디지털 라이브러리[ 검색결과 ]
EOG 기반 수평 시선 추적 경량형 딥러닝 알고리즘의 최적화를 위한 가상 환경 실험
http://doi.org/10.5626/JOK.2024.51.2.184
본 연구는 매우 적은 수의 파라미터의 딥러닝 모델로 정확도를 높이고 이에 더하여 눈 깜빡임을 실시간으로 예측할 수 있는 알고리즘을 제안하고 실험한다. 기존의 시선 추적 알고리즘은 눈동자에서 나오는 EOG 신호가 각도에 따라 선형성[1,2]을 띈다는 점에서 착안한 알고리즘에 기반하여 연구가 진행이 되어 왔다. 하지만 본 논문에서 제시하고자 하는 알고리즘은 유도 편향을 보이는 데이터이기에 1D CNN, Residual Block등과 같은 Layer들을 사용하여 경량형 딥러닝 네트워크를 구성하여 실시간 예측이 가능하다. 이 연구에서는 추가적으로 눈 깜빡임에 대한 딥러닝 모델 예측을 이용하여 가상 환경 전용 HMD를 착용한 상태에서도 안구 움직임을 예측할 수 있는 장치를 사용하여 실험을 진행하였다. 이 연구에서 진행한 EOG Data를 이용한 안구 복원을 상하 움직임과 극단적인 눈동자 움직임에 대한 연구를 추가하여 아바타 안구의 실시간성을 살려 사실감 있는 복원에 대한 구현이 가능하다.
깊이 정보 재구성 및 물체의 사전 지식에 기반한 물체를 쥔 손의 자세 추적
http://doi.org/10.5626/JOK.2019.46.7.673
본 논문은 깊이 데이터 재구성 및 대상 물체에 대한 사전 지식을 활용하여 실제 물체를 쥔 손의 26차원 관절 자세를 추적하는 시스템을 제안한다. 물체와 상호작용하는 손에 대한 자세 추적은 물체에 의한 가림 때문에 허공의 독립된 손 자세를 추적하는 문제에 비해 제약이 크다. 기존 대부분의 손 추적연구들은 물체에 가려진 손 데이터를 무시하고 나머지 불충분한 입력 정보에서 최대한 정확한 자세를 추적하는 데에 초점을 두었으며, 물체와 상호작용한다는 사실이 손 자세 추정 탐색 공간을 효율적으로 줄일 수 있다는 점을 충분히 활용하지 못하였다. 본 논문에서 제안한 시스템은 가려진 손 영역의 깊이 데이터를 쥐고 있는 물체의 형태에 따라 재구성하고 입자 군집 최적화(PSO) 기법에 기반한 모델 추적기에 활용하되, 사전에 구성된 물체별 손 자세 군집을 모델 자세의 재초기화에 이용하는 방식이다. 그 결과 제안된 프로세스들이 물체를 쥔 손 자세 추적 성능을 향상시킴을 실험 평가를 통해 확인하였다.
Quantified Lockscreen: 감정 마이닝과 자기정량화를 위한 개인화된 표정인식 및 모바일 잠금화면 통합 어플리케이션
잠금화면은 현대인들이 모바일 플랫폼에서 가장 자주 대면하는 인터페이스 중 하나이다. 조사에 따르면 스마트폰 사용자들은 일일 평균 150번 잠금해제를 수행하지만[1], 패턴인식, 비밀번호와 같은 잠금화면 인터페이스등은 보안 및 인증의 목적을 제외하곤 별 다른 이익을 제공하지 못하는 것이 현 실정이다. 본 논문에서는 보안용도의 기존 잠금화면을 전방 카메라를 활용한 얼굴 및 표정인식 어플리케이션으로 대체하여 표정 데이터를 수집한 뒤 실시간 표정 및 감정 변화 피드백을 제공하는 인터페이스를 제시한다. 본 연구에선 Quantified Lockscreen 어플리케이션을 통한 실험을 통해 1) 잠금화면을 활용한 비침습적인 인터페이스를 통해 연속적인 표정데이터 획득과 감정패턴을 분석할 수 있는 것을 검증했으며 2) 개인화된 학습 및 분석으로 표정인식 및 감정 검출의 정확도를 개선하였으며 3) 표정으로부터 추론된 감정 데이터의 타당성을 강화하기 위한 양괄식 검증기법을 도입하여 감정 검출의 다중채널 및 다중입력 방법론의 가능성을 확인하였다.
