Earticle

스마트폰의 발달로 인해 우리는 일상에서 언제든지 사진을 편리하게 촬영하고 저장할 수 있게 되었다. 더불어 이미지 센서와 렌즈 등 카메라 모듈의 발전으로 점점 스마트폰뿐만 아니라 전체적인 카메 라 성능이 증가하고 있다. 그러나 카메라의 발전과 촬영자의 의도대로 사진이 촬영되는 것은 비례하지 않아 사진 보정의 중요성이 대두되고 있다. 특히 그 중 그림자로 인해 사물을 표현하는 데 걸림돌이 되는 경우가 종종 있다. 이는 로봇청소기가 바닥의 그림자 때문에 물체를 혼동하는 경우나 위성 및 항 공 영상 분석 시 건물의 그림자로 인해 오류가 발생하는 경우 등이 있다. 본 연구는 그림자로 인한 이 미지 판별 오류를 줄이고 더욱 정확한 이미지 분석을 위해 딥러닝을 기반으로 한 그림자 제거 방식에 대한 연구를 진행하며 더 나은 방법을 제안한다. 본 논문에서는 SBU에서 제공하는 그림자 영상 데이 터셋을 사용하여 연구를 진행하였고 데이터셋은 그림자가 포함된 원본 영상과 원본 영상에 그림자 마 스크가 적용되어 1대 1로 매칭되는 이미지가 존재한다. 학습 모델로는 그림자 제거에 최적화 된 ST-CGAN 모델과 이미지 변환에 자주 사용되는 Pix2Pix 모델을 활용하여 학습을 진행하였다. 두 모 델 모두 GAN을 기반으로 한다. 학습 후 MSE 값과 SSIM, PSNR 값을 비교하고 데이터 증강 후 다 시 학습과 비교를 거침으로써 두 모델의 비교와 데이터 증강 전과 후를 비교하여 그림자 제거 성능이 더욱 뛰어난 모델을 생성하는 것을 목표로 한다. 이를 통해 더욱 향상된 그림자 제거 모델이 나올 수 있기를 기대하는 바이다.

본 논문은 기존 인증 시스템의 중앙화 문제와 복잡성을 해결하기 위해, 경량화된 블록체인 기반 인 증 시스템인 SPKILite를 제안한다. 본 시스템은 단순한 구조의 공개키 기반 권한 모델을 바탕으로 스 마트 컨트랙트를 통해 인증서의 발급, 검증, 관리를 자동화하였다. 실험을 통해 낮은 가스비, 높은 발 급 및 검증 성공률, 자동 만료, 위조 방지 기능 등을 확인하였으며, 제안 시스템의 효율성과 신뢰성을 입증하였다.

2021년 EU에서 DGA(Data Governance Act)가 승인된 이후, 데이터 공유를 촉진하기 위한 새로운 법적 규제가 마련되었다. DGA는 데이터 주권을 강조하고, 데이터의 자유로운 이동과 안전한 처리를 위한 조건을 제시한다. 이에 따라 본 논문은 블록체인을 활용한 자율적인 사용자 동의 기반 개인 데이터 처리 시스템을 제안한다. 제안한 시스템을 통해 개인의 데이터 주권 보장과 데이터의 투명하고 안전한 이동과 처리를 기대한다.

Recently, a graph neural network has played a crucial role across various fields. In this paper, we designed a Graph Convolutional Network (GCN) to analyze population movement at the city level. It consists of four Graph Convolution (GC) layers, with each layer responsible for aggregating knowledge from its neighboring nodes and updating the feature representation for each city. We utilized population mobility data from China, which includes daily city-to-city movement data. GCN estimates the strength of relationships among all cities. Experimental results demonstrate that the proposed GCN achieves improved performance in estimating city-to-city migration flow relationships.

인간 행동 인식(Human Activity Recognition) 연구는 주로 한 가지 센서만을 이용하여 진행되고 있다. 본 연구에서는 실험을 통해 10종류의 동작에 대한 3축 자이로 데이터 및 가속도 데이터와 비디오 데이터를 확보하였다. 비디오 데이터에서 신체의 33개 랜드마크의 3축 위치좌표 데이터를 추출하여 동 작 데이터를 시계열 데이터로 통일하고, 1차원 합성곱 신경망을 이용하여 지도 학습을 진행하였다.

메타버스 산업 시장의 활성화와 함께 가상 공간에서의 경제활동에 대한 관심이 급증하고 있다. 이에 따라 메타 버스 내에서 안전하고 효율적인 디지털 자산 거래의 필요성이 부각되고 있으며, 이에 대한 다수의 연구/개발이 이루어지고 있다. 이 중 Non-Fungible Token은 디지털 콘텐츠의 소유권을 명확히 할 수 있는 중요한 수단으로 부각되고 있다. 하지만, 해당 기술은 블록체인 기술을 기반으로 하고 있어 내부 메타데이터 정보의 투명한 공개로 인해 사용자의 프라이버시 및 저작권을 침해하는 이슈가 발생할 수 있다. 또한, 중앙 집중화된 플랫폼을 통한 Non-Fungible Token 거래는 거래 비용 및 거래 과정의 복잡성을 증가시키며, 중앙 집중식 형식으로 인해 보안 사고가 발생하였을 시 데이터 유출로 인한 사용자 프라이버시 침해 이슈가 발생 가능하다. 이에 본 논문에서는 메타버스 환경 내에서 안전하고 이해관계자의 권리가 보장된 Non-Fungible Token 거래가 가능하도록 동형암호 기반 프라이버시 보존 Non-Fungible Token 거래 시스템을 제안한다. 제안된 시스템은 Non-Fungible Token 거래 시 발생하는 민감 정보에 대해 동형암호 기술을 적용하여 사용자의 프라이버시를 보호하고, 디지털 콘텐츠 에 대한 유사도 검사를 통해 저작권자의 권리를 보장받을 수 있도록 한다. 이와 더불어 메타버스 환경 내에서 사 용자 경제 활동의 특성상 1대1 거래가 발생할 수 있음에 따라 Peer-to-Peer 거래 방식을 기반으로 시스템이 동작하도록 하여 불필요한 거래 과정 및 거래 수수료를 제거하고, 양 당사자 모두의 동의 하에만 거래가 이루어 지도록 함으로써 거래의 신뢰성과 프라이버시 보호가 강화된 Non-Fungible Token 거래 시스템을 제안한다.

The use of drones is rapidly increasing in sports, photography, and entertainment purposes because of their affordable price and lightweight nature. However, this potential increment in the of drone of drone is creating safety and security threats. The detection of drones is necessary to overcome these issues. The detection of drones may be challenging because of the presence of other aerial objects like aircraft and birds. The existing systems used for drone detection employed a small dataset with a lack of diverse images. To overcome the limitation in previous studies, in this study, we used a largescale dataset drone images dataset. We conducted experiments on different You Only Look Once Version 8 (Yolov8) models using this dataset. All the trained models are evaluated in terms of precision, recall, mAP50, and mAP50-95. Yolov8x exhibits high performance in terms of precision, recall, mAP50, mAP50-95 models among other models which shows the superiority of Yolov8x in drone detection technology.

본 논문은 정보 취약계층의 키오스크 접근성 및 사용자 경험 개선을 목표로, 음성 인식 기술을 활용 한 대화형 키오스크를 제안한다. 이를 위해 대화형 주문 시스템, 사용자와의 효과적인 상호작용 기능 을 제공한다. 본 연구는 주문 절차의 간소화를 추구하며, 이는 음성으로 주문을 시작하고 알레르기 정 보 제공부터 메뉴 및 결제 방법 선택, 최종 결제까지의 주문 전 과정을 포함한다. 이러한 접근이 정보 취약계층의 키오스크 사용 경험을 개선하고 비대면 주문 시스템의 효율성 및 경제성을 높일 것으로 기대한다.

Object Detection을 이용해 물체를 탐지하는 자율 주행 자동차는 탐지 환경에 따라 객체의 인식률이 달라질 수 있다. 현재 야간 환경에서의 Object Detection 성능은 주간 환경에서의 Object Detection 성능보다 더 낮은 수준이다. 이는 모델의 객체 탐지 정확도에 악영향을 미쳐 안전성 문제를 야기할 수 있기 때문에 자율 주행 자동차가 사용화 되는데 어려움을 줄 수 있다. 따라서 본 논문에서는 KITTI 데이터셋을 이용하여 주간 및 야간 환경에 대한 Object Detection의 성능에 대해 실험 및 비교 분석한다. Data Augmentation을 통해 어두운 환경과 밝은 환경에서의 Detection 성능 비교 후 어두운 환경에서의 성능 하락에 대한 문제점을 제시하여, 야간 환경에서의 Object Detection 성능 개선의 필요성을 강조한다. 더 나아가 자율 주행 자동차의 안전성 확보 및 상용화를 위해 다양한 환경에 적용할 수 있는 Object Detection 연구의 필요성에 대해서도 강조한다. 실험 결과, 야간 환경의 Object Detection 성능이 주간 환경의 Object Detection 성능보다 감소한 것을 알 수 있다.

연속형, 이산형, 명목형, 또는 순서형 데이터값으로 구성된 특성변수 벡터들의 집합인 테이블형 데이 터셋은 대부분 전통적인 기계학습 알고리즘인 회귀 또는 트리를 적용하여 예측 모델을 생성하고 있지 만, 특성변수 벡터의 크기가 커질수록 회귀계수의 추정과 예측이 어려워진다는 문제가 있다. 본 논문 에서는 기계학습 외에 CNN, Vision Transformer와 같이 빠르게 발전하고 있는 Deep Learning 알 고리즘을 적용할 수 있도록 테이블형 데이터셋을 이미지로 변환하는 기법을 설계한다.