요즘은 영어 실력을 향상시키기 위한 노력의 일환으로 영어로 된 다양한 문서를 무작위로 읽고 있습니다. 특히 테크 관련 에세이를 많이 읽는데, 긴 문장이나 어려운 단어나 구절을 자주 사용하기 때문에 꼼꼼히 읽기가 정말 쉽지 않은 것 같아요. 그래도 읽고 나니 머릿속에서 더 어렵고 긴 문장을 문맥을 잃지 않고 읽는 능력이 눈에 띄게 좋아지는 것 같습니다.
아무튼 최근에는 특히 Ryg의 블로그흥미로운 기사를 많이 읽었고 필터의 신호 감쇠에 대한 기사를 발견했습니다. 2가지 항목으로 나누어져 있었습니다. 선형 대수학에 정통하지 않더라도 매우 체계적입니다. B. 배경이론을 설명해주셔서 읽는 내내 기분이 아주 좋았습니다.
우선, 비디오/사운드와 같은 이산 시간에 대한 모델 값(신호)에 대해 이야기하고 있는 필터입니다. 그 이유는 보간, 노이즈 필터링, 정보 압축(일반적으로 일반적인 이유로). 이를 위해 구성 요소 분해가 수행되어 유명한 “고유 벡터”가 생성됩니다. 특정 조건(역행렬 필요)에서만 구할 수 있는데 꽤 오래되어서 잘 기억이 안나는데 역행렬이 없더라도 대략적인 근사치로 구할 수 있습니다.
그래서 위와 같이 필터를 여러 번 입력해도 쉽게 얻을 수 있으며, 이러한 연산은 선형 증가(컨볼루션) 방식입니다. 그때에, 이 정보는 안정적으로 유지됩니까? 여기서 다루고자 하는 주제입니다. 여기서 안정적이란 값이 0으로 떨어지지도 발산하지도 않는다는 의미입니다.
DTFT 방식의 방정식을 통해 다양한 계수를 실제로 실험한 결과, 고주파 정보가 쉽게 날아가는 흥미로운 공통점이 있음을 확인했다.(즉, 기본적으로 필터가 로우패스가 되는 이유). 또 다른 흥미로운 점은 고주파 정보가 날아가는 것을 보상하는 또 다른 기술(움직임 보정)이 있다는 것입니다.
이 기사를 읽은 후 비디오 코덱이 간헐적으로 작동하는 이유는 무엇입니까? “손해배상”프레임이 존재하는지 확인할 수 있었습니다. GIF와 달리 각 이미지에 대한 섹션이 있습니다. 그래서 그것들을 다 처리하지 않으면 시간과 이미지 모두에 지장을 주게 되었던 것으로 기억합니다. 그리고 비디오가 GPU에서 어떻게 인코딩/디코딩되는지 볼 수 있었습니다. 블록 단위 연산이 가능하기 때문일 것입니다. 이전에는 인코딩/디코딩 로직을 작성할 때 전혀 이해하지 못한 부분을 바로 해결할 수 있었습니다.
인생의 반을 컴퓨터와 함께 공부했지만 아직 모르는 것이 너무 많다는 것을 깨닫습니다. 글 내용은 2개의 글로 잘 정리되어 있으니 이 정도로 요약하겠습니다.
TMI: 디지털 신호 처리에 대해 아는 것이 거의 없어서 내용의 타당성을 확신할 수 없으니 이 글은 참고용으로만 읽어주세요. 잘못된 부분은 지적해주시면 감사하겠습니다.