Caramel LabCaramel Lab
#

U-Net

3편의 한국어 분석 — 최신순으로 정렬했어요

컴퓨터 과학발표 2026.09· 0

텍스처 어텐션 기반 적응형 LSB 스테가노그래피

이미지 스테가노그래피는 디지털 커버 이미지 내에 비밀 이미지를 숨기는 기술로, 일반 사용자에게는 보이지 않아야 합니다. 기존 스테가노그래피 방식은 페이로드 용량(PC)이 높을수록 시각적 비탐지성이 저하되고, 탐지 및 이미지 왜곡에 대한 저항력이 감소하는 근본적인 한계에 직면합니다. 본 연구는 이러한 트레이드오프를 극복하고자 합니다. 제안하는 프레임워크는 커버 이미지에서 텍스처 맵을 추출하고, 어텐션 맵을 생성하며, 유전 알고리즘(GA) 최적화를 선택적으로 활용하여 내용 적응형 및 텍스처 어텐션 기반 방식으로 최대의 비인지성과 견고…

기계공학발표 2026.08· 2최근 1년 2회

이중 스테인리스강 유해 입자 분할 딥러닝

이중 스테인리스강에서 유해한 2차상 석출과 관련된 밝은 입자의 정량적 분석은 후방산란 전자현미경 이미지의 임계값 기반 분할을 통해 주로 이루어집니다. 약 850°C의 열 노출은 합금을 취화시키고 인성 및 연성을 감소시키는 Cr/Mo-풍부 2차상(특히 시그마 상)의 석출을 촉진하며, 이는 합금의 미세구조 특성화에 필수적입니다. 그러나 이미지 대비, 입자 형태, 연결성이 열 노출에 따라 크게 변하기 때문에 임계값 선택은 노화 조건 전반에 걸쳐 적용하기 어렵습니다. 본 연구에서는 2205 이중 스테인리스강을 850°C에서 6분, 30분…

컴퓨터 과학발표 2026.07· 79최근 1년 26회

의료 영상 분할을 위한 다중 스케일 차분 네트워크

정확한 의료 영상 분할은 조기 진단에 필수적이다. 기존 U-형 구조 기반 방법들은 디코더에서 서로 다른 레벨의 특징을 융합할 때 요소별 덧셈이나 연결을 사용하지만, 이는 불필요한 정보를 생성하여 특징 간의 상호보완성을 약화시키고 병변의 부정확한 위치 파악 및 경계 흐림을 초래한다. 이러한 문제를 해결하기 위해, 본 연구는 의료 영상 분할을 위한 다중 스케일 차분 네트워크(M2SNet)를 제안한다. 인코더에서 인접 레벨 간의 차이 특징을 생성하는 기본 차분 유닛(SU)을 설계하고, 이를 확장하여 픽셀 및 구조 수준의 차이 정보를 제…

연구 트렌드로 돌아가기