Earticle

양자 컴퓨터의 발전으로 기존 공개키 암호체계의 안전성이 위협받음에 따라 이에 대응할 수 있는 양자내성암호(PQC) 기술 이 주목받고 있다. 본 논문에서는 NIST PQC 표준화의 주요 후보인 ML-KEM 알고리즘을 대상으로 ARM 아키텍처의 NEON 과 RISC-V의 Vector Extension(RVV) 기반 병렬 최적화 구현 동향을 분석하였다. 각 아키텍처의 SIMD 연산 구조와 특성이 ML-KEM의 핵심 연산 최적화에 어떻게 다르게 적용되는지를 유형별로 분석하여 아키텍처별 최적화 전략 프레임워크를 제시 한다. 분석 결과, 고정 길이 SIMD를 사용하는 NEON은 마이크로 아키텍처 수준의 미세 조정이, 가변 길이 벡터를 지원하는 RVV는 알고리즘의 데이터 흐름에 맞는 적응형 최적화가 효과적임을 확인했다. 본 연구는 향후 다양한 환경에서 PQC를 구현 하고 최적화하려는 연구자들에게 실질적인 가이드라인을 제공한다는 점에서 의의를 가진다.

With the advancement of quantum computers, the security of existing public-key cryptosystems is being threatened, leading to increased attention on quantum-resistant cryptography (PQC) technologies that can address this issue. This paper analyzes the trends in parallel optimization implementations of the ML-KEM algorithm, a major candidate for NIST PQC standardization, based on the NEON of the ARM architecture and the Vector Extension (RVV) of RISC-V. We categorize and analyze how the distinct SIMD characteristics of each architecture are differently applied to optimize ML-KEM's core operations. Based on this synthesis, we present an architectural optimization strategy framework. The analysis confirms that NEON, with its fixed-length SIMD, benefits from microarchitectural fine-tuning, while RVV, supporting variable-length vectors, is effective with adaptive optimizations tailored to algorithmic data flow. This study is significant in that it provides a practical guideline for researchers implementing and optimizing PQC on diverse hardware platforms.

본 논문은 감지와 통신 데이터 전송량의 관점에서 서베일런스 네트워크에서 움직이는 객체를 추적하기 위하 여 전송 데이터를 감소시키는 최소 윤곽선 추적 알고리즘을 제안한다. 이 알고리즘은 객체 추적에 대한 감지를 수행 하고 서버와의 영상 데이터 전송 시 영상 데이터 전송량을 줄임으로써 서버와의 통신 부하를 최소화한다. 이 알고리 즘은 객체의 운동학을 기초로 최소 추적 영역을 사용한다. 객체의 운동학의 모델링은 예정된 시간 안에서 이동할 수 있는 객체에 의해 운동 역학적으로 방문될 수 없는 추적 영역의 부분을 제거하는 것으로써 시작한다. 실시간으로 객 체를 검출하는 응용 분야에서 대량의 영상 데이터를 전송시에 전송 부하를 줄일 수 있는 효과가 있다.

This paper proposes a minimal contour tracking algorithm that reduces transmission of data for tracking mobile objects in surveillance networks in terms of detection and communication load. This algorithm perform detection for object tracking and when it transmit image data to server from camera, it minimized communication load by reducing quantity of transmission data. This algorithm use minimal tracking area based on the kinematics of the object. The modeling of object's kinematics allows for pruning out part of the tracking area that cannot be mechanically visited by the mobile object within scheduled time. In applications to detect an object in real time,when transmitting a large amount of image data it is possible to reduce the transmission load.

사람 검출은 정지된 영상 혹은 동영상으로부터 사람의 움직임이나 자세를 추정하고, 사람이 찾아질 경우 영 상 내 사람의 좌표, 동작 인식, 보안관련 인증 등을 알아내는 기술로 정의된다. 이러한 사람 검출은 다른 객체의 검 출이나 사람과 컴퓨터와의 상호작용, 동작 인식 등의 기초 기술로서 해당 시스템의 성능에 영향을 미치는 매우 중요 한 변수 중에 하나이다. 그러나 영상 내의 사람은 움직임, 자세, 크기, 빛의 방향 및 밝기, 다른 객체와의 중복 등의 환경적 변화로 인해 사람 모양이 다양해지므로 정확하고 빠른 검출이 어렵다. 따라서 본 논문에서는 피셔의 선형 판 별 분석을 이용하여 몇 가지 환경적 조건을 극복한 정확하고 빠른 사람 검출 방법을 제안한다. 제안된 방법은 사람 움직임 및 자세와 배경에 무관하게 빠른 시간 안에 사람을 검출하는 것이 가능하다. 이를 위해 계층적인 방법으로 사람 검출을 수행하며, 휴리스틱한 방법, 피셔의 판별 분석을 이용하여 사람 검출을 수행하고, 검색 영역의 축소와 선형 결정의 계산 시간의 단축으로 검출 응답 시간을 빠르게 하였다. 추출된 사람 영상에서 사람의 자세를 추정하고 사람의 영역을 검출함으로써 사람 정보의 사용에 있어 보다 많은 정보를 추출할 수 있도록 하였다.

Many reported methods assume that the people in an image or an image sequence have been identified and localization. People detection is one of very important variable to affect for the system's performance as the basis technology about the detection of other objects and interacting with people and computers, motion recognition. In this paper, we present an efficient linear discriminant for multi-view people detection. Our approaches are based on linear discriminant. We define training data with fisher Linear discriminant to efficient learning method. People detection is considerably difficult because it will be influenced by poses of people and changes in illumination. This idea can solve the multi-view scale and people detection problem quickly and efficiently, which fits for detecting people automatically. In this paper, we extract people using fisher linear discriminant that is hierarchical models invariant pose and background. We estimation the pose in detected people. The purpose of this paper is to classify people and non-people using fisher linear discriminant.

Automatic vectorization in the field of image processing and recognition is one of development direction. This paper does some relevant researches on satellite cloud image preprocessing, image segmentation, image vector quantization. To improve the effect of noise reduction and preserving image details, this paper puts forward an improved adaptive median filter algorithm; For increasing the speed of image segmentation, this paper puts forward automatic layering algorithm combined with color information. Finally, this paper puts forward automatic vector quantization algorithm based on satellite cloud images and we developed an automatic vector quantization prototype system of satellite cloud images. The research results suggest that our automatic vector quantization algorithm has satellite cloud information automatic extraction function, identification function and vector quantization function.

외연적 유한요소법은 벡터처리에 적합한 구조를 가지고 있어 벡터컴퓨터를 이용하면 기존의 스칼라 컴퓨터에서보다 휠씬 빠르게 해석을 수행할 수 있다. 본 논문에서는 memory-to-memory방식의 벡터컴퓨터에서의 외연적 유한요소법의 효율적인 벡터화 방법을 제시하였다. 먼저 벡터컴퓨터의 구조적 특성과 무관하게 적용될 수 있는 일반적인 벡터화 기법을 고찰한 후 memory-to-memory방식의 벡터컴퓨터에 적합한 벡터화 기법을 개발하였다. 개발된 벡터화 기법의 유용성을 확인하기 위해 외연적 유한요소 프로그램인 DYNA3D를 memory-to-memory방식의 벡터컴퓨터인 HDS AS/XL V50에 이식한 결과 스칼라에 비해 2.4배 이상의 성능 향상을 얻을 수 있었다.

An explicit finite element method can be executed more rapidly and effectively on vector computer than on the scalar computer because it has suitable structures for vector processing. In this paper, an efficient vectorization method of the explicit finite element program on the memory-to-memory type vector computer is proposed. First, the general vectorization method which can be applied regardless of the vector architecture is investigated, then the method which is suitable for the memory-to-memory type vector computer is proposed. To illustrate the usefulness of the proposed vectorization method, DYNA3D, the existing explicit finite element program, is migrated on HDS AS/XL V50 which is the memory-to-memory type vector computer. Performance results on actual test show a vector/scalar speedup is above 2.4.

지형측량은 도로, 항만 등 국가 주요 시설물을 측량하여 computer-aided design (CAD)로 도식화 하는 분야이다. 수작업으로 진행되는 도식화로 인해 작업자 과실의 가능성과 작업시간 연장이 우려된다. 본 연구에서는 unmanned aerial vehicle (UAV) 고해상도 정사영상과 딥러닝 알고리즘을 결합하여 설계도면 벡터화 과정의 개선 가능성을 확인코자 하였다. 학습데이터로 국내 5개 지자체에서 취득한 총면적 5.55 km²의 고해상도(ground sample distance, GSD: 5 cm) UAV 정사영상을 사용하였고, 공간정보품질관리원의 성과심사를 마친 도면을 ground truth (GT)로 사용하였다. 학습 및 추론을 진행한 결과 세그멘테이션(segmentation)의 정확도는 Overall pixel accuracy 90%, Full intersection over union (FIoU)이 84%이었으며 Hierarchical supervision (HiSup) 알고리즘을 적용한 폴리곤(polygon) 생성 정확도는 94%로 확인되었다. 본 연구를 통해 넓은 지역과 수많은 객체에 대해 공간정보를 신속 정확하게 생성해야 하는 지형측량 분야에서의 AI솔루션의 가능성을 확인할 수 있었다.

Topographic surveying involves mapping critical national infrastructure such as roads and ports, and visualizing them using computer-aided design (CAD). However, manual drafting in this process poses concerns regarding potential errors and extended working hours. This study aimed to explore the potential for improving the vectorization process of design drawings by combining unmanned aerial vehicle (UAV) high-resolution orthophotos with deep learning algorithms. For training data, high-resolution UAV orthophotos (ground sample distance, GSD: 5 cm) covering a total area of 5.55 km² from five municipalities in South Korea were used, and ground truth (GT) data was derived from drawings approved by the Spatial Information Quality Control Agency. The training and inference results demonstrated a segmentation accuracy of 90% in Overall pixel accuracy and 84% in full intersection over union (FIoU). Polygon generation accuracy using the Hierarchical supervision (HiSup) algorithm was also confirmed to be 94%. This study highlights the potential of AI solutions in the field of topographic surveying, where the rapid and accurate generation of spatial information for large areas and numerous objects is essential.

As a basic study for Man-Machine interfacing technics, this paper purposed the vertorization of EOG(electrooculogram) that is generated by eye movement. EOG is electric potential difference between the positive potential of cornea and the negative potential of retina. The magnitude and the polarity are depend on the direction of eye movement and degree of gaze angle. In order to vectorize EOG, EOG signal is measured about vertical and horizontal movement of eyes. This vectorization of EOG is expected to help Man-Machine Interfacing technics and development of other useful equipment.

Transformin the huge size of drawings into a suitable format for CAD system and recognizng the contents of drawings are the major concerans in the automated analysis of engineering drawings. This paper proposes some methods for text/graphics separation, symbol extraction, vectorization and symbol recognition with the object of applying them to electronic cirucit drawings. We use MBR (Minimum bounding rectangle) and size of isolated region on the drawings for separating text and graphic regions. Characteristics parameters such as the number of pixels, the length of circular constant and the degree of round shape are used for extracting loop symbols and geometric structures for non-loop symbols. To recognize symbols, nearest netighbor between FD (foruier descriptor) of extractd symbols and these of classification reference symbols is used. Experimental results show that the proposed method can generate compact vector representation of extracted symbols and perform the scale change and rotation of extracted symbol using symbol vectorization. Also we achieve an efficient searching of circuit drawings.

Purpose: Medical records classification using vectorization techniques plays an important role in natural language processing. The purpose of this study was to investigate proper vectorization techniques for electronic medical records classification. Material and methods: 403 electronic medical documents were extracted retrospectively and classified using the cosine similarity calculated by Scikit-learn (Python module for machine learning) in Jupyter Notebook. Vectors for medical documents were produced by three different vectorization techniques (TF-IDF, latent sematic analysis and Word2Vec) and the classification precisions for three vectorization techniques were evaluated. The Kruskal-Wallis test was used to determine if there was a significant difference among three vectorization techniques. Results: 403 medical documents were relevant to 41 different diseases and the average number of documents per diagnosis was 9.83 (standard deviation=3.46). The classification precisions for three vectorization techniques were 0.78 (TF-IDF), 0.87 (LSA) and 0.79 (Word2Vec). There was a statistically significant difference among three vectorization techniques. Conclusions: The results suggest that removing irrelevant information (LSA) is more efficient vectorization technique than modifying weights of vectorization models (TF-IDF, Word2Vec) for medical documents classification.

본 논문은 손으로 자유롭게 그린 서식 문서의 주요점을 검출하여 서식의 구조를 벡터화하는 방법을 제안한다. 선 성분의 주요점을 검출하여 그 구조를 벡터화하는 방법은 주로 인쇄 서식 문서의 구조 분석에 적용하기 좋은 방법이다. 이에 반해 손으로 설계한 서식 문서는 주요점 부분이 왜곡되어 있기 때문에 주요점의 검출이 손쉽게 이루어지기 곤란하다. 이 논문에서는 이러한 문제를 해결하기 위해 손으로 설계한 서식 문서를 세선화한 다음 여유 성분을 갖는 마스크를 적용하고 후처리를 통해 주요점 부분의 심한 왜곡을 보상하는 방법을 제안하여 손으로 설계한 서식 문서에서도 주요점의 검출이 가능하도록 하였다. 제안한 방법의 유효성을 확인하기 위한 실험 결과 손으로 설계한 서식의 경우 91.9%, 인쇄 서식의 경우 100%의 벡터화 성공률을 보여주어 제안한 방법이 손으로 설계한 서식 구조의 벡터화에 유효함을 확인하였다.

오늘날 수많은 사용자와 제한된 메모리 공간 때문에 빅 데이터(big data)를 위한 메모리 공간 문제가 중요한 이슈로 부상하고 있다. 대규모 MIMO 시스템에서 Toeplitz 채널은 전력효율 문제뿐아니라 성능 개선에 커다란 역할을 할 수 있다. 본 논문에서는 행렬 벡터화(vectorization)에 기반한 Toeplitz 채널 분해를 제안하고, 이때 대규모 MIMO 시스템을 위한 채널에 Toeplitz 행렬을 사용하며, 또 Toeplitz Jackrt행렬이 푸리에 고속 변환(FFT)처럼 Cooley-Tukey sparse 행렬로 분해됨을 보인다.

Due to enormous number of user and limited memory space, the memory saving is become an important issue for big data service these days. In the large scaled multiple-input multiple-output (MIMO) system, the Teoplitz channel can play the significance rule to improve the performance as well as power efficiency. In this paper, we propose a Toeplitz channel decomposition based on matrix vectorization. Here we use Toeplitz matrix to the channel for large scaled MIMO system. And we show that the Toeplitz Jacket matrices are decomposed to Cooley-Tukey sparse matrices like fast Fourier transform (FFT).

지도에서의 문자와 선성분의 겹침과 선성분의 교차점 및 가지점에서의 벡터화 왜곡문제는 지도 자동입력 기능 구현에서의 문제점으로 지적되고 있다. 본 논문에서는 이와같은 두가지 문제점을 동시에 해결하기 위한 새로운 방법을 제안한다. 즉, 지도영상을 일반적인 방법으로 세선화 한 후 교차점 및 분기점을 중심으로 그 주변을 불확실영역으로 정하고 이 영역을 삭제한 후, 끊어진 선성분은 상호 연결가능 척도를 이용하여 연결하고 연결되진 않는 부분을 문자영역으로 분리하는 방법을 제안한다. 특히 제안된 방법은 벡터화 왜곡 및 문자분릴르 동시에 처리함에 따라 수행 속도면에서도 장점이 있으며, 처리과정에서 선성분의 두께산출 등의 적응적 처리과정을 포함함에 따라 대상지도의 입력 해상도에 무관하게 처리될 수 있는 장점도 있다. 제안된 방법은 일반적으로 직선성분과 문자영역의로 구성되는 경우에 효과적이며 이러한 예에 해당되는 한국 지적도에 적용한 실험을 통하여 제안된 방법의 유용함을 보인다.

We propose a new method which can solve the difficulty of separation the character strings from the interconnected lines and the distortions of vectorization at the crossing points and the junction points for the digitized maps at the same time. After the image is thinned, the crossing points and the junction points are detected with their neighbors, which we call the uncertain areas. And then the broken lines are connected each other, and the character strings are separated at the same time. The proposed method is applied to Korean cadastral map. Usually, Korean cadastral map consists of straight lines and character strings. The experimental results show that the method is effective in separating the character strings and getting high quality vectorization for the Korean cadastral map.