기억의 순환 메커니즘을 모델링하기 위한 차원 축소 및 특징값 인코딩 기반 가변형 이미지 표현 방법 연구

Abstract

본 논문은 사람의 기억 순환 메커니즘을 모델링하기 위한 차원축소 및 특징값 인코딩 기반 가변형 이미지 표현방법에 관한 개념 검증 연구이다. 방법론적으로는 매니폴드 학습 기반으로 입력 데이터의 차원을 축소하고 차원축소된 변환/잠재공간에서 특징값 기반 인코딩을 통해 이미지를 가변적 비트스트림으로 표현한다. 본 개념 검증용 구현에서 차원축소 및 특징값 추출을 위한 매니폴드 변환 기법으로는 변분 오토인코더를 활용하였고, 차원축소 결과로 추출된 특징값을 인코딩하기 위해서는 사람의 감각기관에서 감각 입력데이터를 정량화하는 개념을 모사한 스칼라 인코딩을 응용하였다. 개념 검증 실험에서는 784차원의 고차원 이미지가 매니폴드 변환으로 10차원으로 축소되고, 축소된 10차원의 부동소수점 특징값을 스칼라 인코딩을 통해 가변 비트의 비트스트림으로 변환이 가능함을 확인하였다. 결과적으로 이미지가 가변 비트의 비트스트림으로 변환됨에 따라 이미지의 인덱싱, 검색, 논리 연산이 가능한 이미지 표현방법으로서 기억의 순환 메커니즘의 기억의 공고화 기능으로 활용할 수 있을 것으로 기대된다.