초록 ▼

- 본 연구진은 통계 분야에서 사용되는 함수 학습 기법을 이용해 점 집합의 속성(예. 색상)이 유지되는 재샘플링 기술을 연구함.

- 기존 재샘플링 연구[1][2][3][4]는 주어진 점 집합을 근사하는 새로운 점 집합을 생성하고, 생성된 전체 점들에 대한 최적화를 필요로 함.
> 그렇기 때문에 계산에 오랜 시간을 필요로 함에도 기존 점 집합의 위치 정보를 제외한 다른 속성들을 근사할 수 없었음.

- 본 연구진은 주어진 점 집합의 국소 부분을 표현하는 선형 회귀함수 모델들을 학습시킴으로써 기존점 집합이

- 본 연구진은 통계 분야에서 사용되는 함수 학습 기법을 이용해 점 집합의 속성(예. 색상)이 유지되는 재샘플링 기술을 연구함.

- 기존 재샘플링 연구[1][2][3][4]는 주어진 점 집합을 근사하는 새로운 점 집합을 생성하고, 생성된 전체 점들에 대한 최적화를 필요로 함.
> 그렇기 때문에 계산에 오랜 시간을 필요로 함에도 기존 점 집합의 위치 정보를 제외한 다른 속성들을 근사할 수 없었음.

- 본 연구진은 주어진 점 집합의 국소 부분을 표현하는 선형 회귀함수 모델들을 학습시킴으로써 기존점 집합이 가진 속성들을 함수로써 근사할 수 있도록 함.
> 특히 각 국소 회귀함수 모델들이 RLS 필터를 통해 학습이 된다는 점을 이용해, RLS 필터 내 학습되는 점 집합의 분포를 표현하는 공분산 행렬(covariance matrix)로부터 재샘플링을 할 수 있었음.
> 이를 통해 주어진 점 집합의 위치 및 속성을 근사하는 재샘플링 기술을 개발함.

- 본 연구진은 기존 재샘플링 기법들이 모두 실패한 대용량의 실제 스캐닝된 방의 점 집합에서의 추가 샘플링(Up-sampling)을 통해 알고리즘의 강건성을 증명함.

(출처 : 초록 3p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 초록 ... 3
• 목차 ... 4
• 제1장. 연구개발과제의 개요 ... 5
• 1.1 연구개발의 목적 및 범위 ... 5
• 1.2 연구개발의 필요성 ... 5
• 제2장. 연구개발수행 내용 및 결과 ... 6
• 2.1 국소 회귀분석 모델 생성 및 학습 ... 6
• 2.2 국소 회귀분석 모델로부터의 재샘플링 기술 개발 ... 8
• 제3장. 목표달성도 및 기대 성과 ... 9
• 3.1 연구개발 목표, 내용 및 달성도 ... 9
• 3.2 기대 성과 ... 9
• 제4장. 연구개발결과의 활용계획 ... 9
• 참고문헌 ... 10
• 끝페이지 ... 11