Image Data Traffic and Power Reduction using Near-Lossless Codec in 32nm Image Processing SoC

Q: 이 논문에서 정의한 Near Lossless Codec(NLC)이란 무엇인가?

Near Lossless Codec(NLC)은 이미지 처리 SoC에서 멀티미디어 데이터 트래픽을 줄이는 데 매우 유용한 방법이다. 이 코덱은 PSNR이 40dB 이상으로 이미지 품질 저하가 미미하며, 시스템 대역폭과 전력 소비를 효과적으로 줄이는 데 기여한다. JPEG2000과 같은 표준 이미지 코덱보다 낮은 복잡도와 빠른 처리 속도를 가지며, 약 2:1의 압축률을 달성한다.

Q: Near Lossless Codec(NLC)을 이미지 처리 SoC에 적용했을 때 전력 및 대역폭 절감 효과는 어느 정도인가?

연구 결과, 제안된 NLC를 이미지 처리 SoC에 적용하면 전체 전력 소비를 15.4% 절감하고, 대역폭은 29.6% 감소시키는 효과를 얻는다. 특히, NLC를 통해 시스템 버스 및 DDR 메모리의 클록 주파수를 낮출 수 있어 전력 효율성이 크게 향상되며, 이는 모바일 시스템의 비용 절감에도 기여한다.

Jumhan Bae; Kwanho Kim; Taehee Kim; Seungbeom Lee; Younghoon Jeong; Kyuyul Choi; Sungkyu Jang; Youngjun Ahn; Jooseon Kim

추천

검색

질문

자료유형: 학술대회자료

저자정보: Jumhan Bae (Samsung Electronics) Kwanho Kim (Samsung Electronics) Taehee Kim (Samsung Electronics) Seungbeom Lee (Samsung Electronics) Younghoon Jeong (Samsung Electronics) Kyuyul Choi (Samsung Electronics) Sungkyu Jang (Samsung Electronics) Youngjun Ahn (Samsung Electronics) Jooseon Kim (Samsung Electronics)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2011년도 대한전자공학회 추계종합학술대회

발행연도: 2011.11

수록면: 174 - 177 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The size of image processing SoC become larger and larger. Image processing SoC encounters with handling of huge Internal data traffic. Everyone wants more clean images, so explosion of multi media data is big huddle in developing image processing SoC. NLC(Neal Lossless Codec) is very useful method to reduce multi media Data traffic. PSNR of NLC is above 40dB, so the effect in image quality is very small. But reduced data traffic is very effective in system bandwidth and reducing power consumption. The proposed NLC leads to 15.4% reduction in total power consumption and 29.6% reduction in bandwidth for our image processing SoC

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2015-560-001022337

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)