본 논문은 비디오 입력으로부터 스테인드글라스 애니메이션을 생성하는 방법을 제시한다. 제안 방법은 먼저 mean-shift 세그멘테이션을 통해 입력 비디오 볼륨을 유리 조각의 단편들로 간주되는 여러 영역으로 분할한다. 그러나 이러한 분할은 주로 과분할을 초래하여, 고도로 텍스처가 풍부한 영역에서는 여러 개의 매우 작은 세그먼트가 발생한다. 실제 스테인드글라스 제작에서는 건축적 안정성을 보장하기 위해 지나치게 작거나 또는 지나치게 큰 유리 조각의 조립을 피한다. 따라서 우리는 과분할을 방지하고 분할된 영역이 과도하게 큰 경우 이를 다시 분할하기 위해 세그멘테이션에서 저주파 성분을 사용한다. 재분할은 깜빡임과 셔워 도어(shower door) 효과와 같은 시간적 인공물(temporal artefacts)을 방지하기 위해 인접한 프레임 간에 일관성을 가져야 한다. 영역을 시간적으로 일관되게 재분할하기 위해, 입력 프레임의 분할된 영역들로부터 파노라마 영상을 얻고, 이를 가중치 보로노이 다이어그램(weighted Voronoi diagram)으로 분할한 뒤, 분할된 영역을 다시 입력 프레임에 투영한다. 각 일관된 영역에 대해 스테인드글라스 조각을 렌더링하기 위해, 실제 스테인드글라스 조각 이미지로 구성된 데이터셋에서 해당 영역에 대한 최적 일치 유리 조각을 결정하고, 그 조각의 색과 질감을 해당 영역으로 전이한다. 마지막으로, 각 프레임에서 영역의 경계에 lead came을 적용하면 시간적으로 일관된 스테인드글라스 애니메이션을 생성할 수 있다.

사물인터넷(Internet of Things, IoT) 기술과 응용의 확산, 특히 모바일 기기의 사용이 개인에서 조직으로 빠르게 확산되면서, 다양한 기회와 도전이 제시되는 모든 서비스 영역에서 보안 무선 네트워크의 근본적 역할이 강조되고 있다. 네트워크 보안의 CIA(기밀성, 무결성 및 가용성) 보안 모델과 성능의 높은 효율을, 자원이 제한된 IoT 플랫폼의 다양한 응용 및 환경에서 달성하기 위해, 고속 암호화 시스템에 대한 요구를 충족하는 원시적 설계로서 DDO-(data-driven operation) 기반 구성들이 도입되었다. 그중에서도 2016년에 Tuan P.M., Do Thi B. 등 이 제안한 TMN 계열 암호는, 서로 다른 알고리즘 선택인 TMN64와 TMN128에서 보여준 높은 유연성, 적용 가능성 및 이동성을 바탕으로, 무선 이동 네트워크(WMN)와 고도화된 무선 센서 네트워크(WSN)의 다양한 통신 응용에 전적으로 적합한 접근으로 평가된다. 두 암호는 선형 공격 및 차분 공격과 같은 알려진 암호해석에 대해 강력한 보안을 제공한다. 본 연구에서는 효율적인 관련키 복구 공격을 제안함으로써, 두 TMN 구성 버전(TMNN64 및 TMN128)의 보안에 관한 새로운 확률적 결과를 제시한다. 높은 확률 특성(DC)은 TMN64와 TMN128의 전체 함수 라운드 수에 대해 각각 10라운드와 12라운드로서, 관련키 차분 성질에 기초하여 구성된다. 따라서 증폭된 부메랑 공격을, 데이터와 시간 소요에 대한 적절한 복잡도를 사용하여 이 두 암호를 공격하는 데 적용할 수 있다. 본 연구는 후속 연구에서 더 나은 암호해석 결과를 위해 최신 BCT 기법을 이용해 확장되고 개선될 것으로 기대된다.