전체 글37 비디오 압축 표준의 발전 개요 비디오 압축 표준의 발전 연혁 MPEG-1 (1993): 비디오 CD와 같은 기기를 위한 최초의 MPEG 표준. MPEG-2 (1995): 디지털 TV 방송 및 DVD와 같은 미디어 포맷을 위한 표준. H.263 (1996): 동영상 전화와 인터넷 화상 통화를 위한 비디오 코딩 표준. MPEG-4 Part 2 (1999): 더 나은 비디오 압축과 전송 기능을 위한 표준. H.264 (MPEG-4 Part 10, AVC) (2003): 고화질 비디오 압축 표준으로 MPEG-4 Part 2의 발전된 버전. H.265 (HEVC) (2013): H.264의 다음 세대 비디오 압축 표준. AV1 (2018): 개방형 라이선스를 가진 새로운 비디오 코딩 표준. VVC (Versatile Video Coding) .. 2023. 8. 9. 비디오 압축 프로세스 영상 인코딩 (Encoding): 비디오 데이터를 디지털 형식으로 변환합니다. 일반적으로 RGB 색상 정보를 사용하는 비디오 프레임을 YUV(YCbCr) 색상 공간으로 변환합니다. 이는 인간의 시각 특성을 고려하여 밝기와 색상 정보를 분리하여 처리하는 방법입니다. 프레임을 작은 블록으로 분할하고, 각 블록의 변화를 추적하여 움직임 벡터를 계산합니다. 이 움직임 정보는 나중에 프레임 간 차이를 압축하는 데 사용됩니다. 공간 압축 (Spatial Compression): 정적 이미지 압축 기법과 유사한 방식으로 각 프레임의 공간 정보를 줄입니다. 주요한 기법으로는 이미지 압축 알고리즘(예: JPEG)을 사용하여 이미지 블록을 압축하거나, 변화가 없는 영역을 감지하여 효율적으로 저장하는 기법이 있습니다. 시간.. 2023. 8. 8. 그래프 신경망(Graph Neural Network) 그래프 신경망(GNN) 소개 그래프 신경망(Graph Neural Network, GNN)은 복잡한 그래프 구조 데이터를 분석하고 모델링하는 데 사용되는 인공 신경망의 한 종류입니다. 그래프는 노드(node)와 엣지(edge)로 이루어진 네트워크 형태의 데이터 구조를 나타내며, 이러한 데이터는 사회 네트워크, 분자 구조, 지리 정보 등 다양한 분야에서 사용됩니다. GNN은 이러한 그래프 데이터의 특징을 적절하게 고려하여 그래프 상의 노드나 엣지에 대한 정보를 추출하고 분석하는 방법을 제공합니다. GNN의 구성 요소 GNN은 주로 아래와 같은 요소들로 구성됩니다: 그래프 표현 (Graph Representation) 그래프 신경망은 주어진 그래프 데이터를 표현하는 방식이 중요합니다. 각 노드와 엣지는 특정.. 2023. 8. 7. 추론 2 분산전문가 시스템 소개 분산전문가 시스템은 여러 전문가 시스템이 네트워크를 통해 상호 연결되어 작업을 수행하고 지식을 공유하는 방식으로 구성되는 전문 지식 기반 시스템입니다. 이 시스템은 분산 컴퓨팅과 전문가 시스템의 원리를 결합하여 복잡한 문제 해결과 의사 결정을 지원하는 데 사용됩니다. 분산전문가 시스템의 주요 특징 1. 분산 아키텍처 분산전문가 시스템은 여러 개별적인 전문가 시스템이 네트워크를 통해 연결되는 형태로 구성됩니다. 각 전문가 시스템은 자체적으로 특정 도메인의 지식과 추론 엔진을 가지고 있습니다. 2. 지식 공유 분산전문가 시스템은 전문가 시스템 간에 지식을 공유하고 교환하는 기능을 제공합니다. 이를 통해 여러 전문가의 도메인 지식을 효율적으로 활용할 수 있습니다. 3. 협력적 추론 각 .. 2023. 8. 6. 이전 1 2 3 4 5 ··· 10 다음