초록

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

임의의 입력 해상도와 출력 해상도의 비율로 주어지는 영상 축소 스케일러를 구현하려면 축소된 영상에 대한 화소의 좌표를 계산하기 위해서 범용 제산기의 사용이 요구된다. 이 범용 제산기는 매 화소마다 동작해야하기 때문에 처리속도를 높이기 위하여 LUT로 구현되나, LUT의 정밀도에 따라서 하드웨어의 규모가 비대해지는 문제가 야기된다. 본 논문에서는 제산기나 LUT 기반의 제산 연산을 수반하지 않는 영상 축소 알고리즘을 제안한다. 제안한 알고리즘은 비교기와 가산기 만으로 구성되어 있으며, 임의의 유리수로 표현되는 축소 비율을 허용함에도 불구하고, 기존 방식에 비해서 1/10 이하로 하드웨어 규모를 줄이는 것이 가능하다.

임의의 입력 해상도와 출력 해상도의 비율로 주어지는 영상 축소 스케일러를 구현하려면 축소된 영상에 대한 화소의 좌표를 계산하기 위해서 범용 제산기의 사용이 요구된다. 이 범용 제산기는 매 화소마다 동작해야하기 때문에 처리속도를 높이기 위하여 LUT로 구현되나, LUT의 정밀도에 따라서 하드웨어의 규모가 비대해지는 문제가 야기된다. 본 논문에서는 제산기나 LUT 기반의 제산 연산을 수반하지 않는 영상 축소 알고리즘을 제안한다. 제안한 알고리즘은 비교기와 가산기 만으로 구성되어 있으며, 임의의 유리수로 표현되는 축소 비율을 허용함에도 불구하고, 기존 방식에 비해서 1/10 이하로 하드웨어 규모를 줄이는 것이 가능하다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 결과

문제 정의

• 본 논문에서는 고비용 하드웨어인 LUT 기반 고속 제산기를 사용하지 않고, 임의의 유리수로 표현 되는 축소 비율을 처리하는 알고리즘과 이에 대한 하드웨어 구조를 제안한다.

성능/효과

• 결론적으로 제안한 NN 알고리즘을 적용한 영상축소 하드웨어는 기존 방식에 비해서 1/10 이하의 규모를 가지므로, 하드웨어 비용에 민감한 이미지 센서에 적용하더라도 적은 비용 추가로 다양한 영상 축소를 지원하는 것이 가능하다.
• 제안한 구조의 NN 알고리즘을 화소 단위와 라인 단위에 대해서 적용하면, 영상 축소 하드웨어를 바로 구현하는 것이 가능하다. 실제로 제안한 알고리즘에 기반을 둔 영상 축소 하드웨어의 규모는 30,443 um²에 불과하여 LUT 기반의 1차원 하드웨어에 비해서도 적은 규모이다.
• 제안한 구조의 NN 알고리즘을 화소 단위와 라인 단위에 대해서 적용하면, 영상 축소 하드웨어를 바로 구현하는 것이 가능하다. 실제로 제안한 알고리즘에 기반을 둔 영상 축소 하드웨어의 규모는 30,443 um²에 불과하여 LUT 기반의 1차원 하드웨어에 비해서도 적은 규모이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기