준화를 추진하고 있으며 정지영상 식별기술에 대해서는 거의 완성단계에 있다.

디지털 정지영상(image)이나 동영상(video)의 관리나 검색기술에는 대표적으로 어떤 것이 있는가?

MPEG-7 VCE(Visual Core Experiments)는 그 동안디지털 정지영상(image)이나 동영상(video)의 관리나 검색기술에 대해 다양한 논의와 표준화를 추진해 왔다. 대표적으로는 유사한 환경(situation)이나 풍경(view) 정보를 기반으로 한 정지영상 클러스터링 기술(VCE-1), 해변/바다/강/실내 등의 카테고리 정보를 기반으로 한 영상 분류기술(VCE-2), 인물정보를 기반으로 한 정지영상의 클러스터링/인덱싱/검색 기술(VCE-3), 얼굴인식 기술(VCE-4), 적외선 영상에서의 얼굴인식 기술(VCE-5) 등이 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

MPEG-7 Visual Identifier 원문보기

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

MPEG-7 Visual Identifier 원문보기

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper