본문 바로가기
대메뉴 바로가기
KAIST
뉴스
유틸열기
홈페이지 통합검색
-
검색
ENGLISH
메뉴 열기
%ed%95%84%ea%b8%b0%20%ec%9d%b8%ec%8b%9d%ea%b8%b0%ec%88%a0
최신순
조회순
인공지능 패턴인식 연구실 국제 학술행사 최우수 논문상 석권
박사과정 최현일 씨는 최우수 학생논문상졸업생 조성정 박사는 최우수 논문상 수상 KAIST 전산학과 인공지능패턴인식연구실(책임교수 김진형) 박사과정의 최현일 씨(崔玹一, 30)와 졸업생 조성정 박사(趙誠貞, 29)가 최근 일본 도쿄에서 열린 문서 분석과 문자 인식 분야의 세계적 학술 행사인 "제 9차 문자인식 국제 워크샵(IWFHR, International Workshop on Frontiers in Handwriting Recognition)"에서 각각 "최우수 학생논문상"과 "최우수 논문상"을 수상했다. 이들이 수상한 "최우수 논문상(Best Paper Award)"은 필기 인식 관련 분야에서 뛰어난 업적을 인정하여 IAPR(국제 패턴 인식 연합) 산하 관련 분야 전문가들이 수여하는 상이다. 후보자 자격은 학회의 제출된 논문의 제1저자여야 하며, 일반 논문분야와 학생논문 분야로 구분되어 있다. 문자인식 국제 워크샵(IWFHR)은 패턴 인식 분야 국제 패턴 인식 연합의 후원으로 필기 인식 및 관련 분야의 전문가들이 주최하는 행사이며, 이번에 개최된 제 9차 학회는 지난 10월 25일부터 29일까지 4박 5일간의 일정으로 일본의 도쿄 히타치 중앙 연구소에서 개최됐다. 이번 학회에는 미국을 비롯 영국, 프랑스, 독일 등 유럽의 여러 나라와 일본 브라질 등 약 25개국에서 백여명의 관련학자들이 참여한 학술행사였다. <최현일 씨의 수상 개요> 논문제목 : 베이지안 네트웍 기반의 온라인 개인 필기 생성(Writer Dependent Online Handwriting Generation with Bayesian Network) 논문저자 : 제1저자 : 최현일(KAIST 전산학과 박사과정) 논문내용 : 인터넷의 급속한 보급에 따라 사용자들은 가상공간에서 자신의 존재를 부각시키는데 많은 시간을 할애하고 있다. 개인 홈페이지나 아바타 같은 매개체를 통해 자신의 특성을 표현하는 것이다. 이러한 개인적 특성이 매우 잘 표현되는 것 중 하나가 필기이다. 같은 글자를 필기하더라도 사람마다 그 모양이 서로 다르기 때문이다.그러나 문제는 한 사람이 같은 글자를 필기할 때도 모양이 조금씩 달라진다는 것이다. 이러한 이유는 필기시 손가락 관절이나 근육에서 발생하는 물리적인 힘의 양이 조금씩 달라지거나 필기자의 심리적 상태가 근육 운동에 반영되기 때문이다. 따라서 개인의 필기를 자동으로 생성하기 위해서는 1) 어떻게 컴퓨터로 하여금 개인의 필기 형태를 배우게 하는가 2) 필기 형태의 변이를 어떻게 모델링 하는가의 두 가지 문제를 해결해야 한다. 여기서 최현일 씨의 역할은 이 문제를 풀기 위한 이론적 모델을 제시하고 좀 더 발전된 새로운 모델을 제시하는 것이었다. 최우수 학생논문상 선정 이유 : 필기자 적응 기법을 통해 개인 필기의 변이를 효과적으로 모델링하는 방법을 제시함. <조성정 박사 수상 개요> 논문제목 : Magic Wand: 관성센서가 장착된 3차원 공간상의 손동작 제스처 입력 장치 Magic Wand: A Hand-Drawn Gesture Input Device in 3-D Space with Inertial Sensors 논문저자 : 제1저자 조성정(KAIST 전산학과 학사, 석사, 박사과정 졸업) 논문내용 : 본 논문에서는 3차원 공간상에서 사용자가 손동작으로 입력한 제스처를 인식하는 신개념의 제스처 입력장치 Magic Wand(마술봉)를 제시한다. 본 입력장치에 채용한 가속도 센서와 각속도 센서는 사용자의 손동작에 따라 발생하는 가속도와 각속도를 일정주기로 측정하여 출력한다. 궤적 복원 알고리즘은 이 가속도와 각속도 신호의 시계열로부터 공간상의 손동작 움직임을 복원하고, 2차원 평면상의 궤적으로 변환한다. 베이지안 네트웍에 기반한 인식 알고리즘은 이 궤적을 입력받아, 최대모델우도(maximum model likelihood)를 갖는 제스처 모델을 탐색한다. 제안한 시스템을 15명의 제스처 데이터로 테스트한 결과 상당히 유망한 인식 결과를 획득하였다. 13개의 제스처 클래스에 대하여 평균 99.2%의 필자 독립 인식률을 달성하였다. 저자의 기여 : 3차원 제스처 인식 알고리즘 개발(제스처 입력시 발생한 가속도 및 각속도 신호를 Bayesian network 모델을 사용하여 인식하는 알고리즘 개발) 최우수논문상 선정 이유 : 기존 2차원 평면에 국한된 필기 인식기술을 3차원으로 확장 궤적 복원과 베이지안 네트웍을 적용한 인식 방법론이 우수함 필기평면의 제약을 없앰
2004.11.08
조회수 33282
<<
첫번째페이지
<
이전 페이지
1
>
다음 페이지
>>
마지막 페이지 1
