公开(公告)号：KR100638739B1

公开(公告)日：2006-10-25

申请号：KR1020040035265

申请日：2004-05-18

Applicant: 한국전자통신연구원

Inventor： 김재곤 ,  왕용 ,  창시푸

IPC: H04L12/28

Abstract: 1. 청구범위에 기재된 발명이 속하는 기술분야
본 발명은 실시간 멀티미디어 컨텐츠 적응을 위한 유틸리티 함수 예측 장치 및 그를 이용한 멀티미디어 컨텐츠 적응 접근 시스템에 관한 것임.
2. 발명이 해결하려고 하는 기술적 과제
본 발명은 체계적인 최적의 멀티미디어 컨텐츠 적응(바람직하게는 비디오 적응)을 위하여, 압축 멀티미디어 컨텐츠로부터 제한자원과 화질의 관계를 기술하는 메타데이터(즉, 유틸리티 함수(uility function)) 정보를 예측 생성할 수 있는 유틸리티 함수 예측 장치를 제공하고자 함.
3. 발명의 해결 방법의 요지
본 발명은, 멀티미디어 환경에서의 유틸리티 함수 예측 장치에 있어서, 입력되는 라이브 압축 멀티미디어 컨텐츠 및 저장 압축 멀티미디어 컨텐츠로부터 내용 특징을 추출하기 위한 내용특징 추출수단; 균일한 내용을 갖는 멀티미디어 컨텐츠 클립(세그먼트)과, 각 클립마다 다수의 내용특징을 기술한 내용특징 벡터, 계산과 실험에 의해 기 생성된 유틸리티 함수를 기술한 유틸리티 함수 벡터를 저장하고 있는 저장수단; 상기 저장수단에서, 상기 내용특징 벡터를 내용특징 공간에서 다수의 유사한 클립들로 구성된 클래스(class)로 분류하기 위한 클러스터링수단; 상기 저장수단에서, 클래스 정보와 상기 내용특징 벡터, 상기 유틸리티 함수 벡터를 이용하여 각 클래스 내에서 회귀(regression) 모델을 구하기 위한 회귀학습수단; 상기 저장수단의 상기 내용특징 벡터와 상기 클래스 정보를 이용하여 내용특징에 따라서 상기에서 구한 클래스 중의 하나로 분류(classification)하기 위한 분류학습수단; 상기 분류학습수단의 학습결과로 얻어진 분류 규칙에 따라서 입력되는 세그먼트의 정의된 내용특징을 입력받아, 상기에서 구한 다수의 클래스 중 하나를 결정하기 위한 분류결정수단; 및 상기 분류결정수단에 의해 결정된 클래스에 해당하는 상기 회귀학습수단에서 구한 회귀 모델을 적용하여, 해당 멀티미디어 컨텐츠 클립(세그먼트)에 대한 유틸리티 함수(제한자원과 화질의 관계정보를 기술한 메타데이터)를 예측 생성하기 위한 유틸리티 함수 생성수단을 포함함.
4. 발명의 중요한 용도
본 발명은 멀티미디어 컨텐츠 적응 시스템 등에 이용됨.
UMA, 비디오 적응, 트랜스코딩, QoS, 내용기반 적응, 유틸리티 함수

公开(公告)号：KR1020050066941A

公开(公告)日：2005-06-30

申请号：KR1020040035265

申请日：2004-05-18

Applicant: 한국전자통신연구원

Inventor： 김재곤 ,  왕용 ,  창시푸

IPC: H04L12/28

Abstract: 1. 청구범위에 기재된 발명이 속하는 기술분야
본 발명은 실시간 멀티미디어 컨텐츠 적응을 위한 유틸리티 함수 예측 장치 및 그를 이용한 멀티미디어 컨텐츠 적응 접근 시스템에 관한 것임.
2. 발명이 해결하려고 하는 기술적 과제
본 발명은 체계적인 최적의 멀티미디어 컨텐츠 적응(바람직하게는 비디오 적응)을 위하여, 압축 멀티미디어 컨텐츠로부터 제한자원과 화질의 관계를 기술하는 메타데이터(즉, 유틸리티 함수(uility function)) 정보를 예측 생성할 수 있는 유틸리티 함수 예측 장치를 제공하고자 함.
3. 발명의 해결 방법의 요지
본 발명은, 멀티미디어 환경에서의 유틸리티 함수 예측 장치에 있어서, 입력되는 라이브 압축 멀티미디어 컨텐츠 및 저장 압축 멀티미디어 컨텐츠로부터 내용 특징을 추출하기 위한 내용특징 추출수단; 충분한 양의 균일한 내용을 갖는 멀티미디어 컨텐츠 클립(세그먼트)과, 각 클립마다 다수의 내용특징을 기술한 내용특징 벡터, 계산과 실험에 의해 기 생성된 유틸리티 함수를 기술한 유틸리티 함수 벡터를 저장하고 있는 저장수단; 상기 저장수단에서, 상기 내용특징 벡터를 내용특징 공간에서 다수의 유사한 클립들로 구성된 클래스(class)로 분류하기 위한 클러스터링수단; 상기 저장수단에서, 상기 클래스 정보와 상기 내용특징 벡터, 상기 유틸리티 함수 벡터를 이용하여 각 클래스 내에서 회귀(regression) 모델을 구하기 위한 회귀학습수단; 상기 저장수단의 상기 내용특징 벡터와 상기 클래스 정보를 이용하여 내용특징에 따라서 상기에서 구한 클래스중의 하나로 분류(classification)하기 위한 분류학습수단; 상기 분류학습수단의 학습결과로 얻어진 분류 규칙에 따라서 입력되는 세그먼트의 정의된 내용특징을 입력받아, 상기에서 구한 다수의 클래스 중 하나를 결정하기 위한 분류결정수단; 및 상기 분류결정수단에 의해 결정된 클래스에 해당하는 상기 회귀학습수단에서 구한 회귀 모델을 적용하여, 해당 멀티미디어 컨텐츠 클립(세그먼트)에 대한 유틸리티 함수(제한자원과 화질의 관계정보를 기술한 메타데이터)를 예측 생성하기 위한 유틸리티 함수 생성수단을 포함함.
4. 발명의 중요한 용도
본 발명은 멀티미디어 컨텐츠 적응 시스템 등에 이용됨.