기억의 순환 메커니즘을 모델링하기 위한 차원 축소 및 특징값 인코딩 기반 가변형 이미지 표현 방법 연구 (Study on Scalable Image Representation through Dimension Reduction and Features Encoding for Memory Circulation Mechanism Modeling)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 45권 / 7호 / 1293 ~ 1305페이지
· 저자명 : 강규창, 조주필

초록

본 논문은 사람의 기억 순환 메커니즘을 모델링하기 위한 차원축소 및 특징값 인코딩 기반 가변형 이미지 표현방법에 관한 개념 검증 연구이다. 방법론적으로는 매니폴드 학습 기반으로 입력 데이터의 차원을 축소하고 차원축소된 변환/잠재공간에서 특징값 기반 인코딩을 통해 이미지를 가변적 비트스트림으로 표현한다. 본 개념 검증용구현에서 차원축소 및 특징값 추출을 위한 매니폴드 변환 기법으로는 변분 오토인코더를 활용하였고, 차원축소 결과로 추출된 특징값을 인코딩하기 위해서는 사람의 감각기관에서 감각 입력데이터를 정량화하는 개념을 모사한 스칼라 인코딩을 응용하였다. 개념 검증 실험에서는 784차원의 고차원 이미지가 매니폴드 변환으로 10차원으로 축소되고, 축소된 10차원의 부동소수점 특징값을 스칼라 인코딩을 통해 가변 비트의 비트스트림으로 변환이 가능함을 확인하였다. 결과적으로 이미지가 가변 비트의 비트스트림으로 변환됨에 따라 이미지의 인덱싱, 검색, 논리 연산이 가능한 이미지 표현방법으로서 기억의 순환 메커니즘의 기억의 공고화 기능으로 활용할 수 있을 것으로 기대된다.

영어초록

This paper is a proof-of-concept study of variable image representation based on dimension reduction and feature value encoding. Methodologically, the dimensionality of the input data is reduced based on the manifold learning, and the image is represented as a variable bitstream through feature-based encoding in the latent space.
In the implementation of the concept verification, the variational autoencoder is used as the manifold transformation method for dimension reduction and feature value extraction. We applied a scalar encoding that simulates the concept of quantifying sensory input data in human sensory organs. In the proof-of-concept experiment, it was confirmed that the 784-dimensional image is reduced to 10-dimensional features by manifold transform, and that the reduced 10-dimensional floating-point feature values can be converted into a bitstream of variable bits through scalar encoding. As a result, as the image is converted into a bitstream of variable bits, it is expected that it can be used as a memory consolidation function of the memory circulation mechanism.

참고자료

· 없음