2015년 2월 18일에 쓴 독후감입니다. 

읽기 시작해서 앉은 자리에서 5시간 동안 다 읽어버렸다. 대담식이라 그런지 잘 읽히고 흥미진진한 내용들로 구성되어 있다. 신앙과 과학은 충분히 공존할 수 있다는 사실을 이 책을 통해 깨닫게 되었다. 이미 입증된 과학적 사실들에 대해서 무시하고 고집을 부리는 것은 크리스천으로 피해야할 태도이다. 참 진리를 추구하는 사람으로서 열린 마음을 가지고 사유하고 판단하는 것은 당연한 자세 아닐까? 

아무튼 이 책을 읽고 나서 구약의 창세기를 어떻게 해석하느냐에 따라 진화론도 설 자리가 있다는 것을 알게 되었다. 존 스토트, C. S. 루이스와 같은 분들도 유신진화로(진화적 창조론)을 지지한다. 창세기의 핵심은 하나님이 사람을 창조하셨다는 것이지, 어떻게 창조하셨는지에 대해서는 자세히 묘사하지 않았다는 것이다. 그도 그럴 것이, 그 당시 사람들에게 우주와 인류의 기원에 대해 과학적으로 자세하게 묘사했다면 그 누가 이해할 수 있었겠는가? 또한 성경은 과학책이 아니다. 논리적이고 과학적이지만 또 어떤 부분은 과학으로 설명할 수 없는 초과학적 영역도 있기 때문이다. 사실 진화는 그저 하나의 자연 현상이다. 이 진화라는 자연현상을 가지고 어떤 사람들은 신이 없다고 주창하고, 어떤 사람들은 알 수 없다고 말하고, 어떤 사람은 하나님이 진화라는 원리를 만드셨다고 말한다. 사실 진화라는 하나의 현상을 가지고 하나님이 계신다, 계시지 않는다고 말하는 것은 너무나 섣부른 판단이다. 과학이 더 발전한다고 해도 하나님의 존재에 대해 왈가왈부할 수 없을 것이다. 결국 신의 존재는 과학으로 증명할 수 없는 것이기 때문이다. 그러니 걱정하지 말고, 두려워하지 말고, 고집부리지도 말자. 하나님은 계속 확장하고 있는 온 우주보다 크신 분이시기 때문이다. 

(20191112 추가) 이 책을 읽을 당시에는 유신진화론도 받아들일 수 있겠다 싶은 생각이 있었지만, 요즘 생각은 그렇지 않다. 나는 성경을 전적으로 믿는다. 나는 성경에 기록된대로 6일동안 온 우주를 창조하셨다는 것을 믿는다. 진화론 자체에 논리적 허점이 많다는 것을 알게 되었기 때문이다. 한 가지 예로, 중간 단계 화석의 부재에 대해 생각해보자. 진화가 사실이라면 중간 단계의 화석이 무수히 발견되어야 하는데 도무지 그런 화석을 찾을 수 없다는 사실이다. 이는 찰스 다윈도 매우 당황스러워했던 것이다. 나는 성경과 하나님에 대한 믿음을 포기 또는 축소시키면서까지 허점 많은 이론을 받아들이고 싶진 않다. 나는 종 안에서의 분화, 즉 소진화는 받아들인다. 하지만 다른 종이 생겨나는 대진화는 받아들일 수 없다. 근거가 너무 부족하다고 본다. 이후에 정말 확실한 증거가 더 발견되면 유신진화론을 인정하게 될지도 모르지만. 

오늘 소개하고자 하는 BMPRI는 NR(no-reference) 방식의 이미지 품질 평가(image quality assessment, IQA) 알고리즘이다. BMPRI는 blind multiple reference images-based measure의 약어다. NR 방식이라는 것은 왜곡 이미지의 원본 이미지를 참조하지 않고 품질을 평가한다는 뜻이다. 

BMPRI의 original 논문은 2018년에 IEEE Trans. on Broadcasting에 게재된 "Blind Image Quality Estimation via Distortion Aggravation"이다. 상해교통대, 북경이공대, 하얼빈공대에 소속한 연구자들이 이 연구에 참가했다. 

이 알고리즘은 꽤 독창적이다. 일반적으로 NR 방식의 IQA 알고리즘들은 3단계로 작동한다. 

1) 왜곡 이미지에서 품질과 관련된 특성을 담고 있는 맵, 즉 특성맵(feature map)을 산출한다.

2) 특성맵에서 적절한 특성들을 도출한다. 

3) 도출한 특성들로 기계학습 알고리즘을 훈련시키고 테스트함으로써 품질에 관한 점수를 얻는다.  

그러나 BMPRI는 기존의 NR 알고리즘들과는 사뭇 다르게 작동한다. 먼저 가상의 참조 이미지(pseudo reference image, PRI)를 만든다. 왜곡 이미지를 일부로 더 왜곡시킴으로써! 기존 방식의 경우 참조 이미지는 왜곡이 전혀 없는 원본 이미지였다. 하지만 이 방법에서 "생산"해내는 참조 이미지는 왜곡의 정도가 더 심한 것이다. 4개 유형의 왜곡(blocking, ringing, blurring, noising)을 5개 레벨로 왜곡시킴으로 결과적으로 20개의 PRI가 생산된다.

그렇다면 PRI와 왜곡 이미지는 어떤 관계가 있을까? 저자들이 발견한 것은 왜곡이 심한 이미지일수록 PRI와 더 유사하다는 것이다. 이것이 이 방법의 핵심 사상이다.  

따라서 왜곡 이미지와 20개의 PRI에서 LBP(local binary pattern)를 계산한다. 그리고 왜곡 이미지의 LBP 특성맵과 20개 PRI의 LBP 특성맵의 유사도를 비교함으로써 총 20개의 값을 얻는다. 그 20개의 값으로 SVR을 훈련시킴으로 최종 품질 점수를 얻는다. 아래 BMPRI의 프레임워크를 참고하자. 

지난 번에 SSIM 알고리즘의 전신이라 말할 수 있는 UQI에 대해 포스팅했다. 오늘은 UQI의 또다른 변형 알고리즘 UQI-HVS에 대해 소개하도록 하겠다. UQI-HVS의 original 논문의 제목은 "A New Full-Reference Ouality Metrics Based on HVS"이다. 

HVS란 사람 시각 시스템(human visual system)의 약자이다. UQI-HVS는 간단히 말해서 HVS는 저주파 신호의 왜곡에 더 민감하다는 특징을 고려한 UQI 방법이다. UQI는 이미지의 품질을 판단하기 위해 원본 이미지와 왜곡 이미지의 밝기, 콘트라스트, 상관도를 지역적으로 비교한다. UQI에 대한 자세한 설명은 UQI에 대한 포스팅을 참고하길 바란다. 

저주파 신호의 왜곡에 더 민감한 이유는 저주파 신호에 이미지 전반적인 정보를 담고 있기 때문이다. 고주파 신호일수록 세부적인 내용들을 포함한다. 아주 세부적인 정보는 어느 정도 손상되도 눈에 잘 안 띈다. 하지만 이미지를 구성하는 큰 틀들이 왜곡되면 그것은 사람의 눈에 쉽게 인지된다. 이러한 HVS의 성질을 이용해서 이미지를 압축하는 기술이 JPEG, JPEG2000와 같은 것들이다. 

좀 더 구체적으로 UQI-HVS가 어떻게 작동하는지 살펴보자.

1) 먼저 원본 이미지와 왜곡 이미지에 이산 웨이블릿 변환을 적용해서 LL, HL, LH, HH 4개의 주파수 서브밴드로 분해한다. 웨이블릿으로는 "wavelet 9/7"을 사용했다. 

2) 원본 이미지의 LL 서브밴드와 왜곡 이미지의 LL 서브밴드의 품질 변화를 UQI로 산출한다. 마찬가지로 HL, LH, HH에 대해서도 UQI로 품질 점수를 산출한다.

3) 얻은 4개의 점수를 가중합한다. 저주파 신호를 담고 있는 LL에 가장 큰 가중치를, 고주파 신호를 담고 있는 HH에 가장 작은 가중치를, HL와 LH엔 그 중간의 적절한 가중치를 부여했다. 

${UQI-HVS} = 0.5779U_{LL} + 0.1707U_{LH} + 0.1582U_{HL} + 0.0932U_{HH}$

함께 영상처리에 대해 연구의 깊이를 넓혀가고 싶으신 분은 kyohoonsim@gmail.com으로 언제든 연락주시기 바랍니다. 

3.3을 반올림하면? 3

3.5를 반올림하면? 4

3.7을 반올림하면? 4

3.3을 올림하면? 4

3.5를 올림하면? 4

3.7을 올림하면? 4

3.3을 내림하면? 3

3.5를 내림하면? 3

3.7을 내림하면? 3

이것으로 반올림, 올림, 내림이 무엇인지는 충분히 이해했을 것이라 생각한다. 

MATLAB에서 반올림을 시행하는 함수는 round 함수다. 몇 개의 소수를 실행해보자. 

반올림이 잘된 것을 확인할 수 있다. 

올림은 ceil 함수가 담당한다. 무조건 가까운 큰 정수를 출력해준다. 

마지막으로 내림은 floor 함수가 해낸다. 무조건 가까운 작은 정수를 출력해준다. 

우리는 누군가의 리더이고 동시에 누군가의 팔로워다. 더 많은 사람들에게 영향력을 주는 리더가 있고, 비교적 적은 수의 사람들을 이끄는 리더도 있다. 한 가정의 부모라면 아이들의 리더다. 선생님이라면 학생들의 리더다. 회사의 사장이라면 직원들의 리더다. 교회의 목사라면 성도들의 리더다. 대통령이라면 한 나라의 리더다. 

리더의 영향력은 참으로 무시할 수 없다. 좋은 선생님은 학생이 가진 잠재력을 끌어내지만, 나쁜 선생님은 잘못된 가치관을 주입한다. 좋은 목회자는 성도들의 믿음이 견고해지도록 도울 수 있지만, 눈 먼 목회자는 성도들이 하나님으로부터 멀어지게 만들 수도 있다. 훌륭한 대통령은 나라가 성장하도록 방향을 제시하지만, 못난 대통령은 나라를 분열시키고 후퇴하게 만든다. 이렇게 큰 영향력을 가진 리더의 책임은 참으로 무거운 것이다.

어떤 리더가 좋은 리더일까? 단순히 일 적게 해주는 리더가 좋은 리더일까? 돈을 많이 주고, 보상을 많이 해주는 리더가 좋은 리더일까? 아니면 일이 되든 안되든, 성과를 내던 못내던 주구장창 격려만 해주는 리더가 좋은 리더일까? 아무 것도 시키지 않는 리더가 좋은 리더일까? 아마도 우리 대부분은 그러한 리더를 좋은 리더라고 생각하진 않을 것이다. 

하지만 문제는 그럼에도 우리는 이런 리더를 선호한다는 것이다. 왜냐하면, 나를 '편하게' 해주기 때문에. 우리의 마음 속에서 나를 귀찮게 하는 리더는 나쁜 리더인 것이다.  

리더의 입장에서 생각해보자. 회사의 사장이라면 이 회사가 성과를 내야 돈을 벌 수 있다. 돈을 벌려면 이런 저런 프로젝트를 성공시켜야 하고, 이를 위해서는 구성원 모두가 함께 노력하도록 동기부여도 해야한다. 어쩔 수 없이 가끔 잔소리도 해야한다. 그래야 월급을 줄 수 있다. 가끔 보너스도 줄 수 있다. 

나는 그렇게 생각한다. 좋은 리더는 팔로워들을 단순히 '편하게' 해주는 리더가 아니라, '성장하게' 돕는 존재라고. 더 실력있는, 더 정직한, 더 건강한, 더 매력있는 존재가 되도록 돕는 리더가 좋은 리더라고 생각한다. 한마디로 전인격적으로 성장하도록 돕는 사람! 

지금 나에게 일정 부분 직접적인 영향력을 미치는 리더들은 양가 부모님, 교회 목사님들, 연구실 지도교수님 정도라고 생각한다. 다들 꽤 훌륭한 리더라고 생각한다. 물론 완벽하지 않고, 마음에 들지 않는 부분도 있다. 하지만 내가 그 위치에 있을 때 그 정도로 할 수 있을까? 자문해보면 더 잘할 수 있다고 장담하기 어렵다. 다만 그에 못지 않은 리더가 되려고 기도하고 노력할 뿐이다.

그렇다고 리더를 무조건 옹호해야한다는 것은 아니다. 잘못된 점이 있다면 고언을 해야할 때도 있다. 리더(leader)의 잘못된 리딩(leading)은 팔로워들에게 영향을 크게 미치기 때문이다. 아프더라도 고언을 잘 듣고 나은 방향으로 시정할 수 있는 리더는 좋은 리더다. 이스라엘의 왕이었던 솔로몬이 하나님께 '듣는 마음'을 구했던 것을 생각해보자. 

"누가 주의 이 많은 백성을 재판할 수 있사오리이까 듣는 마음을 종에게 주사 주의 백성을 재판하여 선악을 분별하게 하옵소서 솔로몬이 이것을 구하매 그 말씀이 주의 마음에 든지라" (열왕기상 3:9-10)

한마디로 정리하자면, 좋은 리더는 구성원들이 성장하도록 돕고 구성원들의 이야기를 잘 듣는 사람이다.