초록 열기/닫기 버튼
본 연구는 애니메이션 갈등의 VST 특징을 조사하고 강도를 측정한 이태린의 연구 결과에 대한 심화연구로 초개인적 갈등영상과 초개인적 갈등 값을 기반으로 시작되었다. 본 연구의 목적은 초개인적 갈등 강도 값(ESSPC)을 자동 계산하는 모델을 찾아내는 것이다. 따라서 본 논문에서 SPC 영상을 분석하였으며, ESSPC 값을 자동 계산하는 모델을 찾아내기 위해 의사 역행렬(Pseudo Inverse matrix)을 사용하였다. 연구결과 및 내용은 다음과 같다. 이들을 활용하여, 1) SPC를 분석하기 위한 20 개의 영상 Feature값을 제안하였다. 그리고 2)의사 역행렬(Pseudo Inverse matrix)을 사용하여 ESSPC 값을 자동 계산하는 선형모델을 찾아냈다. 그 결과로 3)제안된 시스템은 9.25% 의 평균 자승오차의 제곱근 보이며, 그 효율성이 증명되었다. 이러한 연구결과를 바탕으로 이를 계속 발전시켜 성공적 애니메이션의 제작을 위한 자동 검증시스템을 개발하고자 한다.
This study is an intensive study on Tae Rin Lee‘s research results. A linear system for Estimating the Strength of Super Personal Conflict (ESSPC) in animations is proposed. Tae Rin Lee has extracted the Super Personal Conflict (SPC) shots of animations, and obtained the strength through the experts’ psychological test experiment. The purpose of this study is to find a model that automatically computes the superpersonal conflict intensity value (ESSPC). By utilizing these results, 1) 20 image feature vectors are suggested for analyzing the SPC, and 2) a linear system is found for auto-calculating ESSPC by using the pseudo inverse matrix. The proposed system shows 9.25% root mean square error and the effectiveness is proven.
키워드열기/닫기 버튼
Visual Story Telling, Super Personal Conflict, Pseudo Inverse Matrix, Root Mean Square Error, Image Feature Vector
