메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
조승현 (한국전자통신연구원) 김연희 (한국전자통신연구원) 임웅 (한국전자통신연구원) 김휘용 (한국전자통신연구원) 최진수 (한국전자통신연구원)
저널정보
한국방송·미디어공학회 방송공학회논문지 방송공학회논문지 제23권 제3호
발행연도
2018.5
수록면
383 - 394 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 최근 활발히 연구되고 있는 딥 러닝 기반의 이미지와 비디오 압축 기술에 대해 살펴본다. 딥 러닝 기반의 이미지 압축기술은 심층 신경망에 압축 대상 이미지를 입력하고 반복적 또는 일괄적 방식으로 은닉 벡터를 추출하여 부호화한다. 이미지 압축 효율을 높이기 위해 심층 신경망은 복원 이미지의 화질은 높이면서 부호화된 은닉 벡터가 보다 적은 비트로 표현될 수 있도록 학습된다. 이러한 기술들은 특히 저 비트율에서 기존의 이미지 압축 기술에 비해 뛰어난 화질의 이미지를 생성할 수 있다. 한편, 딥 러닝 기반의 비디오 압축 기술은 압축 대상 비디오를 직접 입력하여 처리하기 보다는 기존 비디오 코덱의 압축 툴 성능을 개선하는 접근법을 취하고 있다. 본 논문에서 소개하는 심층 신경망 기술들은 최신 비디오 코덱의 인루프 필터를 대체하거나 추가적인 후처리 필터로 사용되어 복원 영상의 화질 개선을 통해 압축 효율을 향상시킨다. 마찬가지로, 화면 내 예측 및 부호화에 적용된 심층 신경망 기술들은 기존 화면 내 예측 툴과 함께 사용되어 예측 정확도를 높이거나 새로운 화면 내 부호화 과정을 추가함으로써 압축 효율을 향상 시킨다.
#Machine learning #Deep learning #Image #Video #Compression

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 딥 러닝 기반의 이미지 압축 기술
Ⅲ. 딥 러닝을 적용한 비디오 압축 툴 개선 기술
Ⅳ. 결론 및 전망
참고문헌 (References)

참고문헌 (26)

참고문헌 신청
J. Jiang, “Image compression with neural networks,” Signal Processing: Image Communication Vol.14, No.9, pp.737-760, July 1999. G. Toderici, S. M. O’Malley, S. J. Hwang, D. Vincent, D. Minnen, S. Baluja, M. Covell, and R. Sukthankar, “Variable rate image compression with recurrent neural networks,” Proceeding of International Conference on Learning Representations, San Juan, Puerto Rico, May 2016. G. Toderici, D. Vincent, N. Johnston, S. J. Hwang, D. Minnen, J. Shor, and M. Covell, “Full Resolution Image Compression with Recurrent Neural Networks,” Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, Honolulu, USA, pp.5435-5443, July 2017. N. Johnston, D. Vincent, D. Minnen, M. Covell, S. Singh, T. Chinen, S. J. Hwang, J. Shor, and G. Toderici, “Improved Lossy Image Compression with Priming and Spatially Adaptive Bit Rates for Recurrent Networks,” https://arxiv.org/abs/1703.10114 (Submitted on Mar 29, 2017) L. Theis, W. Shi, A. Cunningham, and F. Huszar, “Lossy Image Compression with Compressive Autoencoders,” Proceeding of International Conference on Learning Representations, Toulon, France, April 2017.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

다차원 신경망 및 의사결정 신경망의 딥러닝 학습을 통한 영상인식
이상헌 ,  김동연 ,  조영완 한국지능시스템학회 논문지 2018 .02
CNN과 RNN의 기초 및 응용 연구
이은주 방송과 미디어 2017 .01
건물 데이터베이스 구축을 위한 그래프 토폴로지 설계 및 패턴매칭 구현
최효석 ,  염재홍 ,  이동천 한국측량학회지 2013 .10
가상 기계 코드를 위한 패턴 매칭 최적화기
이창환 ,  오세만 멀티미디어학회논문지 2006 .09
압축 영상 화질 개선을 위한 딥 러닝 연구에 대한 분석
이영운 ,  김병규 방송공학회논문지 2019 .05

최근 본 자료

전체보기

댓글(0)

0