시각 인지와 정보량 연속 스플라인 개념

초록

본 논문은 시각 인지 과정을 정보 이론으로 모델링하고, 이론적 근거를 바탕으로 “정보량 연속 스플라인”이라는 새로운 곡선 보간 방법을 제안한다. 기존의 스플라인이 중간 점을 추가해 곡률을 조정하는 반면, 제안된 방법은 이산 데이터만으로 곡률 극값 없이 매끄러운 형태를 재구성한다. 또한, 일정한 정보량 함수를 갖는 평면 곡선을 발견하고, 단조 곡률을 가진 곡선이 정보량 함수를 일정하게 유지하는 조건을 제시한다.

상세 요약

이 논문은 시각 인지가 단순히 물리적 형태를 인식하는 것이 아니라, 형태에 내재된 정서·심리·예술적 의미를 정보 처리 과정으로 해석한다는 가설을 출발점으로 삼는다. Attneave(1954)의 실험적 증거를 인용해, 인간 시각 시스템이 물체의 경계선에 정보를 집중한다는 ‘정보량 집중 현상’을 이론화한다. 이를 수학적으로 표현하기 위해 저자는 “정보량 함수(QI‑function)”를 정의한다. QI‑function은 곡선의 파라미터화된 길이 s에 대해 정보 밀도 I(s)=−log p(s) 형태로 가정하고, 전체 곡선에 대한 정보량은 ∫I(s)ds 로 계산된다.

핵심 아이디어는 곡선의 곡률 κ(s)와 정보량 함수 사이에 직접적인 관계가 존재한다는 점이다. 저자는 곡률이 급격히 변하는 구간에서 정보 밀도가 높아지며, 반대로 곡률이 완만한 구간에서는 정보 밀도가 낮아진다는 수식적 관계를 도출한다. 이 관계를 기반으로 “정보량 연속 스플라인(Quantity‑of‑Information Continuous Spline, QI‑Spline)”을 제안한다. QI‑Spline은 기존의 베지어·B‑스플라인이 제어점 사이에 임의의 보간점을 삽입해 곡률을 조정하는 방식과 달리, 주어진 이산 데이터 포인트만을 이용해 곡률이 극값을 갖지 않도록 연속적인 정보량 분포를 유지한다. 구체적으로, 각 데이터 포인트 사이의 파라미터 구간을 정보량 균등화 조건 ∫{s_i}^{s{i+1}} I(s) ds = const 로 설정하고, 이를 만족하도록 κ(s)를 최적화한다. 최적화는 라그랑주 승수를 이용한 변분법으로 풀며, 결과적으로 얻어지는 곡선은 곡률이 부드럽게 변하면서도 전체 정보량이 일정하게 분포한다.

또한 논문은 “일정한 정보량 함수(constant‑QI curve)”를 정의하고, 이러한 곡선이 존재함을 증명한다. 평면 상에서 κ(s)와 I(s)가 모두 상수인 경우, 곡선은 원형이 아니라 로그-스파이럴 형태를 띤다. 저자는 이 곡선을 ‘QI‑circle’이라 명명하고, 파라미터식 r(θ)=a e^{bθ} (a,b>0) 로 표현한다. 여기서 b는 정보량 함수와 곡률 사이의 비례 상수이며, b=0이면 순수 원이 된다.

마지막으로, 단조 곡률(monotonic curvature) 곡선이 일정한 정보량 함수를 유지하기 위한 충분조건을 제시한다. 구체적으로, κ’(s)·I(s) = κ(s)·I’(s) 를 만족하면 QI‑function이 상수임을 보인다. 이는 곡률 변화율과 정보 밀도 변화율이 비례 관계에 있음을 의미한다. 이러한 조건은 실제 시각 데이터(예: 손글씨, 자연 물체 윤곽)에서 곡선 추출 시, 정보량 균등화를 통한 노이즈 억제와 형태 보존에 활용될 수 있다.

전반적으로 논문은 시각 인지를 정보 이론적 관점에서 재해석하고, 이를 기반으로 새로운 곡선 보간 기법과 일정 정보량 곡선의 존재를 수학적으로 증명함으로써, 컴퓨터 비전·그래픽스·신경과학 분야에 새로운 연구 방향을 제시한다.