어텐션 알고리듬 기반 양방향성 LSTM을 이용한 동영상의 압축 표준 예측Video Compression Standard Prediction using Attention-based Bidirectional LSTM
- Other Titles
- Video Compression Standard Prediction using Attention-based Bidirectional LSTM
- Authors
- 김상민; 박범준; 정제창
- Issue Date
- Sep-2019
- Publisher
- 한국방송∙미디어공학회
- Keywords
- Deep Learning; Attention algorithm; LSTM; NLP; Codec
- Citation
- 방송공학회 논문지, v.24, no.5, pp.870 - 878
- Indexed
- KCI
- Journal Title
- 방송공학회 논문지
- Volume
- 24
- Number
- 5
- Start Page
- 870
- End Page
- 878
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/12534
- DOI
- 10.5909/JBE.2019.24.5.870
- ISSN
- 1226-7953
- Abstract
- 본 논문에서는 어텐션 알고리듬 (attention algorithm) 기반의 양방향성 LSTM (bidirectional long short-term memory; BLSTM) 을 동영상의 압축 표준을 예측하기 위해 사용한다. 자연어 처리 (natural language processing; NLP) 분야에서 순환적 신경망 (recurrent neural networks; RNN) 의 구조를 이용하여 문장의 다음 단어를 예측하거나 의미에 따라 문장을 분류하거나 번역하는 연구들은 계속되어왔고, 이는 챗봇, 음성인식 스피커, 번역 애플리케이션 등으로 상용화되었다. LSTM 은 RNN에서 gradient vanishing problem 을 해결하고자 고안됐고, NLP 분야에서 유용하게 사용되고 있다. 제안한 알고리듬은 BLSTM과 특정 단어에 집중하여 분류할 수 있는 어텐션 알고리듬을 자연어 문장이 아닌 동영상의 비트스트림에 적용해 동영상의 압축 표준을 예측하는 것이 가능하다.
- Files in This Item
-
- Appears in
Collections - 서울 공과대학 > 서울 융합전자공학부 > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.