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.

본 논문은 주어진 비디오 입력으로부터 채색유리(스테인드글라스) 애니메이션을 생성하는 방법을 제시한다. 먼저 입력 비디오 프레임에서 저주파 성분을 추출하여 영상 분할에서 과도한 분할을 유발하는 텍스처를 제거한다. 다음으로 평균이동(mean-shift) 비디오 분할을 이용해 입력 비디오 볼륨을 분할한다. 그러나 분할된 영역은 건축적으로 안정하기에 너무 크므로, 영역의 세분화가 필요하다. 시간적으로 일관된 방식으로 영역을 세분화하기 위해 분할된 영역들로부터 파노라마 이미지를 얻고, 가중치 베로노이(weighted Voronoi) 다이어그램을 사용하여 이를 세분화한다. 세분화된 영역들을 채색유리 조각처럼 렌더링하기 위해 실제 채색유리 조각 이미지 데이터베이스에서 해당 영역과 가장 잘 일치하는 유리 조각을 찾아 그 유리 조각의 색을 해당 영역에 전이한다. 마지막으로 영역의 경계에서 납 리드(lead came)를 생성하여 시간적으로 일관된 채색유리 애니메이션을 도출한다.

본 논문은 비디오 입력으로부터 스테인드글라스 애니메이션을 생성하는 방법을 제시한다. 해당 방법은 먼저 mean-shift 분할(mean-shift segmentation)을 통해 입력 비디오 볼륨을 스테인드글라스의 조각(유리 파편)으로 간주되는 여러 영역들로 분할한다. 그러나 분할 결과는 주로 과분할(over-segmentation)로 나타나, 질감이 매우 복잡한 영역에서 다수의 아주 작은 분할 조각이 생성된다. 실제 스테인드글라스 제작에서는 건축적 안정성을 확보하기 위해 지나치게 작거나 크기가 큰 유리 조각의 조립을 피한다. 따라서 우리는 과분할을 방지하기 위해 분할에서 저주파 성분을 사용하고, 분할된 영역이 과도하게 큰 경우에는 이를 재분할한다. 재분할은 프레임 간 인접성(coherence)을 유지하여 깜빡임(flickering)과 샤워 도어 효과(shower door effect)와 같은 시간적 인공물(artefacts)을 방지해야 한다. 영역을 시간적으로 일관되게 재분할하기 위해, 분할된 영역들로부터 입력 프레임의 파노라마 영상을 획득하고, 이를 가중 Voronoi 다이어그램(weighted Voronoi diagram)으로 분할한 뒤, 분할된 영역을 다시 입력 프레임에 투영한다. 각 시간적으로 일관된 영역에 대해 스테인드글라스 조각을 렌더링하기 위해, 실제 스테인드글라스 조각 이미지로 구성된 데이터셋으로부터 해당 영역에 대한 최적 매칭 유리 조각을 결정하고, 그 유리 조각의 색과 질감을 영역에 전이(transfer)한다. 마지막으로, 각 프레임에서 영역의 경계에 리드 카메(lead came)를 적용함으로써 시간적으로 일관된 스테인드글라스 애니메이션을 생성한다.

대규모 수의 IoT 장비를 연결하는 셀룰러 기반 Internet-of-Things(IoT) 네트워크에서 랜덤 접속(random access)은 주요 업링크 전송 방식으로 간주되며, 이러한 IoT 네트워크에서 네트워크 전반의 비용 절감은 매우 중요하다. 이 네트워크 비용은 다운링크와 업링크 동작에 대해 서로 다르게 맞춤 설정될 수 있으며, 데이터 수집기 밀도 및 다운링크와 업링크 송신 전력 등을 포함한 핵심 파라미터는 비용 모델에 부합하도록 공동으로 설계되어야 한다. 이에 본 레터에서는 일반화된 포지노미얼(generalized posynomial) 형태의 비용 함수의 최소화를 관점으로 다운링크와 업링크 동작을 공동으로 최적화하기 위한 설계를 조사한다.

최근의 웹 환경은 스마트폰과 같은 모바일 및 facebook과 같은 소셜 네트워크의 증가로 인해 네트워크 트래픽이 급격히 증가하고 있다. 본 논문에서는 NIO의 다이렉트 버퍼와 DMA(direct memory access)를 이용하여 기존 시스템의 웹 응답 시간을 향상시켰다. 이는 I/O의 블로킹(blocking) 및 버퍼의 가비지 컬렉션(garbage collection)으로 인한 CPU 성능 저하와 같은 JAVA의 단점을 해결한 것이다. 우선순위 변화로 인해 상대적으로 데이터 순환이 많은 키 값은 조작이 용이한 해시맵에 저장하고, 우선순위 수정 알고리즘을 적용한다. 용량이 큰 응답 데이터는 속도가 빠른 다이렉트 버퍼에 분리 저장하여 성능을 높인다. 본 논문은 캐시 적중 및 캐시 미스의 여러 테스트 상황에서 NIO를 이용한 제안 방법이 현저히 향상된 성능을 보임을 확인하였다.

위치 정보를 제공하는 대표적인 측위 기술은 GPS이다. 이 기술은 밀도가 높은 도심이나 숲, 그리고 실내와 같은 음영지역에서는 동작하지 않는 단점이 있다. 본 논문은 실내 AP로부터의 Wi-Fi 신호 세기를 이용하여 단말의 보다 정확한 위치를 추정하는 실내 측위 하이브리드 알고리즘을 제안한다. 사용자의 위치를 결정하기 위해 건물 구조, 사람, 거리 등 다양한 환경에서 측정한 RSSI (received signal strength indicator) 값을 이용하여 측정 환경에 맞는 가장 적절한 경로손실모델을 수립한다. 이러한 경로손실모델에서 구해진 경로손실지수를 환경에 따라 변화시켜, 경로손실지수를 적용한 AP로부터의 측정값을 이용하여 REKF (robust extended kalman filter)와 PF (particle filter) 알고리즘으로 단말기의 위치를 추정한다. 보다 더 정확한 위치 추정을 위해 단일 측위 방식만을 사용하지 않고, 실험을 통해 구해진 임계값에 따라 어떠한 측위 시스템을 사용할지 결정한다. 제안한 하이브리드 알고리즘을 이용한 실험 결과, 기존의 단일 측위 방법 대비 약 17% 성능이 향상되는 것을 확인하였다.