Multiple binarization quadtree framework for optimizing deep learning-based smoke synthesis method
제목 : 딥러닝 기반 연기 합성 기법을 최적화하기 위한 다중 이진화 쿼드트리 프레임워크
김종현*
(* : 강남대학교)
한국컴퓨터정보학회논문지 제26권 4호, 2021.4, 47-53페이지
제목 : 딥러닝 기반 연기 합성 기법을 최적화하기 위한 다중 이진화 쿼드트리 프레임워크
김종현*
(* : 강남대학교)
한국컴퓨터정보학회논문지 제26권 4호, 2021.4, 47-53페이지
Abstract : 본 논문에서는 초해상도(Super-Resolution, SR)을 계산하는데 필요한 물리 기반 시뮬레이션 데이터를 효율적으로 분류하고 분할하여 빠르게 SR연산을 가능하게 하는 쿼드트리 기반 최적화 기법을 제안한다. 제안하는 방법은 입력 데이터로 사용하는 연기 시뮬레이션 데이터를 다운스케일링(Downscaling)하여 쿼드트리 연산 소요 시간을 대폭 감소시킨다. 이 과정에서 연기의 밀도를 이진화함으로써, 다운스케일링 과정에서 밀도가 수치 손실되는 문제를 피하는 방법을 제안한다. 학습에 사용된 데이터는 COCO 2017 데이터 셋이며, 인공신경망은 VGG19 기반 네트워크를 사용한다. 컨볼루션 계층을 거칠 때 데이터의 손실을 막기 위해 잔차(Residual) 보완 방식과 유사하게 이전 계층의 출력 값을 더해주며 학습을 진행한다. 결과적으로 제안하는 방법은 이전 접근법에 비해 약 15~18배 정도의 속도향상을 얻었다.
[paper]