당신은 주제를 찾고 있습니까 “세일 리언 매크로 – @PhotoJoseph의 매크로 렌즈 vs 확장 튜브 ▶ ︎ 차이점은 무엇입니까?“? 다음 카테고리의 웹사이트 ppa.maxfit.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://ppa.maxfit.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 PhotoJoseph 이(가) 작성한 기사에는 조회수 84,471회 및 좋아요 2,156개 개의 좋아요가 있습니다.
세일 리언 매크로 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 @PhotoJoseph의 매크로 렌즈 vs 확장 튜브 ▶ ︎ 차이점은 무엇입니까? – 세일 리언 매크로 주제에 대한 세부정보를 참조하세요
Extension tubes are awesome. They turn any lens into a macro lens, and they’re very inexpensive. So, why bother buying a macro lens then? Is it worth having the macro? Or are the tubes good enough?
*🙏 * VALUE FOR VALUE — Did you get value from today’s show? Please consider supporting it! PhotoJoseph.com/support *🙏 *
📷 PRODUCTS 📷
•• MEIKE MK-P-AF3A Automatic Extension Tube ••
http://geni.us/1GosC2
•• Panasonic 30MM f/2.8 Macro ••
http://geni.us/6oztGL
•• Panasonic Leica 45mm f/2.8 Macro ••
http://geni.us/HBe88NJ
•• Panasonic Leica DG Summilux 25mm f/1.4 •• http://geni.us/ww4A6LA
📷Gear from previous shows https://kit.co/PhotoJoseph
⏯ VIDEOS ⏯
Macro Tube Magic https://youtu.be/GN7fSaIsLiM
CROP FACTOR: Sensor Size vs Focal Length ▶︎ Why Does One Change? https://youtu.be/gjtTeml-npY
🌐 OTHER LINKS 🌐
Photography Workshops: https://photojoseph.com/workshops
▶︎ My favorite cameras
LUMIX GH5S http://geni.us/ZhfnctF
LUMIX GH5 http://geni.us/fAUWH
LUMIX G9 http://geni.us/bgpl4
► Three Complete Kits
GH5 Starter Kit http://geni.us/GH5starterKit
GH5 + GH5S Filmmaker’s Kit http://geni.us/GH5filmmakersKit
G9 Photographer’s Kit http://geni.us/G9photographersKit
► My GH5 Training course http://GH5training.com
► How I live stream and switch cameras https://youtu.be/aL1gV3yJvCM
► I use ARTLIST for my music… get an extra two months free http://PhotoJoseph.com/artlist
► Optimize your YouTube channel wtih TubeBuddy (we swear by it) http://jal.bz/2v38XQh
👬 🖥 👫 LET’S BE SOCIAL! 👫 🖥 👬
http://instagram.com/photojoseph
http://twitter.com/photojoseph
http://facebook.com/photojoseph
Join the channel! Check out member benefits at http://youtube.com/photojoseph/join
🇮🇳 Photography workshop with PhotoJoseph in India! 🇮🇳 Learn more https://jal.bz/39u6Q9s
⚠️ DISCLAIMER ⚠️ I am a professional content creator; a photographer, YouTuber, filmmaker, and ALSO a Panasonic LUMIX Ambassador. This means I am SPONSORED by Panasonic and therefore am naturally biased towards their gear. I regularly state this in my videos, but in case I don’t say it, it’s still true. You can learn more about the Ambassador team at http://lumixlounge.com/
Thanks for watching!
-PhotoJoseph
► AFFILIATE DISCLAIMER : This channel is an affiliate, partner, or associate with many participating retailers and companies, including Amazon, B\u0026H, Adorama and others. As an Amazon Associate I earn from qualifying purchases, as I do from other affiliate links.
I use Genius for affiliate links — it’s awesome, check it out at https://geni.us/sign-up
Transcriptions usually done by Rev! — get $10 off your first order https://geni.us/rev-com
세일 리언 매크로 주제에 대한 자세한 내용은 여기를 참조하세요.
Top 세일 리언 매크로 New Update
세일 리언 매크로주제 안의 관련 사진. Update 파이썬 자동화 셀레니움(selenium) webdriver와 actionchains으로 웹사이트 매크로 제작 …
Source: pe.foci.com.vn
Date Published: 6/14/2021
View: 8935
“집·주식·원자재 다 거품낀 건 처음… 내리막길 고통스러울 것 …
48년 경력의 월가 베테랑이자, 투자자문사 콘트래리언 매크로 어드바이저스의 수석 전략가인 데이비드 헌터는 “내년 미국 증시는 고점 대비 70~80% …
Source: www.chosun.com
Date Published: 9/17/2021
View: 5147
스팀 세일리언 하시는 분 없나요 – 클리앙
스팀 세일리언 하시는 분 없나요 9. Zenyr. 1,710. 2018-07-01 16:57:30 수정일 : 2018-07-01 17:04:33 124.♡.145.69 … 매크로 돌리는 건가요?
Source: www.clien.net
Date Published: 1/27/2021
View: 9903
세일리언 이거 하는의미가 있음? 지금 레벨7인데 – PC/콘솔 게임 …
그거 참여 후 추첨에 따라 공짜 게임 나눠 주나 봄 그냥 매크로 마냥 스크립트로 돌려 놓고 딴거 하는게 나을듯? [레벨:4] Hey0 2018.06.22 21:40.
Source: m.fmkorea.com
Date Published: 10/1/2021
View: 3426
메제 오디오 엘리트(MEZE AUDIO ELITE) 리뷰 – 셰에라자드
매크로 다이나믹스가 더 좋아졌습니다. 개인적 의견이지만 엠피리언 뿐 아니라 여러 평판형 헤드폰들에게서 최고 수준의 다이나믹 헤드폰 대비 아쉬운 …
Source: www.schezade.co.kr
Date Published: 5/27/2022
View: 6920
레이저 마우스요? 절대쓰지 마세요 – 이야기 – ITCM
이전글 세일리언 게임 레벨링 쉽게 하기 [8] … 레이저 시냅스 3.0 업데이트한뒤로 ㅋㅋ 매크로설정한거 사용하면 가끔 블루스크린뜨고.
Source: itcm.co.kr
Date Published: 12/15/2022
View: 303
KR20130019435A – 비디오 스트림 품질 평가 방법 및 장치
예를 들어, 프레임 내 하나의 매크로블록(MB) 행(row)은 하나의 슬라이스일 수 있거나 … 여기서는 어떠한 기존의 ROI 분할(segmentation) 방법(세일리언시(saliency) …
Source: patents.google.com
Date Published: 8/4/2022
View: 1263
주제와 관련된 이미지 세일 리언 매크로
주제와 관련된 더 많은 사진을 참조하십시오 @PhotoJoseph의 매크로 렌즈 vs 확장 튜브 ▶ ︎ 차이점은 무엇입니까?. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 세일 리언 매크로
- Author: PhotoJoseph
- Views: 조회수 84,471회
- Likes: 좋아요 2,156개
- Date Published: 2018. 9. 24.
- Video Url link: https://www.youtube.com/watch?v=DL6paVNn258
Top 세일 리언 매크로 New Update
현재 보고 있는 주제 세일 리언 매크로
Search – UpToDate Update New
UpToDate, electronic clinical resource tool for physicians and patients that provides information on Adult Primary Care and Internal Medicine, Allergy and Immunology, Cardiovascular Medicine, Emergency Medicine, Endocrinology and Diabetes, Family Medicine, Gastroenterology and Hepatology, Hematology, Infectious Diseases, Nephrology and Hypertension, Neurology, …
+ 여기서 자세히 보기
파이썬 자동화 셀레니움(selenium) webdriver와 actionchains으로 웹사이트 매크로 제작 New
아래 동영상 보기
주제에 대한 추가 정보 세일 리언 매크로
파이썬 자동화 프로그램을 위한 selenium(셀레니움) 사용법 강의입니다.
본 영상은 셀레니움의 webdriver와 actionchains를 사용하여 구글 지메일을 자동으로 보내는 프로그램을 만드는 예제입니다.
예제를 통하여 브라우저를 열고, 원하는 문자를 입력하고, 원하는 요소를 찾아 클릭하는 등 웹페이지 매크로를 만들기 위한 셀레니움 사용법을 배웁니다.
간단한 예제지만 이 강의를 통해 거의 모든 웹사이트를 자동화하는 프로그램을 만들 수 있게 됩니다.
파이썬 셀레니움(selenium)은 웹페이지 자동화 프로그램 뿐만 아니라 크롤링에서도 사용할 수 있어 배워두면 유용한 라이브러리입니다.
셀레니움 기초 사용법 브라우저 매크로 프로그램 만들기
–
김플 스튜디오 블로그
https://kimflstudio.tistory.com
–
세일 리언 매크로주제 안의 관련 사진
파이썬 자동화 셀레니움(selenium) webdriver와 actionchains으로 웹사이트 매크로 제작 Update
UpToDate 업데이트
{{configCtrl2.info.metaDescription}}
+ 여기서 자세히 보기
파이썬 네이버 매크로 5초 완성 초보를 위한 강좌 Update New
아래 동영상 보기
주제에 대한 새로운 정보 세일 리언 매크로
https://chromedriver.storage.googleapis.com/index.html?path=84.0.4147.30
pip install pyinstaller //실행 파일 생성
pip install selenium //매크로 필수
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.common.action_chains import ActionChains
driver = webdriver.Chrome()
url = ‘https://naver.com’
driver.get(url) # url 오픈해라
driver.maximize_window() #창 크게 만들기
action= ActionChains(driver)
driver.find_element_by_css_selector(‘.input_text’).send_keys(‘한글테이블’) #css로 검색합니다. . 과 #으로 사용
driver.find_element_by_css_selector(‘.btn_submit’).send_keys(Keys.ENTER) #버턴 클릭
#xpath를 이용해 클릭
driver.find_element_by_xpath(‘크롬에서 링크주소 복사해서 붙어넣기’).click()
pip install pyinstaller
pyinstaller –onefile 프로그램이름.py –hidden-import=selenium
세일 리언 매크로주제 안의 사진 몇 장
파이썬 네이버 매크로 5초 완성 초보를 위한 강좌 Update New
류으미 – 나무위키 Update New
2018년 3월 12일 오후 2시 16분경 몇 개월을 기다린 끝에 샌드박스에 합격이 되어 유튜브 커뮤니티에 “안녕하세요 여러분 샌드박스의 류으미입니다.”라고 적어놨다. 2018년 3월 13일 오후 8시경 “샌드박스 소속 찐따 류으미 입니다.”라는 제목으로 트위치 방송을 켰다.
+ 여기서 자세히 보기
Mainsail2.1 타임랩스 튜토리얼 Update
동영상 보기
주제에 대한 새로운 정보 세일 리언 매크로
Timelapse tutorial for Mainsail/Klipper. I hope you will find this useful.
0:24 Intro
0:50 quick show off of Mainsail 2.1
3:35 configure your moonraker to get the Beta repo
4:10 update moonraker -update mainsail to 2.1 beta
4:50 install timelapse component
6:50 Enable the auto updater in moonraker
8:40 Activate time lapse component
11:30 configure timelapse
20:00 include klipper Macros
21:30 configure slicer
22:40 Add render macro to your end gcode (optional. If you shutdown printer through end gcode)
28:12 Printing and testing it
29:04 Timelapse exemple
29:27 conclusion
Documentation:
https://github.com/mainsail-crew/moonraker-timelapse
https://docs.mainsail.xyz/
Mainsail Discord: https://discord.gg/skWTwTD
If you wish to support Mainsail dev:
https://ko-fi.com/mainsail
https://patreon.com/meteyou
If you wish to support my work, it really encourages me to continue to enhance the printer and make more content: https://ko-fi.com/vez3d
Please join us on FB: https://www.facebook.com/groups/40988…
Disord: https://discord.com/invite/KzgvHXsH5m
SliceEngineering discount link : https://www.sliceengineering.com?p=ry…
Or use this code: SIMOV5
THANKS !! and cheers !! RUM FOR EVERYONE !! 🙂
세일 리언 매크로주제 안의 사진 몇 장
Mainsail2.1 타임랩스 튜토리얼 Update
Ask.com – What’s Your Question? New
We would like to show you a description here but the site won’t allow us.
+ 여기서 자세히 보기
바람의나라:연) 리성거 매크로 Nop!! 앱플레이어 녹화기능이면 충분!! New Update
동영상 보기
주제에 대한 추가 정보 세일 리언 매크로
———————————————————————————————————————————–
2021년 10월 15일 방송 된 ‘중년게이머 긴실장’ 영상에서
넥슨이 김실장님에게 보내준
‘바람의나라:연 불법 프로그램 대응 현황’에서
4. 불법 프로그램 사용을 근본적으로 막을 수 있는 인게임 사이드에서의 개발 작업 준비
– 그리고 또 하나 문제가 되는 요소로, 흔히 유저분들이 사용하시는 \”앱플레이어\”에서도 \”스크립트 녹화\”라는 기능을 활용하여 불법 프로그램과 비슷한 행위를 진행할 수 있기 때문에, 섣부르게 제재를 가할 경우 불법 프로그램을 사용하지 않은 유저분들도 제재 되어버리는 케이스가 존재
※ 짧게 말하면 \”스크립트 녹화\”는 불법 프로그램으로 간주하지 않겠다
———————————————————————————————————————————–
10월 21일 바람의나라 연 커뮤니티 공지사항의
‘불법프로그램 대응 진행 상황과 향후 계획 안내’에서
앱플레이어와 관련된 주요내용으로는
게임의 정보를 해킹하는 방식의 불법프로그램은 좀 더 쉽게 탐지가 가능하나,
지난 개발자 서신을 통해 말씀드린 것과 같이 현재 앱플레이어를 이용하시는 수행자님들이 많아
불법프로그램 사용자와 일반적인 앱플레이어 사용자를 명확하게 판단할 수 있는
‘객관적인 데이터’를 확보하기 위해 반복하여 검증 과정을 거치고 있습니다.
※짧게 말하면 \”앱플레이어 사용\”은 인정하겠다
또한, 앱플레이어 내 사용되는 매크로 기능 등 공식적으로 제공되지 않는
불법프로그램(매크로) 등은 사용하지 않도록 주의를 부탁드리겠습니다.
※짧게 말하면 \”앱플레이어 내 사용되는 매크로 기능은 사용하지 않도록 주의를 부탁드림??\”
———————————————————————————————————————————–
※ 결론 – 넥슨 공지 : 스크립트 녹화 허용 vs 커뮤 공지 : 매크로 기능 사용하지 않도록 주의부탁
※ 판단은 여러분들에게 맡기겠습니다
※ 혹시 넥슨이나 슈퍼캣이 영상을 내려달라고 연락이 온다면 내
릴수도 있으니 참고해주세요
———————————————————————————————————————————–
지식백과
매크로 기능macro function
미리 순서를 정의해두고 필요할 때 불러내어 사용하는 기능. 자주 사용하는 순서를 등록해두면 그래프나 통계 등의 복잡한 보고서를 작성할 때 매우 편리하다. 매크로의 정의 방법에는 실제로 조작한 순서를 기록해두는 방법과 간이 언어(매크로 언어)를 이용하여 간단한 프로그램을 작성하는 방법 등이 있다.
———————————————————————————————————————————–
▶️Music provided by NoCopyrightSounds
▶️NoCopyrightSounds / NCS: Music Without Limitations
Twitch http://twitch.tv/nocopyrightsounds
SoundCloud http://soundcloud.com/nocopyrightsounds
Facebook http://facebook.com/NoCopyrightSounds
Twitter http://twitter.com/NCSounds
Google+ http://google.com/+nocopyrightsounds
Instagram http://instagram.com/nocopyrightsounds_
———————————————————————————————————————————–
세일 리언 매크로주제 안의 관련 사진
바람의나라:연) 리성거 매크로 Nop!! 앱플레이어 녹화기능이면 충분!! New
주제에 대한 추가 정보를 볼 수 있습니다 세일 리언 매크로
Search – UpToDate 업데이트
UpToDate, electronic clinical resource tool for physicians and patients that provides information on Adult Primary Care and Internal Medicine, Allergy and Immunology, Cardiovascular Medicine, Emergency Medicine, Endocrinology and Diabetes, Family Medicine, Gastroenterology and Hepatology, Hematology, Infectious Diseases, Nephrology and Hypertension, Neurology, …
+ 여기서 자세히 보기
파이썬 자동화 셀레니움(selenium) webdriver와 actionchains으로 웹사이트 매크로 제작 New
아래 동영상 보기
주제에 대한 추가 정보 세일 리언 매크로
파이썬 자동화 프로그램을 위한 selenium(셀레니움) 사용법 강의입니다.
본 영상은 셀레니움의 webdriver와 actionchains를 사용하여 구글 지메일을 자동으로 보내는 프로그램을 만드는 예제입니다.
예제를 통하여 브라우저를 열고, 원하는 문자를 입력하고, 원하는 요소를 찾아 클릭하는 등 웹페이지 매크로를 만들기 위한 셀레니움 사용법을 배웁니다.
간단한 예제지만 이 강의를 통해 거의 모든 웹사이트를 자동화하는 프로그램을 만들 수 있게 됩니다.
파이썬 셀레니움(selenium)은 웹페이지 자동화 프로그램 뿐만 아니라 크롤링에서도 사용할 수 있어 배워두면 유용한 라이브러리입니다.
셀레니움 기초 사용법 브라우저 매크로 프로그램 만들기
–
김플 스튜디오 블로그
https://kimflstudio.tistory.com
–
세일 리언 매크로주제 안의 관련 사진
파이썬 자동화 셀레니움(selenium) webdriver와 actionchains으로 웹사이트 매크로 제작 Update
UpToDate New Update
{{configCtrl2.info.metaDescription}}
+ 여기서 자세히 보기
2022년 최고의 코인! 메시코인(MECI COIN) 프리세일(ICO) 진행중! 꼭 알아보세요~! Update
동영상 보기
주제에서 더 많은 유용한 정보 보기 세일 리언 매크로
♣️♦️META GAME CITY♠️♥️
코인대빵 강력추천 : 010-2157-0222
2022년 2월 20일 ©️ SALE START
▪️1차 SALE 💲0.3 (2.20 ~ 4.30 )
▪️2차 SALE 💲0.4 (5.01 ~ SALE 종료시점)
▪️거래소 상장 목표가 💲1.3
▪️구매 방법
계좌입금, 비트, 이더, 테더, BNB
♥️22년 7월~8월 게임 오픈예정 (블록체인 기반 게임)
♣️덱스거래소 상장
♦️게이트io, 쿠코인 상장목표
♠️바이낸스, 코인베이스 상장목표
강력추천!! 코인대빵 010-2157-0222
🎲 블록체인의 투명성
▪️게임의 시스템 조작이 불가능 합니다.
▪️게임을 통해 분석 된 데이터로 게임을 하고 즉시 생성 된 트렌젝션을 통해 유저들이 직접 투명하게 확인 할 수 있습니다 (안심하고 게임참여)
▪️배팅시 게임승부와 상관없이 노드채굴을 통해 배당을 받아갈수 있습니다
🎰META GAME CITY는
▪️RNG게임으로 NFT, 메타버스 소셜카지노 게임입니다.
▪️배팅을 해서 이긴사람만 돈을 벌어가는것이 아니라 웹3.0세대의 게임으로 지거나 이기거나 게임행위, P2E 거래를 하는 모두에게 돈을 벌어가는 시스템을 제공합니다.
▪️NFT 마켓플레이스 P2E거래를 통해 수익을 극대화 할 수 있습니다
▪️크립토 유저와 소셜카지노 유저들까지 시장을 함께 키워나갈수 있는 리버스 게임 플랫폼이라는 장점이 있습니다
🎰RNG게임을 개발 파트너
▪️영국 ‘베컨스트럭트’ 온라인 최대 규모의 카지노 업체와 계약
▪️라이센스를 솔루션으로 제공하고 플랫폼을 만들어서 제공
▪️RNG 틈새시장 선점을 목표
🔺️동남아시장 타겟 1차 목표, 미국시장 2차 목표, 글로벌 전체 3차목표로 최종 메타버스 구현으로 글로벌 전체를 통합하는데 목표를 두고 있습니다
[입금주소]비트주소
34T4bGszAEPfA5rsNDJFWTLGn52UArtRAS
이더리움
0xBd2c4414B0a23abaFFAA3Cd2a53024B758C04d64
테더 주소
0xBd2c4414B0a23abaFFAA3Cd2a53024B758C04d64
BNB 주소
0xBd2c4414B0a23abaFFAA3Cd2a53024B758C04d64
MECI TOKEN official channel
[Website] meci.io [Youtube] https://www.youtube.com/channel/UCS8VfL2ZHkpAjEX46dMfXfQ [Puzzle Fantazy NFT Channel]https://open.kakao.com/o/ge3M22Xd
[Facebook]https://www.facebook.com/groups/997074981240725
[Twitter] [Telegram]https://t.me/MECIofficial
[Discord]https://discord.gg/nKUtYK6n
-add custom MECI token(BSC)
Contract:
0x98dE6123a56b1818fbfB48A8A7c75D2444c09946
Name : META GAME CITY
Decimals : 18
symbol : MECI
세일 리언 매크로주제 안의 사진 몇 장
2022년 최고의 코인! 메시코인(MECI COIN) 프리세일(ICO) 진행중! 꼭 알아보세요~! New
류으미 – 나무위키 Update
2018년 3월 12일 오후 2시 16분경 몇 개월을 기다린 끝에 샌드박스에 합격이 되어 유튜브 커뮤니티에 “안녕하세요 여러분 샌드박스의 류으미입니다.”라고 적어놨다. 2018년 3월 13일 오후 8시경 “샌드박스 소속 찐따 류으미 입니다.”라는 제목으로 트위치 방송을 켰다.
+ 여기서 자세히 보기
회신 독촉 메일 초안 자동으로 생성하기 (엑셀 매크로) New Update
아래 동영상 보기
주제에 대한 추가 정보 세일 리언 매크로
자료를 취합하다보면 일부 담당자에게서는 회신이 오지 않는 경우가 있습니다. 자료 취합후 회신 여부를 자동으로 체크하고 회신을 보내지 않은 담당자를 대상으로 메일 초안을 작성해주는 매크로를 작성해 봤습니다.
영상에서 소개된 예제 파일은 다음의 블로그에서 다운받을 수 있습니다.
https://blog.naver.com/550sn/221746258295
세일 리언 매크로주제 안의 사진 몇 장
회신 독촉 메일 초안 자동으로 생성하기 (엑셀 매크로) Update
Ask.com – What’s Your Question? 최신
We would like to show you a description here but the site won’t allow us.
+ 여기서 자세히 보기
[엑세리머니]매크로 기초 01강 – 선택 / Activate / Select / Range / Cells / Columns / Rows / Offset / 엑셀 VBA 기초 New아래 동영상 보기
주제에 대한 새로운 업데이트 세일 리언 매크로
※ 설명란의 ‘더보기’를 누르면 예제파일 링크가 있습니다. 링크를 클릭하고 우측상단의 화살표 아래방향(다운로드) 버튼을 눌러 다운 받으세요.
매크로를 기초강의입니다.
모든 것의 시작은 ‘선택’부터입니다. 엑셀문서 선택, 시트 선택, 셀 선택 등,
선택에 관한 모든 것을 담았습니다.
구독을 누르고 아래 예제파일을 다운 받으세요. ^^
예제파일 링크 : https://drive.google.com/file/d/1DdcaNTPD9-otePmdiikySVJsMiTyRlhl/view?usp=sharing
순서
00:22 모든것의 시작은 ‘선택’부터
01:16 매크로 프로그램창 열기(Alt+F11)
02:00 모듈 삽입
02:54 Sub 매크로 제목 정하기
04:18 문서와 시트의 선택 ————–
05:47 엑셀문서(Workbook) 선택
Workbooks(\”문서이름.xlsx\”).Activate
06:53 매크로 실행(Alt+F8)
08:34 주석(설명) 달기
10:07 시트(Sheet) 선택
Sheets(1).Activate
Sheets(\”Sheet1\”).Activate
13:26 매크로 실행 단축키 지정
15:16 셀(Cell) 선택 ——————–
15:38 셀 하나 선택
Range(\”D10\”).Select
Cells(2, 8).Select
19:28 셀 여러개 선택
Range(\”C4:G6\”).Select
Range(Cells(2, 3), Cells(5, 8)).Select
22:32 열(Column) 한줄 선택
Range(\”D:D\”).Select
Columns(5).Select
Columns(\”F\”).Select
Range(\”F1\”).EntireColumn.Select
27:02 행(Row) 한줄 선택
Range(\”8:8\”).Select
Rows(7).Select
Range(\”A7\”).EntireRow.Select
30:05 열 여러줄 범위 선택
Columns(\”D:G\”).Select
Range(\”B:H\”).Select
31:24 행 여러줄 범위 선택
Rows(\”4:9\”).Select
Range(\”4:9\”).Select
32:32 셀하나를 기준으로 이동해서 선택
Cells(3, 2).Offset(-1, 1).Select
세일 리언 매크로주제 안의 멋진 사진을 볼 수 있습니다
[엑세리머니]매크로 기초 01강 – 선택 / Activate / Select / Range / Cells / Columns / Rows / Offset / 엑셀 VBA 기초 New Update사용자가 주제에 대해 검색한 키워드 세일 리언 매크로
Updating
이 스레드를 봐주셔서 감사합니다 세일 리언 매크로
레이저 마우스요? 절대쓰지 마세요
한 6개월째 쓰고있습니다만 레이저시냅스가 잘 작동해야 마우스 설정을 할수있는데 레이저 시냅스 자체가 로그인오류만 계속 뜨니 고객센터에 문의한것도 한두번이 아니고 자기들도 방법이 없다는 말만 반복입니다. 현재 마우스 감도도 모르고 rgb설정도 못하고 있습니다. 그게 5개월째 진행중입니다. 처음 1개월은 조정 잘됐었습니다. 그뒤 스포트웨어 실행할때마다 창하나만 뜨고 설정자체가 불가능해지고 후에는 로그인오류까지 나옵니다. 심지어 레이저 홈페이지도 오류가 납니다. 마우스를 탓하기보다는 마우스 소프트웨어를 탓하는것입니다. 아직까지도 해결이 나지 않았고 이상하고 둔탁한 감도로 게임을하고있습니다. Fps게임을 좋아해서 레인보우식스도 많이하고 글옵도 자주했었는데 요즘에는 그러지 못합니다. 혹시 방법을 아시는 분이 있을지는 모르겠지만 본사 고객센터에서도 모른다고 답변했으니 아마 여기계신분들도 모르실것 같네요. 결론은 레이저 제품을 쓰지 않는게 좋은것 같습니다. 정신건강에 해롭습니다. 소프트웨어가 장치랑 조화가 안됩니다.
KR20130019435A – 비디오 스트림 품질 평가 방법 및 장치 – Google Patents
전통적으로, 도 1에 도시된 바와 같이, 비디오 품질 평가 모델의 입력은 패킷 스트림의 패킷 헤더 정보(14) 및 인코더 구성(configuration) 정보(13)이다. 패킷 정보 분석(11) 후에, 패킷 손실률 PLR 및 버스트 손실 주파수 BLF와 같은 분석 데이터는 이 분석 데이터를 추정된 비디오 품질 점수(즉, 평균 평가 점수 MOS)인 객관적인 비디오 품질 값(15)에 매핑(12)하기 위해 제공된다. 인코더 구성 정보(13)는 가정(assumptions), 즉, 코덱 유형, 화상 그룹(GOP) 구조, (전송 패킷 헤더로부터 얻은) 비디오 포맷 및 몇 가지 비디오 콘텐츠 특징, 예를 들어, 픽셀 데이터를 기초로 한다.
전술한 기존의 패킷 계층 VQM 모델의 문제점과 관련하여, 본 발명은 패킷 계층 VQM 모델의 정확도 및 강인성을 개선할 수 있으며, 동시에 낮은 계산 복잡도를 유지할 수 있다. 이는 특히 실시간 비디오 품질을 모니터링하는데 유리하다.
본 발명은 다음의 구현 실시예에 기초하여 예시적으로 설명된다.
먼저, 각 비디오 슬라이스마다, 그리고 각 화상 그룹(GOP) 또는 각 장면(scene) 그룹 또는 슬라이스 그룹마다 예시적인 보조 정보 구문(side information syntax)이 규정된다. “장면 그룹” 및 “슬라이스 그룹”이라는 용어는 이하에서 해석될 것이다.
다음에, 규정된 보조 정보는 도 2에 도시된 바와 같은 신규한 패킷 계층 비디오 품질 평가 모델의 입력으로서 사용된다. 결과적으로, 규정된 보조 정보는 추정 정확도 및 강인성 측면에서 모델 성능을 개선하는 역할을 할 수 있다. 예를 들어, 보조 정보는 패킷 계층 VQM에서 EC 가중치 값 및 에러 전파(EP) 가중치 값의 설정을 안내하는데 사용되며, 따라서 이는 전술한 결점을 극복한다. 반면에, 보조 정보의 오버헤드는 가능한 작게 유지될 것이다. 설명된 보조 정보를 이용하면, 단지 두 가지 또는 세 가지 레벨만 전송되더라도 품질 추정 정확도가 상당히 개선될 수 있다.
전술한 바와 같이, 입력에 따라 객관적인 비디오 품질 모델링에 대한 세 가지 일반적인 카테고리, 즉, 패킷 계층 모델, 비트스트림 레벨 모델, 및 미디어 계층 모델이 있다. 미디어 계층 모델은 픽셀 도메인에서 동작한다. 파라미터의 패킷 계층 모델은 패킷 헤더 정보, 네트워크 파라미터(예컨대, 대역폭, 패킷 손실률, 지연 등), 및 인코더 구성 정보를 기초로 한다. 비트스트림 레벨 모델은 반-디코드된(half-decoded) 비디오 비트스트림 정보 및 패킷 헤더 정보에도 기초하는 하이브리드 모델이다. 감소 기준법(reduced-reference) 미디어 계층 모델은, 예를 들어, ITU 표준 ITU-T Rec. J.246에 맞게 제안되었다. 그러나, 아직까지 패킷 계층 모델에 맞는 감소 기준법 모델은 존재하지 않는다.
본 발명의 방식에서, 코딩된 비트 스트림 내 각 슬라이스의 보조 정보 집합 또는 각 그룹의 보조 정보 집합 또한 입력으로 사용된다. 모델의 출력은 MOS 값이다.
본 발명의 (하나의 패킷에 캡슐화된) 각 비디오 슬라이스에 대한 보조 정보 구문과 각 비디오 패킷에 대한 우선 순위(priority level) 사이의 차이를 모니터링할 가치가 있다. 후자는 인코드된 상이한 프레임 유형(예를 들어, IDR/I/P/B 프레임)에 따라 패킷들의 중요도를 차별화하는 전통적인 방법이므로, 혼잡 네트워크는 최종 사용자에게 가능한 양호한 비디오 품질을 제공하기 위한 일환으로 패킷을 더 재빠르게 폐기할 수 있다. 제안된 유형의 보조 정보는 프레임 유형과 다르며, 이 정보는 디코더의 EC 효과, 시각적 중요도(또는 관심 영역, ROI), 및 비디오 슬라이스의 에러 전파(EP) 감쇄율을 반영한다. 이러한 정보는 패킷 계층 VQM의 성능을 상당히 개선시킬 수 있으며, 또한 패킷 계층 모델의 경량화 특징을 유지하여, 매우 낮은 전송 오버헤드만을 발생할 수 있다.
도 2는 본 발명의 기능 블록도이다. 패킷 정보 분석 블록(21)은 RTP/UDP 헤더 정보(25)를 이용하여 각 프레임마다 파라미터 집합(a set of parameters)을 획득한다. 예를 들어, H.264/AVC 인코더의 경우, 프레임(인덱스가 i인 프레임) 당 파라미터 집합(28)은 비디오 프레임 내 전체 슬라이스의 개수 N i , total , 손실된 슬라이스의 개수 N i , lost , 및 손실된 슬라이스의 인덱스를 포함한다. “패킷” 정보 대신에 “슬라이스” 정보에 대한 통계치가 사용되는 것이 중요하다. 프레임은 인코더 구성에 따라 하나 이상의 슬라이스로 인코드될 수 있다. 예를 들어, 프레임 내 하나의 매크로블록(MB) 행(row)은 하나의 슬라이스일 수 있거나, 또는 하나의 슬라이스는 그 크기가 MTU 크기보다 크지 않도록 설정될 수 있다. 슬라이스는 독립적인 디코딩 단위이다. 실세계 비디오 전송에서, 슬라이스 데이터는 기저 네트워크의 MTU 크기에 따라 하나 이상의 RTP 패킷으로 캡슐화될 수 있다. 반면에, (RFC3984에 상세히 기술된 바와 같이) 프레임의 여러 슬라이스가 하나의 RTP 패킷으로 조립되는 것도 또한 가능하다. 만일 슬라이스의 어떤 패킷이 손실되면, 이 슬라이스는 적절히 디코드될 수 없고 손실된 것으로 간주된다. 또한, 프레임의 여러 슬라이스의 손실에 대응하는 패킷 손실이 검출되는 다른 상황이 있다. RFC3984마다 NALU 헤더를 분석함으로써, 프레임마다 정확하게 수신된 슬라이스가 식별될 수 있다. 마지막으로, 상이한 프레임을 식별하기 위해, RTP 패킷 헤더 내에 있는 타임스탬프가 사용된다.
시각적 아티팩트 검출 블록(22)에서, 슬라이스 당 기술된 보조 정보 집합(27), 프레임 당 계산된 파라미터 집합(28) 및 인코더 구성 정보(29)는 각 프레임의 “시각적 아티팩트 레벨(LoVA)”을 계산하는데 사용된다. i번째 프레임에 대한 LoVA는 수학식(1)에 의해 추정된다.
제안된 보조 정보 트리플릿(triplet)은 {EC 가중치 레벨, ROI 가중치 레벨, 및 EP 감쇄 레벨}이며, 이는 이하에서 설명되는 바와 같이 수학식(1)에서 세 가지 가중치 계수의 설정을 안내하는데 사용된다.
평균 LoVA(MLoVA) 계산 블록(23)에서, 평균(Mean) LoVA(즉, 평균(average) LoVA)는 일련의 주어진 지속 시간, 예를 들어, t초 동안 계산된다. 이전의 연구iii로부터 알려진 바와 같이, 시각적 아티팩들 간의 단순한 평균 시간 메트릭은 MOS와 0.94의 평균 상관 관계를 갖는다. 따라서, 여기서 간단한 평균화 방법이 시간적 풀링(pooling) 방법으로서 사용된다. 즉,
여기서 M은 t초 동안의 총 프레임 수이고, f r 은 비디오 시퀀스의 초당 프레임율이다.
매핑 블록(24)에서, MLoVA는, 예를 들어, 최소 제곱 곡선 맞춤 방법(least square curve fitting method)과 같은 곡선 맞춤 방법을 이용하여 훈련된 함수에 따라 객관적인 MOS 값에 매핑된다.
수학식(1)에서, 프레임 내 각각의 손실된 슬라이스의 위치에 따라 상이한 가중치가 손실된 슬라이스에 할당된다. 이 가중치는 ROI 레벨의 보조 정보를 고려하여 설정될 수 있다. 슬라이스에 대하여, “1”(슬라이스가 ROI 포함) 또는 “0”(슬라이스에 ROI 없음)으로 태그된 두 ROI 레벨이 있다. 이에 대응하여, 가중치는 슬라이스가 ROI를 갖는 경우 더 큰 값으로 설정되거나, 또는 그렇지 않으면 이들의 시각적 영향을 차별화하기 위해 더 작은 값으로 설정된다. 실험에서,가 , 예를 들어, ROI_레벨이 “1”일 때 두 배로 된 경우에 유리하다고 밝혀졌다.
SI i ,j 및 시간 복잡도 측정치 TI i ,j 에 좌우된다. 값 여러 슬라이스의 여러 EC 효과 및 사용되는 EC 방법들을 반영하도록 더 작거나 더 큰 값으로 설정된다. 실험에서, 인터 예측된(inter-predicted) 슬라이스의 경우, 수학식(1)에서,는 여러 손실된 슬라이스의 여러 EC 효과를 반영한 EC 가중치이다. 손실된 슬라이스의 EC 효과는 디코더에 사용된 EC 방법과 인코더에 사용된 슬라이싱 모드뿐만 아니라, 슬라이스 내의 비디오 콘텐츠 특징, 즉, 공간 복잡도 측정치SI및 시간 복잡도 측정치 TI에 좌우된다. 값은 EC 레벨의 보조 정보를 고려하여 설정되며, 이는여러 슬라이스의 여러 EC 효과 및 사용되는 EC 방법들을 반영하도록 더 작거나 더 큰 값으로 설정된다. 실험에서, 인터 예측된(inter-predicted) 슬라이스의 경우,는, 예를 들어, 각각 0, 1 및 2의 EC_레벨에 대응하는 0.01, 0.3 및 0.6으로 설정된다. 인트라 코딩된(intra-coded) 슬라이스의 경우,는 0 또는 1의 EC_레벨에 대응하는 0.01 또는 2로 설정된다.
잔류(predictive residue) 정보량의 비율과 관련된다. 총 MB 개수의 비율(IRR i ,j 로 나타냄)은 EP_레벨 값으로부터 얻을 수 있다. 그러면, 실험에서, 막는 인트라 MB의 역할을 반영하도록 설정된다. 수학식(1)에서,는 전파된 에러의 감쇄 정도를 반영한다. 이것은 프레임 내 인트라 코딩된 MB 및 예측잔류(predictive residue) 정보량의 비율과 관련된다.의 값은 프레임 내 슬라이스의 EP_레벨을 고려하여 설정될 수 있다. 인트라 MB 대 슬라이스 내총 MB 개수의 비율(IRR로 나타냄)은 EP_레벨 값으로부터 얻을 수 있다. 그러면, 실험에서,이다. 즉,는 에러가 전파하지 못하도록막는 인트라 MB의 역할을 반영하도록 설정된다.
수학식(1)에서,는 기준 프레임으로부터 전파된 가시적 아티팩트의 양을 나타낸다. 이 값은 인코더 구성 정보, 즉, 기준 프레임들의 개수에 크게 좌우된다. 실험에서, 기준 프레임들의 개수는 2이고, 예측(P-) 및 양방향 예측(bi-directionally predicted)(B-) 프레임 유형이 사용된다.는 다음과 같이 계산된다.
여기서 E 1 ,j 및 E 2 ,j 는 두 개의 이전 기준 슬라이스들의 저장된 아티팩트 값들이다. a 및 b는 여러 기준 프레임으로부터 전파된 에러의 가중치들이며, 여기서 a+b=1, a,b∈(0,1)이다. 실험에서, a 및 b는 P-프레임의 경우 a=0.9, b=0.1, 그리고 B-프레임의 경우 a=b=0.5로 설정되었다.
이하에서는, 보조 정보 전송을 위한 예시적인 구문에 대해 설명된다.
보조 정보 구문의 하나의 집합은 표 1에 나타낸 바와 같이 인코딩 슬라이스 레벨로 규정된다. 프레임은 H.264/AVC에서 하나 이상의 슬라이스로 인코드될 수 있다. 프레임의 다른 슬라이스와 관계없이 디코딩 단위는 인코딩 슬라이스이다. 만일 프레임이 여러 슬라이스로 인코드된다면, 하나의 슬라이스는, 예를 들어, 한 행(row)의 MB들을 포함할 수 있다.
본 실시예에서, 보조 정보 집합은 각 비디오 슬라이스마다 {EC_레벨, ROI 레벨, 및 EP 감쇄 레벨}을 포함한다. 제안된 보조 정보 집합은, 예를 들어, 가변 개수의 MB들이 프레임의 슬라이스에 포함된 경우 파라미터 size_in_MB를 추가로 포함할 수 있다. 이는, 예를 들어, H.264/AVC 인코더가 “슬라이스 당 고정 바이트”라는 슬라이스 모드로 구성된 경우에 수행될 수 있다.
EC_level은 “에러 은닉 레벨” 값이다. 이 파라미터는 슬라이스의 움직임 및/또는 텍스처(texture) 복잡도, 및 사용된 EC 방법을 반영한다. 이러한 파라미터는 현재 슬라이스의 손실시 EC 효과를 측정하는데 도움을 줄 수 있다. 일반적으로, (2 비트에 해당하는) 두 레벨 또는 세 레벨이면 충분하다.
ROI_level은 “관심 영역 레벨” 값이다. 이 파라미터는 현재 슬라이스 콘텐츠가 인지 관심 영역, 예를 들어, 눈 및 입인지 여부를 반영한다. 이 파라미터는 1 비트로 코딩될 수 있다.
EP_attenuation_level은 “에러 전파 감쇄 레벨” 값이다. 이 파라미터는 현재 슬라이스 또는 현재 프레임에 대한 전파 에러의 다른 감쇄 속도를 반영한다. 이 파라미터는 인코더 구성(예컨대, H.264에서 인트라 리프레시 비율) 및 비디오 콘텐츠 자체(예컨대, 예측 코딩 후의 잔여 정보량)와 관련된다. 이 파라미터는 인코딩 슬라이스 당 한번 또는 프레임 당 한번 계산될 수 있다. 일반적으로, (16 레벨에 해당하는) 4 비트이면 충분하다.
size_in_MB는 현재 슬라이스 내 MB들의 개수이다. 이 파라미터는 단지 가변 개수의 MB들이 프레임의 슬라이스에 포함된 경우에만 유용하다. 그 크기는 프레임 크기에 좌우되며, 일반적으로 8 비트이면 충분하다.
만일 예비 대역폭(auxiliary bandwidth)이 제한되면, 슬라이스 레벨 파라미터들은 선택적으로 전송될 수 있다. 실험에서, EC_level이 성능을 가장 크게 향상시키는데 도움이 된다는 것을 알았다. 두 번째 중요한 정보는 ROI_level이며, 세 번째는 EP_level 정보이다. 마지막 정보는 size_in_MBs인데, 이는 단지 가변 개수의 MB들이 프레임의 여러 슬라이스에 포함된 경우에만 유용하다. 일 실시예에서, 사용되는 슬라이스 레벨에 대해서는 단지 EC_level 파라미터만 존재한다. 또한, 후술하는 바와 같이, 이 파라미터는, 예를 들어, 슬라이스의 예측 유형(인트라 또는 인터) 또는 사용되는 은닉 유형과 같은 기준에 의해 슬라이스에 따라 다른 수식에 의해 (반드시 필요한 것은 아니지만) 계산될 수 있다.
일반적으로, 은닉 방법은 두 유형 또는 카테고리, 즉, 픽셀 보간 기반 방법 및 움직임 추정 기반 방법으로 나뉜다. 두 유형의 시각적 아티팩트는 다르다. 따라서, 두 가지 은닉 유형의 EC 효과를 차별화하는 것이 유리하다. 사용되는 은닉 유형은 또한, 예를 들어, JVT JM 디코더에서의 예측 유형에 좌우될 수 있다.
JVT JM 비실시간 디코더 외에, 폭넓게 사용되는 실시간 디코더는 ffmpeg 디코더이다. 현재 버전에서, ffmpeg 디코더는 손실된 슬라이스를 JVT 디코더보다 훨씬 잘 복원할 수 있다는 것을 알았으며; 일 실시예에서, 디코더는 먼저 (a) 손실된 슬라이스(들)를 갖는 프레임이 인트라일 가능성이 높은지(intra-more-likely) 여부를 판단한다. 만일 프레임이 인트라일 가능성이 높으면, 픽셀 보간 기반 방법이 사용되며; 그렇지 않으면 움직임 추정 기반 방법이 사용된다. 인트라일 가능성이 높은 프레임을 판단하는 가능한 기준은,
(1) 만일 기준이 되는 이전 프레임이 존재하지 않으면, 현재 프레임이 인트라일 가능성이 높은 프레임이고;
(2) 만일 프레임이 I-프레임이면, 정확하게 수신된 현재 프레임의 MB들에 기초하여 현재 프레임 및 바로 이전 프레임 간의 절대차를 계산한다. 만일 절대차가 크면, 프레임은 이전 프레임과 다를 가능성이 높고, 따라서 인트라 픽셀 보간 기반 방법을 사용하여야 할 가능성이 높다. 예시적인 구현에에서, 프레임에 대한 변수 is_intra_like를 규정하고, 이를 절대차의 값만큼 증가한다. 그렇지 않으면, 즉, 만일 절대차가 작으면, 이전 프레임 내에서 수직으로 인접한 MB들 간의 절대차를 계산하고; 만일 그 차가 크면, 이전 프레임은 풍부한 텍스처(rich texture)를 가질 가능성이 높다. 이러한 현재 프레임의 특징이 현재 및 이전 프레임에서 유사하다고 추정되므로, 현재 프레임은 풍부한 텍스처를 가질 가능성이 높다. 이 경우, 현재 프레임은 픽셀 보간 기반 방법으로 은닉되지 않아야 하는데, 왜냐하면 픽셀 보간 기반 방법이 부드러운 영역(smooth regions)에 더 적합하기 때문이다. 이 경우, 변수 is_intra_like를 절대차의 값만큼 감소한다. 이 프로시져는 프레임의 모든 MB에 대해 반복된다. 마지막으로, 만일 변수 is_intra_like가 제로보다 크면, 프레임은 인트라일 가능성이 높은 것으로 판단되고, 픽셀 보간 기반 방법이 사용될 것이다. 그렇지 않으면, 움직임 추정 기반 방법이 사용될 것이다.
(3) 만일 프레임이 인터 예측된다면(즉, P- 또는 B-프레임), 정확하게 수신된 현재 프레임의 MB들에 기초하여 변수 is_intra_like를 계산한다. 만일 MB가 인트라 코딩되면 is_intra_like를 증분하고, 만일 MB가 인터 코딩되면 is_intra_like를 감소한다. 만일 마지막으로 is_intra_like가 제로보다 크면, 프레임은 인트라일 가능성이 높고, 픽셀 보간 기반 방법이 사용될 것이다. 다시 말하면, 만일 인트라 코딩된 MB들의 개수가 인터 코딩된 MB들의 개수보다 크면, 프레임은 인트라일 가능성이 높은 것으로 판단되고, 픽셀 보간 기반 방법이 사용될 것이다. 그렇지 않으면, 움직임 추정 기반 방법이 사용될 것이다.
다른 실시예에서, 사용되는 슬라이스 레벨에 대해서는 단지 ROI_level 파라미터만 존재한다.
또한, 인코딩 GOP 또는 장면 그룹 레벨에서 제2 보조 정보 구문 집합이 규정될 수 있다. 장면 그룹은 인접한 두 장면 변화 간의 픽쳐 그룹이다. 인코딩 GOP 구조는 장면 그룹과 정렬될 수 있거나 정렬되지 않을 수 있다. 일반적으로, 장면 그룹 내 비디오 콘텐츠는 그의 인접 장면 그룹들의 특성과 매우 다른 특성을 갖지만, 그 그룹 내에서는 유사한 특성을 갖는다. 만일 프레임이 여러 슬라이스로 인코드된다면, 예를 들어, 하나의 슬라이스가 한 행의 MB들을 포함한다면, 그룹 내에서 프레임들의 동일 위치에 있는 슬라이스들을 이하에서는 슬라이스 그룹이라 지칭한다.
일 실시예에서, 보조 정보 집합은 또한 각 인코딩 GOP 또는 장면 그룹마다 {시간 복잡도 레벨, 공간 복잡도 레벨}을 포함한다. 제안된 보조 정보 집합은 한 프레임 내에 여러 슬라이스가 존재하는 경우, 예를 들어, 슬라이스 당 하나의 MB 행이 존재하는 경우, ROI 레벨 파라미터 group_ROI_Level을 추가로 포함할 수 있다. 각 슬라이스 그룹마다 group_ROI_level이 계산된다.
temporal_complexity_level은 GOP/장면 그룹 또는 슬라이스 그룹 내 콘텐츠의 전체 움직임의 여러 레벨을 반영한다. 일반적으로, 4 레벨이면 충분하다.
spatial_complexity_level은 GOP/장면 그룹 또는 슬라이스 그룹 내 콘텐츠의 전체 텍스처 복잡도의 여러 레벨을 반영한다. 일반적으로, 4 레벨이면 충분하다.
group_ROI_level은 슬라이스 그룹의 “ROI 레벨” 값이다. 이 파라미터는 단지 프레임 내 여러 슬라이스가 존재하는 경우, 예를 들어, 슬라이스 당 하나의 MB 행이 존재하는 경우에만 계산된다. group_ROI_level은 GOP 또는 장면 그룹 내 각 슬라이스 그룹마다 계산된다.
전술한 보조 정보 파라미터들의 계산에 대해 이하에서 설명된다.
EC_level 계산
인코딩 슬라이스의 경우, “EC_level”은 여러 EC 방법에 따라 계산될 수 있다. 예를 들어, H.264 기준 디코더(JVT 디코더 또는 JVT JM 모델이라고도 지칭됨)에서, 인터 예측된 슬라이스 및 인트라 예측된 슬라이스에 대해 다른 EC 방법이 적용되며; 그러므로, 일 실시예에서, 두 가지 슬라이스 유형에 대해 다른 계산 방법이 사용된다. JVT 디코더에서, 인트라 픽셀 보간 방법은 손실된 “인트라 예측된” 슬라이스의 MB들을 은닉하는데 사용되며; 시간 도메인 움직임 벡터 추정 기반 에러 은닉 방법은 손실된 “인터 예측된” 슬라이스의 MB들에 사용된다. 몇 가지 더 진보된 디코더에서, 슬라이스 유형에 따르지 않고, 슬라이스의 다른 특징에 따라 두 부류의 EC 방법들이 선택된다. 일례가 이하에서 제시된다. 다른 유사한 계산 방법들도 사용될 수 있다.
i 라고 나타낸다. 슬라이스의 MV i 를 다음과 같이 내림순, 즉 예를 들어, JVT 디코더에서, 각각의 인터 예측된 슬라이스마다 슬라이스를 디코드하고 4×4 서브블록의 평균 움직임 벡터(MV)들을 평균하여 각 MB의 평균 MV를 계산한다. 만일 MB가 인트라 예측 모드로 인코드되면, 그것의 MV를 최대 움직임 탐색 범위 값으로 설정한다. 서브 픽셀 정밀도 대신에 픽셀 단위의 MV가 구해진다. 이것이 MB의 MV를 구하는 저 복잡도 방법이다. 대안으로, 다른 기존의 움직임 탐색 방법을 이용하여 각 MB의 MV가 계산될 수 있다. i번째 MB의 MV를 MV라고 나타낸다. 슬라이스의 MV를 다음과 같이 내림순, 즉으로 소팅하고, 여기서 N은 슬라이스 내 MB들의 총 개수이다. 슬라이스의 시간 복잡도는 다음과 같이 상위 M개의 MV들을 평균하여 계산된다.
실험에서, M=3 또는 M=N/3이다. 슬라이스의 EC_level은 다음과 같이 계산된다.
인터 예측된 슬라이스의 EC_level 계산을 뒷받침하는 근거는 EC 효과가 손상된 슬라이스들의 다른 시간 복잡도에 따라 크게 달라진다는 것이다. 정지(stationary) 슬라이스의 경우, 그것은 현저한 아티팩트없이 복원될 수 있다. 그러나, 움직임이 큰 슬라이스의 경우, 에러를 은닉하는 것이 어렵고, 일반적으로 에지 왜곡이 심각하여, 인지적으로 매우 성가시다.
각각의 인트라 예측된 슬라이스의 경우, 그 슬라이스가 분실되고 그의 인접 슬라이스들이 정확하게 수신되었다고 가정한다. JVT 디코더에 적용된 픽셀 도메인 보간 EC 방법은 슬라이스 콘텐츠를 재구성하는데 사용된다. 인지 왜곡은 다음과 같이 계산된다.
j ,k 는 공지의 방법iv을 이용하여 계산될 수 있는 MB의 가시성(visibility) 임계치(“최소 감지가능한 차이(Just Noticeable Difference”)이다. 가시성 임계치는 공간 대조 민감도(spatial contrast sensitivity) 및 휘도 적응(luminance adaptation)과 같은 그러한 효과에 영향을 받는다. 여기서는 (j,k)로 인덱스된 손실이 없는 디코드된 MB의 휘도(luminance) 성분이고,는 (j,k)로 인덱스된 에러 은닉된 MB의 휘도 성분이고, M은 슬라이스 내 MB들의 총 개수이고, N은 MB 내 픽셀들의 총 개수이며, JND는 공지의 방법을 이용하여 계산될 수 있는 MB의 가시성(visibility) 임계치(“최소 감지가능한 차이(Just Noticeable Difference”)이다. 가시성임계치는 공간 대조 민감도(spatial contrast sensitivity) 및 휘도 적응(luminance adaptation)과 같은 그러한 효과에영향을 받는다.
실험에서, 단지 휘도 마스킹 효과만을 고려하고 이를 아래와 같이 약간 수정한 실험식4에 따라 계산하였다.
여기서 L j ,k 는 (j,k)로 인덱스된 MB의 배경 휘도이다. 이 파라미터는 디코드된 MB의 픽셀들의 휘도 값들을 평균하여 계산된다. 파라미터 f, g, h는 f=22, g=20, h=10으로 선택될 수 있다. 그러면, 슬라이스의 EC 레벨은 다음과 같이 계산될 수 있다.
여기서 Thrd는 상수이며 제로에 가까운 작은 값, 예를 들어, 0.05로 설정된다.
인트라 코딩된 슬라이스의 EC 레벨 계산을 뒷받침하는 근거는 픽셀 보간 방법으로 에러 은닉된 슬라이스의 품질 저하가 어떤 특수한 상황(예를 들어, 매우 어둡거나 밝은 강도 또는 균일한 텍스처를 갖는 영역, 또는 풍부한 텍스처를 갖는 영역)에서 인지되지 않을 수 있다는 것이다. 인터 코딩된 슬라이스의 EC 레벨은 유사한 방식으로 계산될 수 있다. 그러나, 전술한 방법은 계산상 더 효율적이고 더 효과적이다.
ROI_level 계산
파라미터 ROI_level은 두 가지 값을 가질 수 있다. “0”는 슬라이스가 ROI가 아니라는 것을 나타내고, 그리고 “1”은 슬라이스가 ROI라는 것을 나타낸다. ROI를 규정하는 방법은 공지되어 있다. 예를 들어, 만일 슬라이스가 눈 및/또는 입과 같은 이목에 민감한 관심 영역을 포함한다면, 슬라이스 ROI_level은 “1”이다. 그렇지 않으면, 슬라이스 ROI_level은 “0”이다. 여기서는 어떠한 기존의 ROI 분할(segmentation) 방법(세일리언시(saliency) 매핑이라고도 알려짐)이라도 사용될 수 있다. 다른 실시예에서, 만일 인코더가 전경(foreground)이 ROI이고 배경이 ROI가 아닌 “전경 및 배경”의 FMO 슬라이스 모드를 사용하도록 구성된다면, 전경 슬라이스는 “1”의 ROI_level을 갖고, 배경 슬라이스는 “0”의 ROI_level을 갖는다.
EP_level 계산
예시적으로, 에러 전파 감쇄(EP) 레벨은 다음과 같이 계산된다. 인트라 코딩된 슬라이스의 경우, 각 슬라이스의 EP 레벨은 “0”으로 설정되는데, 그 이유는 모든 MB들이 인트라 코딩되고, 이전 프레임들로부터 전파된 에러가 없기 때문이다. 인터 코딩된 슬라이스의 경우, 이를 디코드하여 인트라 코딩된 MB들의 개수를 획득하고; IRR로 나타낸 인트라 MB들 대 슬라이스의 총 MB들의 비율을 계산한다. 각 슬라이스의 EP 레벨은 IRR의 값에 따라 설정된다. 예를 들어, 만일 IRR 레벨을 나타내는데 4 비트가 사용된다면, {(2n+1)/32, n=0,…,15}의 16가지 레벨이 존재한다. 슬라이스의 IRR 레벨은 그의 IRR 값을 대응하는 IRR 레벨로 라운딩(rounding)하여 결정된다. 프레임의 EP 레벨은 유사한 방식으로 결정될 수 있다.
이하에서는, 그룹 레벨에 대해 전술한 보조 정보 파라미터들의 계산에 대해 설명된다.
그룹 Temporal_Complexity_Level 계산
GOP 또는 장면 그룹 또는 슬라이스 그룹(이하에서는 총칭하여 그룹으로 불림)의 경우, 시간 복잡도 레벨(temporal complexity level)은 그룹에 대한 “제로 MV” 비율, 그룹에 대한 “평균(average mean) MV 크기” 및/또는 그룹 내 “이동 균일성”으로부터 계산된다. 각 MB의 MV는 슬라이스 레벨에 대해 전술한 바와 동일한 방식으로 얻어진다. Z로 나타낸 평균 제로 MV 비율은 그룹 내 제로 MV의 개수 대 총 MV의 비율로 계산된다.
V로 나타낸 평균 MV 크기는 그룹에 대해 하나의 슬라이스/프레임 내의 비제로 MV들의 평균 크기의 평균으로서 계산된 다음, 프레임 깊이로 정규화된다. 임계치 방법을 이용하면, 시간 복잡도는, 예를 들어, 세 가지 레벨, 즉, 정지(레벨 0), 매우 큰 움직임(레벨 2), 기타/중간(레벨 1)으로 분류된다.
그룹 Spatial_Complexity_Level 계산
GOP 또는 장면 그룹의 경우, 공간 복잡도 레벨(spatial complexity level)은 먼저 그룹의 각 프레임/슬라이스에 에지 검출 연산자(예를 들어, 소벨(Sobel) 연산자)를 적용하여 계산된다. 다음에, 예를 들어, 두 가지 또는 세 가지 레벨, 즉, 부드러운 텍스처를 갖는 영역(레벨 0) 또는 풍부한 텍스처를 갖는 영역(레벨 2)을 분류하기 위해 에지의 크기를 조작한다. 또한, 제3 레벨은 기타/중간(레벨 1)일 수 있다.
Group_ROI_level
Group_ROI_level 파라미터는 단지 (앞에서 규정된) 슬라이스 그룹에 대해서만 사용된다. 만일 현재 슬라이스 그룹이 눈 및 입과 같은 이목에 민감한 영역을 포함한다면, 그의 ROI_level은 “1”이고; 그렇지 않다면, 그 레벨은 “0”이다.
전술한 파라미터들 각각이 개별적으로, 또는 어떤 조합으로 사용될 수 있음을 주목하여야 한다. 일반적으로 슬라이스 레벨 파라미터가 그룹/GOP 레벨 파라미터보다 더 강력한 효과를 낸다고 알고 있지만, 이 파라미터는 일 실시예의 응용 관련 상황에 좌우될 수 있다.
설명된 예들에 따르면, 많은 유리한 실시예들이 만들어질 수 있다. 이하의 실시예들은 조합될 수 있다. 특히, 방법 관련 실시예들은 장치 관련 실시예들로 전개될 수 있다.
도 3은 비디오 품질 평가를 가능하게 하는 방법(30)의 흐름도이다. 비디오 데이터는 패킷 네트워크를 통해 전송되며 비디오 데이터의 각 프레임은 가변 개수의 패킷들로 나타내어진다. 이 방법은 비디오 데이터의 프레임 스트림과 연관된 패킷 시퀀스(34)를 수신하는 단계(31), 상기 패킷 시퀀스로부터 파라미터 집합(a set of parameters)을 생성하는 단계(32), 및 상기 생성된 파라미터 집합을 보조 정보로서 상기 프레임 스트림에 삽입하는 단계(33)를 포함한다. 상기 비디오 데이터는 적어도 하나의 슬라이스 레벨을 포함하며, 상기 생성된 파라미터 집합은 상기 비디오의 슬라이스(즉, 다른 슬라이스가 아님) 레벨을 개별적으로 나타내는 적어도 하나의 파라미터를 포함한다. 상기 파라미터 집합은 비디오 데이터의 프레임 스트림에 대한 추정된 평균 평가 점수(MOS)를 생성하는데 적합하다.
도 4는 비디오 품질을 평가하는 방법(40)의 흐름도이다. 비디오 데이터는 패킷 네트워크를 통해 전송되며 비디오 데이터의 각 프레임은 가변 개수의 패킷들로 나타내어진다. 비디오 데이터의 프레임 스트림의 품질을 평가하는 방법은 비디오 데이터의 프레임 스트림과 연관된 패킷 시퀀스(44)를 수신하는 단계(41), 상기 패킷 시퀀스로부터 파라미터 집합을 추출하는 단계(42), 및 상기 파라미터 집합에 기초하여 추정된 평균 평가 점수(45)를 생성하는데 단계(43)를 포함한다. 상기 비디오 데이터는 적어도 하나의 슬라이스 레벨을 포함하며, 상기 추출된 파라미터 집합은 상기 비디오의 슬라이스(즉, 다른 슬라이스가 아님) 레벨을 개별적으로 나타내는 적어도 하나의 파라미터를 포함한다.
모든 실시예에서, 만일 하나의 프레임이 하나보다 많은 슬라이스(슬라이스 레벨로 나타냄)를 갖는다면, 파라미터 집합은 비디오의 특정 슬라이스 또는 슬라이스 레벨(다른 슬라이스/슬라이스 레벨이 아님)을 개별적으로 나타내는 적어도 하나의 파라미터를 포함한다.
일 실시예에서, 파라미터 집합은 비디오의 GOP 레벨 또는 장면 그룹 레벨을 개별적으로 나타내는 적어도 하나의 파라미터를 더 포함한다.
일 실시예에서, 제1 파라미터(EC_level)는 슬라이스의 에러 은닉 레벨을 나타낸다. 일 실시예에서, 제1 파라미터는 슬라이스의 움직임 및/또는 텍스처 복잡도를 반영하며, 파라미터가 생성된 경우, 제1 파라미터를 생성하는 단계는 슬라이스가 인트라 예측된 경우 제1 계산 방법(37a)(도 3 참조)을 이용하여 제1 파라미터를 생성하는 단계, 및 슬라이스가 인터 예측된 경우 다른 제2 계산 방법(37b)을 이용하여 제1 파라미터를 생성하는 단계를 포함한다. 또한, EC 유형을 선택, 예를 들어, 인트라 예측된 슬라이스를 JVT JM 디코더에 대해 인터 예측된 슬라이스와 구별하기 위해 구별 또는 선택 단계(36)가 수행될 수 있다. 더 진보된 디코더에서, 슬라이스 유형에 따르지 않고, 슬라이스의 다른 특징에 따라 두 부류의 EC 방법들이 선택된다(36). EC_level의 계산은 손실된 슬라이스의 콘텐츠에 발생되는 EC 효과를 구별하는 것을 목표로 하며 상이한 EC 방법들은 손실된 슬라이스를 은닉하기 위해 적용된다. 전술한 바와 같이, 일 실시예에서, 제1 계산 방법(37a)은 슬라이스가 인터 MB보다 더 많은 인트라 MB를 갖는 경우에 사용되며, 반면에 제2 계산 방법(37b)은 그렇지 않은 경우에 사용된다.
일 실시예에서, 제2 파라미터(ROI_level)는 슬라이스가 관심 영역(ROI)을 포함하는지 여부를 나타낸다.
일 실시예에서, 제3 파라미터(EP_attenuation_level)는 슬라이스의 에러 전파 감쇄 레벨을 나타낸다. 파라미터가 생성되는 실시예에서, 생성된 파라미터 집합에서 제3 파라미터를 생성하는 단계는 인터 코딩된 슬라이스의 경우 인트라 코딩된 매크로블록들 및 슬라이스 내 매크로블록들의 총 개수의 비율을 계산하는 단계를 포함하며, 여기서 인트라 코딩된 슬라이스의 경우 제3 파라미터는 제로로 설정된다.
일 실시예에서, 제4 파라미터(size_in_MBs)는 슬라이스 내 매크로블록들의 개수를 나타낸다.
일 실시예에서, 제5 파라미터(temporal_complexity_level)는 GOP 또는 장면 그룹의 시간 복잡도 레벨을 나타낸다. 도 3에 도시된 실시예에서, 파라미터가 생성되는 경우, 생성된 파라미터 집합에서 제5 파라미터를 생성하는 단계는 GOP 또는 장면 그룹의 제로 움직임 벡터들의 비율을 결정하는 서브 단계(38a), GOP 또는 장면 그룹을 적어도 세 가지 움직임 레벨 중 하나로 분류하는 서브 단계(38b) – 움직임 레벨은 적어도 정지 레벨, 중간 움직임 레벨 및 매우 큰 움직임 레벨을 포함함 -, 및 GOP 또는 장면 그룹이 분류된 움직임 레벨에 따라 GOP 또는 장면 그룹의 제5 파라미터를 생성하는 서브 단계(38c)를 포함한다.
일 실시예에서, 제6 파라미터(spatial_complexity_level)는 GOP 또는 장면 그룹의 공간 복잡도 레벨을 나타내며, GOP 또는 장면 그룹의 각 슬라이스 또는 프레임에서 에지 검출이 사용되며, 에지 양에 따라 GOP 또는 장면 그룹이 적어도 두 가지 공간 복잡도 레벨들 중 하나로 분류되며, 상기 레벨들은 부드러운 텍스처 및 풍부한 텍스처에 해당한다.
일 실시예에서, 제7 파라미터(group_ROI_level)는 GOP 또는 장면 그룹 내 슬라이스 그룹의 그룹 ROI 레벨을 나타내며, 이는 GOP 또는 장면 그룹 내 대응하는 슬라이스들이 관심 영역(ROI)을 포함하는지 여부를 나타낸다.
일 실시예에서, 도 5에 도시된 바와 같이, 비디오 데이터의 프레임 스트림의 품질 평가를 가능하게 하는 장치(50)로서, 상기 비디오 데이터는 패킷 네트워크를 통해 전송되며 비디오 데이터의 각 프레임은 가변 개수의 패킷들로 나타내어지며, 상기 장치는 상기 비디오 데이터의 프레임 스트림과 연관된 패킷 시퀀스를 수신하는 수신 수단(51), 상기 패킷 시퀀스로부터 파라미터 집합(a set of parameters)을 생성하는 계산 수단(52) – 상기 파라미터 집합은 상기 비디오 데이터의 프레임 스트림의 추정된 평균 평가 점수(mean opinion score)를 생성하는데 적합함 -, 및 상기 생성된 파라미터 집합을 보조 정보로서 상기 프레임 스트림에 삽입하는 삽입 수단(53)을 포함한다. 상기 비디오 데이터는 슬라이스 레벨을 포함하고 상기 생성된 파라미터 집합은 상기 비디오의 슬라이스 레벨을 나타내는 적어도 하나의 파라미터를 포함한다. 상기 수신 수단(51)은 입력단, 수신기, 커넥터 등일 수 있다. 상기 계산 수단(52)은 (마이크로-)프로세서, 소프트웨어 실행 유닛, 계산 유닛 등일 수 있다. 상기 삽입 수단(53)은 멀티플렉서, 중재기 또는 유사한 것일 수 있다.
도 5는 인터 코딩된 슬라이스와 인트라 코딩된 슬라이스 사이를 구별하는 구별 유닛(56), 슬라이스가 인트라 코딩된 경우 제1 파라미터를 생성하는 제1 계산 유닛(57a) 및 슬라이스가 인터 코딩된 경우 제1 파라미터를 생성하는 제2 계산 유닛(57b)을 더 포함하는 실시예를 도시한다.
또한, 도 5에 도시된 실시예는, 생성된 파라미터 집합에서 제5 파라미터를 생성하기 위해, 상기 GOP 또는 장면 그룹의 제로 움직임 벡터들의 비율을 결정하는 제1 결정 수단(58a), 상기 GOP 또는 장면 그룹을 적어도 세 개의 움직임 레벨들 중 하나로 분류하는 분류 수단(58b) – 상기 움직임 레벨은 적어도 정지 레벨, 중간 움직임 레벨 및 매우 큰 움직임 레벨을 포함함 – 및 상기 GOP 또는 장면 그룹이 분류된 움직임 레벨에 따라 그 GOP 또는 장면 그룹의 상기 제5 파라미터를 생성하는 생성 수단(58c)을 포함한다.
일 실시예에서, 도 6에 도시된 바와 같이, 비디오 데이터의 프레임 스트림의 품질을 평가하는 장치(60)가 개시된다. 비디오 데이터(44)는 패킷 네트워크를 통해 전송되며 비디오 데이터의 각 프레임은 가변 개수의 패킷들로 나타내어진다. 비디오 데이터의 프레임 스트림의 품질을 평가하는 상기 장치(60)는 상기 비디오 데이터의 프레임 스트림과 연관된 패킷 시퀀스를 수신하는 수신 수단(61), 상기 패킷 시퀀스로부터 파라미터 집합을 추출하는 추출 수단(62), 및 상기 파라미터 집합에 기초하여 추정된 평균 평가 점수(45)를 생성하는 계산 수단(63)을 포함한다. 상기 비디오 데이터는 슬라이스 레벨을 포함하며, 상기 추출된 파라미터 집합은 상기 비디오의 슬라이스 레벨을 나타내는 적어도 하나의 파라미터를 포함한다.
일 실시예에서, 비디오 품질 추정 디바이스용 컴퓨터 실행가능한 프로그램이 제공되며, 이 컴퓨터 실행가능한 프로그램은 상기 디바이스의 컴퓨터가 청구항 1 내지 청구항 13 중 어느 항에 따른 방법을 실행하도록 한다. 일 실시예에서, 컴퓨터 판독가능한 기록 매체에는 상기 컴퓨터 실행가능한 프로그램이 기록되어 있다.
본 발명은 패킷화된 비디오 신호의 전송 전 또는 수신 후에 패킷 계층 VQM 모델에서 사용될 수 있다. 보조 정보(즉, 삽입된 파라미터)의 다른 용도는, 네트워크 혼잡의 경우, 네트워크 소자, 예를 들어, 라우터가 최적의 최종 사용자가 인지한 비디오 품질을 유지하면서, 이러한 파라미터를 이용하여 최종 사용자의 품질을 추정하고 어느 패킷을 폐기할지 판단할 수 있다는 것이다.
본 발명의 바람직한 실시예들에 적용된 바와 같은 본 발명의 근본적인 신규한 특징들이 제시되고, 설명되고, 지적되었지만, 개시된 디바이스들의 형태 및 상세 내용에서, 그리고 그 동작에 있어서, 설명된 장치 및 방법의 여러 생략 및 대체 및 변경이 본 발명의 정신으로부터 벗어남이 없이 당업자에 의해 이루어질 수 있다. 실질적으로 동일한 기능을 실질적으로 동일한 방식으로 수행하여 동일한 결과를 얻는 그러한 소자들의 모든 조합은 본 발명의 범주 내에 있음이 명백히 의도된다. 설명된 일 실시예로부터의 다른 실시예로의 소자들의 대체 또한 충분히 의도되고 예상된다.
본 발명이 순전히 예를 들어 설명되었고, 본 발명의 범주로부터 벗어남이 없이 상세 내용의 변형이 이루어질 수 있음을 이해할 것이다.
상세한 설명에 개시된 각 특징 및 (적절한 경우) 특허청구범위 및 도면은 독립적으로 또는 어떤 적절한 조합으로 제공될 수 있다. 특징들은 적절한 곳에서 하드웨어, 소프트웨어, 또는 이들 둘의 조합으로 구현될 수 있다. 특허청구범위에 나타나는 참조 부호는 단지 예시적이며 특허청구범위의 범주에 어떠한 제한적인 영향도 미치지 않을 것이다.
<참고>
i Akira Takahashi: Framework and Standardization of Quality of Experience (QoE) Design and Management for Audiovisual Communication Services, NTT Technical Review 4/2009, www.ntt-review. jp/archive/2009/200904. html
ii A. Raake, M.-N. Garcia, S. Moller J. Berger, F. Kling, P. List, J. Johann, C. Heidemann, T-V-MODEL: PARAMETER-BASED PREDICTION OF IPTV QUALITY, ICASSP 2008
iii Nitin Suresh, Mean Time Between Visible Artefacts in Visual Communications, PHD thesis, Georgia Inst. of Tech., August 2007
iv e.g. in W.Lin et al., “Visual Distortion Gauge Based on Discrimination of Noticeable Contrast Changes”, IEEE Transactions On Circuit and System for Video Tech., Vol.15, No.7, Jul.2005
키워드에 대한 정보 세일 리언 매크로
다음은 Bing에서 세일 리언 매크로 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 @PhotoJoseph의 매크로 렌즈 vs 확장 튜브 ▶ ︎ 차이점은 무엇입니까?
- PhotoJoseph
- Photo Joseph
- PhotoJoseph’s Photo Moment
- Photography
- LUMIX Ambassador
- youtube live
- live broadcast
- streaming live
- macro
- extension tubes
- macro tubes
- macro vs extension tubes
- macro vs macro tubes
- difference between macro lens and extension tube
@PhotoJoseph의 #매크로 #렌즈 #vs #확장 #튜브 #▶ #︎ #차이점은 #무엇입니까?
YouTube에서 세일 리언 매크로 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 @PhotoJoseph의 매크로 렌즈 vs 확장 튜브 ▶ ︎ 차이점은 무엇입니까? | 세일 리언 매크로, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.