http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
하이브리드TV서비스를 위한 적응형 스트리밍 시스템 개발
최승철(Seungcheol Choi),김윤형(Yunhyoung Kim),이만규(Man-Kyu Lee),최석림(Seokrim Choi) 한국통신학회 2014 韓國通信學會論文誌 Vol.39 No.7(네트워크)
국내외적으로 방송과 통신이 융합된 형태의 서비스가 인터넷을 통하여 제공되고 있으며, 스마트TV를 통한 다양한 양방향 서비스가 제공되는 상황에서 제한적인 유무선 네트워크 상황에 적응하여 끊김 없이 콘텐츠를 제공하는 것이 멀티미디어 서비스의 핵심 요소라고 할 수 있다. 본 논문에서는 인터넷과 같은 대역폭이 유동적인 환경에서 끊김 없는 OHTV(Open Hybrid TV) 서비스를 제공하기 위하여 DASH(Dynamic Adaptive Streaming over HTTP) 규격을 준수하는 콘텐츠 제작 시스템을 개발하였고, 기존 OHTV 서비스 플랫폼과 쉽게 연동하는 구체적인 방법을 제시하고 있다. 개발한 시스템은 OHTV 규격에 정의되어 있는 다양한 서비스 중에 IP VOD, 비디오 클립, 광고 서비스에 적용되어 네트워크 상황에 유동적으로 적응하여 안정적으로 끊김 없는 서비스를 제공함을 실험을 통해 검증하였다. Recently, various services which use the fused form of broadcasting and communication are being offered over the Internet globally. To provide various interactive services through connected smart TV on wired or wireless network, the seamless multimedia service is key feature. In this paper, Dynamic Adaptive Streaming over HTTP (DASH) is adopted to develop cost-effective adaptive streaming system for Open Hybrid TV(OHTV) service. This system can provide seamless adaptive streaming service for IP VOD, Video Clips, Ad insertion which are defined in OHTV.
Extreme learning machine 기법을 이용한 소양강댐 월 유입량 예측
김병식(ByungSik Kim),최승철(SeungCheol Choi),이병현(ByungHyun Lee),하헌중(HernJoong Ha) 한국데이터정보과학회 2024 한국데이터정보과학회지 Vol.35 No.3
In recent years, the frequency of flooding due to heavy rainfall has been increasing due to climate change, highlighting the growing importance of disaster prevention. Accurate prediction of dam inflow is crucial during heavy rainfall and typhoons for proper dam discharge. To simulate inflow, various approaches, including physical models and machine learning models., are employed. In this study, we utilized the Extreme Learning Machine (ELM), a machine learning technique, to simulate the inflow of Soyang River Dam watershed using precipitation data observed at the weather station in Inje (Station 211) and historical inflow data. Data were collected from January 1974 to August 2023, with training using data from January 1974 to December 2020 and validation with data from January 2021 to August 2023. Additionally, we compared the results of ELM with those of a Multilayer Perceptron (MLP) with a similar structure and conducted model validation using evaluation metrics. The proposed ELM model showed validation results for the test data, achieving an MAE of 19.98, MSE of 931.25 and R-squared value of 0.83.
Evaluation of JPEG XT integer coding mechanisms
Nguyen Minh Phu,Seungcheol Choi(최승철),Oh-Jin Kwon(권오진) 대한전자공학회 2019 대한전자공학회 학술대회 Vol.2019 No.11
JPEG XT has been designed to a high dynamic range (HDR) image compression which can be backward compatible with the conventional JPEG image coding standard. It consists of two layers: the base and the extension layer. The base layer contains a tone-mapped version of the HDR image and the extension layer contains residual information to reconstruct the HDR image on the basis the base layer. However, most studies about JPEG XT did not take into an account all features that can affect the performance while they have focused on the tone mapping operation and comparison of the coding performance between different profiles. In this study, we conducted experiments to compare two different HDR encoding mechanisms: open loop and closed loop, which is done during the prediction of the HDR information. Experimental results show that the closed loop exhibits better and relatively stable HDR-VDP-2 performance for various tone mapping methods.
JPEG XL 이미지 부호화를 위한 SML 기반의 DCT 블록 분할 방법
조준형(Joonhyung Cho),권오진(Oh-Jin Kwon),최승철(Seungcheol Choi) 한국방송·미디어공학회 2020 한국방송공학회 학술발표대회 논문집 Vol.2020 No.7
JPEG 위원회는 JPEG XL 이라 불리우는 차세대 이미지 코딩의 표준화를 진행하였다. JPEG XL 은 기존 JPEG 에서 사용하는 8× 8 크기의 블록뿐만 아니라, 최소 2× 2 부터 최대 32× 32 크기의 블록을 유동적으로 사용함으로써 부호화 성능의 개선을 가능하게 한다. 부호화기 구조 내의 DCT 블록 분할은 부호화 성능을 결정하는 주요한 요소 중 하나이다. 본 논문에서는 SML(Sum Modified Laplacian)을 기반으로 하는 DCT 블록 분할 방법을 제안한다. 제안하는 방법은 이미지에서 상대적으로 변동이 적거나 균일한 영역을 선택하기 위해 SML 을 활용하였으며, 이 영역에서는 큰 DCT 블록으로 부호화하여 기존 부호화기의 성능을 개선하였다.
김태현(Taehyeon Kim),권오진(Oh-Jin Kwon),최승철(Seungcheol Choi),황보현(Bohyeon Hwang) 대한전자공학회 2020 대한전자공학회 학술대회 Vol.2020 No.8
ISO/IEC JTC1/SC29/WG1 JPEG (Joint Photographic Experts Group) has established various standards for static image compression over the past 30 years, including JPEG [1] and JPEG 2000 [2]. At the 83rd JPEG meeting in Geneva, Switzerland, JPEG launched a new standardization activity for deep learning-based still image compression under the name JPEG AI. This paper introduces the current status of learning based still image compression standard which is referred to as JPEG AI and evaluates the latest deep learning-based image compression technologies.