1 |
1
합성 영상(synthetic image)을 생성하는 방법에 있어서,복수의 입력 영상(input image)을 수신하는 단계;입출력이 동일하도록 학습된 영상 학습 모델(image learning model)을 이용하여 상기 복수의 입력 영상의 각각에 대응하는 특징값(feature value)을 추출하는 단계; 및상기 영상 학습 모델을 이용하여 상기 복수의 입력 영상의 각각에 대응하는 특징값에 기초하여 상기 복수의 입력 영상이 혼합된 합성 영상을 생성하는 단계를 포함하는 합성 영상을 생성하는 방법
|
2 |
2
제1항에 있어서,상기 영상 학습 모델은,연결 가중치를 가지는 연결선을 통해 서로 연결되는 적어도 하나 이상의 레이어로 구성되는 신경망을 포함하는 합성 영상을 생성하는 방법
|
3 |
3
제2항에 있어서,상기 합성 영상을 생성하는 단계는,상기 복수의 입력 영상의 각각에 대응하는 특징값을 결합(combine)하는 단계; 및상기 결합된 특징값(combined feature value)으로부터 상기 신경망을 이용하여 상기 합성 영상을 생성하는 단계를 포함하는 합성 영상을 생성하는 방법
|
4 |
4
제3항에 있어서,상기 특징값을 결합하는 단계는,상기 복수의 입력 영상의 각각에 대응하는 특징값을 미리 정한 비율로 결합하는 단계를 포함하는 합성 영상을 생성하는 방법
|
5 |
5
제2항에 있어서,상기 특징값을 추출하는 단계는,상기 복수의 입력 영상의 각각으로부터 상기 신경망의 최상위 레이어에 대응하는 특징값을 추출하는 단계를 포함하는 합성 영상을 생성하는 방법
|
6 |
6
제2항에 있어서,상기 연결 가중치는 기준 입력 영상(reference input image)에 대한 출력 영상 및 상기 기준 입력 영상 간의 오차가 최소화되도록 학습되는,합성 영상을 생성하는 방법
|
7 |
7
제1항에 있어서,상기 복수의 입력 영상은 서로 다른 사람의 얼굴 영상을 포함하는,합성 영상을 생성하는 방법
|
8 |
8
다른 각도의 영상을 생성하는 방법에 있어서,객체(object)를 포함하는 입력 영상 및 각도 정보(angle information)를 수신하는 단계; 및서로 다른 각도에 대응하는 영상의 쌍(pair)들이 학습된, 영상 학습 모델을 이용하여 상기 입력 영상 및 상기 각도 정보에 기초하여 상기 객체를 포함하는 출력 영상(output image)을 생성하는 단계를 포함하는 다른 각도의 영상을 생성하는 방법
|
9 |
9
제8항에 있어서,상기 출력 영상을 생성하는 단계는,상기 영상 학습 모델을 이용하여 상기 입력 영상이 상기 각도 정보에 대응하도록 변환된 상기 출력 영상을 생성하는 단계를 포함하는 다른 각도의 영상을 생성하는 방법
|
10 |
10
제8항에 있어서,상기 영상의 쌍들은,제1 각도(first angle)에 대응하는 제1 기준 각도 영상(first reference angle image) 및 제2 각도(second angle)에 대응하는 제2 기준 각도 영상(second reference angle image)을 포함하고,상기 제1 기준 각도 영상 및 상기 제2 기준 각도 영상은 동일한 기준 객체(reference object)를 포함하는 다른 각도의 영상을 생성하는 방법
|
11 |
11
제10항에 있어서,상기 영상 학습 모델은,연결 가중치를 가지는 연결선을 통해 서로 연결되는 적어도 하나 이상의 레이어로 구성되는 신경망을 포함하는 다른 각도의 영상을 생성하는 방법
|
12 |
12
제11항에 있어서,상기 신경망은,상기 연결 가중치는 상기 제2 각도 및 상기 제1 기준 각도 영상으로부터 상기 제2 기준 각도 영상이 출력되도록 학습되는,다른 각도의 영상을 생성하는 방법
|
13 |
13
제8항에 있어서,상기 각도 정보는,상기 출력 영상에 포함된 상기 객체에 대해 미리 설정된 각도와 연관된 정보를 포함하는 다른 각도의 영상을 생성하는 방법
|
14 |
14
제8항에 있어서,상기 객체는,사람의 얼굴을 포함하는,다른 각도의 영상을 생성하는 방법
|
15 |
15
영상의 노이즈를 제거하는 방법에 있어서,입력 영상을 수신하는 단계; 및적어도 하나의 미리 정한 크기의 패치(patch)에 대한 영상 노이즈 제거가 학습된 적어도 하나의 영상 학습 모델을 이용하여, 상기 입력 영상으로부터 노이즈가 제거된 출력 영상을 생성하는 단계를 포함하는 영상의 노이즈를 제거하는 방법
|
16 |
16
제15항에 있어서,상기 영상 학습 모델은,연결 가중치를 가지는 연결선을 통해 서로 연결되는 적어도 하나 이상의 레이어로 구성되는 신경망을 포함하는 영상의 노이즈를 제거하는 방법
|
17 |
17
제16항에 있어서,상기 연결 가중치는 노이즈가 포함된 기준 입력 영상의 미리 정한 크기의 패치로부터 노이즈가 제거된 기준 출력 영상의 상기 미리 정한 크기의 패치가 생성되도록 학습되는,영상의 노이즈를 제거하는 방법
|
18 |
18
제15항에 있어서,상기 영상 학습 모델은,노이즈가 포함된 기준 입력 영상으로부터 노이즈가 제거된 기준 출력 영상이 생성되도록 학습되는 전체 영상 학습 모델(entire image learning model)을 포함하고,상기 출력 영상을 생성하는 단계는,상기 전체 영상 학습 모델을 이용하여 상기 입력 영상으로부터 노이즈를 제거하는 단계를 포함하는 영상의 노이즈를 제거하는 방법
|
19 |
19
제15항에 있어서,상기 영상 학습 모델은,노이즈가 포함된 기준 입력 영상의 미리 정한 제1 크기의 패치로부터 노이즈가 제거된 기준 출력 영상의 상기 제1 크기의 패치가 생성되도록 학습되는 제1 학습 모델(first learning model); 및노이즈가 포함된 기준 입력 영상의 미리 정한 제2 크기의 패치로부터 노이즈가 제거된 기준 출력 영상의 상기 제2 크기의 패치가 출력되도록 학습되는 제2 학습 모델(first learning model)을 포함하는 영상의 노이즈를 제거하는 방법
|
20 |
20
제18항에 있어서,상기 출력 영상을 생성하는 단계는,상기 제1 학습 모델을 이용하여 상기 제1 크기의 패치 단위로 노이즈를 제거하는 단계; 및상기 제1 크기의 패치 단위로 노이즈가 제거된 입력 영상으로부터 상기 제2 학습 모델을 이용하여 상기 제2 크기의 패치 단위로 노이즈를 제거하는 단계를 포함하는 영상의 노이즈를 제거하는 방법
|