맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

기계학습 기반 비디오 보외법을 이용한 영상 생성 방법

  • 기술번호 : KST2019027406
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 기계학습 기반 비디오 보외법을 이용한 영상 생성 방법은 컴퓨터 장치가 제1 구간의 프레임들을 입력받은 영상 생성 네트워크를 이용하여 제2 구간에 포함되는 순방향 프레임들을 생성하는 단계, 상기 컴퓨터 장치가 제3 구간의 프레임들을 입력받은 영상 생성 네트워크를 이용하여 상기 제2 구간에 포함되는 역방향 프레임들을 생성하는 단계 및 상기 컴퓨터 장치가 영상 합성 네트워크를 이용하여 상기 순방향 프레임들 및 상기 역방향 프레임들에서 각각 동일 시간의 프레임들을 합성하여 최종적으로 상기 제2 구간에 위치하는 프레임들을 생성하는 단계를 포함한다.
Int. CL H04N 7/01 (2006.01.01) G06N 20/00 (2019.01.01) G06N 3/08 (2006.01.01)
CPC H04N 7/0135(2013.01) H04N 7/0135(2013.01) H04N 7/0135(2013.01)
출원번호/일자 1020180081360 (2018.07.13)
출원인 이화여자대학교 산학협력단
등록번호/일자 10-2057395-0000 (2019.12.12)
공개번호/일자
공고번호/일자 (20191218) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.07.13)
심사청구항수 10

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 이화여자대학교 산학협력단 대한민국 서울특별시 서대문구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 강제원 서울특별시 마포구
2 김나영 서울특별시 성북구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인(유한)아이시스 대한민국 서울특별시 강남구 테헤란로**길 **, 인화빌딩 *층 (삼성동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 이화여자대학교 산학협력단 대한민국 서울특별시 서대문구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2018.07.13 수리 (Accepted) 1-1-2018-0690066-77
2 선행기술조사의뢰서
Request for Prior Art Search		 2018.10.12 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2018.12.20 수리 (Accepted) 9-1-2018-0071246-45
4 의견제출통지서
Notification of reason for refusal		 2019.09.02 발송처리완료 (Completion of Transmission) 9-5-2019-0631879-33
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2019.11.04 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-1127886-07
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2019.11.04 수리 (Accepted) 1-1-2019-1127871-12
7 등록결정서
Decision to grant		 2019.12.11 발송처리완료 (Completion of Transmission) 9-5-2019-0897521-75
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨터 장치가 제1 구간의 프레임들을 입력받은 영상 생성 네트워크를 이용하여 제2 구간에 포함되는 순방향 프레임들을 생성하는 단계;상기 컴퓨터 장치가 제3 구간의 프레임들을 입력받은 영상 생성 네트워크를 이용하여 상기 제2 구간에 포함되는 역방향 프레임들을 생성하는 단계; 및상기 컴퓨터 장치가 영상 합성 네트워크를 이용하여 상기 순방향 프레임들 및 상기 역방향 프레임들에서 각각 동일 시간의 프레임들을 합성하여 최종적으로 상기 제2 구간에 위치하는 프레임들을 생성하는 단계를 포함하되,상기 제1 구간, 상기 제2 구간 및 상기 제3 구간은 차례대로 시간 순서에 따른 구간이고,상기 영상 합성 네트워크는 상기 순방향 프레임들 중 시간 t의 제1 프레임과 상기 역방향 프레임들 중 상기 시간 t의 제2 프레임에 특징 맵을 컨볼루션하여 영상을 생성하는 기계학습 기반 비디오 보외법을 이용한 영상 생성 방법
2 2
제1항에 있어서,상기 영상 생성 네트워크는연속된 프레임을 입력받아 제1 특징 벡터을 생성하는 제1 서브 인코더;상기 연속된 프레임의 잔차 영상을 입력받아 제2 특징 벡터을 생성하는 제2 서브 인코더;상기 연속된 프레임에 대한 제2 특징 벡터를 입력받아 각 프레임의 이후 시간에 대한 새로운 특징 벡터를 생성하는 컨볼루션 LSTM(Long Short term memory); 및상기 제1 특징 벡터와 상기 새로운 특징 벡터를 합산한 값을 입력받아 새로운 영상 프레임을 생성하는 디코더를 포함하는 기계학습 기반 비디오 보외법을 이용한 영상 생성 방법
3 3
제2항에 있어서,상기 제1 서브 인코더 및 상기 제2 서브 인코더는 컨볼루셔널 계층과 풀링 계층으로 구성되는 딥러닝 네트워크이고,상기 디코더는 언풀링 계층과 역컨볼루셔널 계층으로 구성되는 딥러닝 네트워크인 기계학습 기반 비디오 보외법을 이용한 영상 생성 방법
4 4
삭제
5 5
제1항에 있어서,상기 영상 합성 네트워크는 상기 제1 프레임에 가중치 w를 곱한 값과 상기 제2 프레임에 (1-w)를 곱한 값을 합산한 값에 상기 특징 맵을 컨볼루션하여 영상을 생성하는 기계학습 기반 비디오 보외법을 이용한 영상 생성 방법
6 6
제1항에 있어서,상기 영상 합성 네트워크는 상기 순방향 프레임들 중 시간 t의 제1 프레임과 상기 역방향 프레임들 중 상기 시간 t의 제2 프레임에 각각 가중치를 부여한 값에 특징 맵을 컨볼루션하여 영상을 생성하되,상기 가중치는 상기 순방향 프레임들 또는 상기 역방향 프레임들을 입력받아 각 프레임에 대한 가중치를 생성하는 가중치 예측 네트워크를 이용하여 결정되는 기계학습 기반 비디오 보외법을 이용한 영상 생성 방법
7 7
제6항에 있어서,상기 가중치 예측 네트워크는 컨볼루셔널 인코더 및 컨볼루셔널 디코더를 포함하고, 상기 컨볼루셔널 인코더는 연속된 입력 프레임에 대한 특징 벡터를 출력하고, 상기 컨볼루셔널 디코더는 상기 특징 벡터를 입력받아 상기 연속된 입력 프레임 각각에 대한 가중치를 생성하는 기계학습 기반 비디오 보외법을 이용한 영상 생성 방법
8 8
컴퓨터에서 상기 제1항 내지 제3항 및 제5항 내지 제7항 중 어느 하나의 항에 기재된 기계학습 기반 비디오 보외법을 이용한 영상 생성 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
9 9
컴퓨터 장치가 특정 시간 구간에서 추정된 제1 프레임들을 입력받는 단계;상기 컴퓨터 장치가 상기 특정 시간 구간에서 추정된 제2 프레임들 입력받는 단계;상기 컴퓨터 장치가 상기 제1 프레임들을 입력받는 가중치 예측 네트워크를 이용하여 상기 제1 프레임들 각각에 대한 가중치를 생성하는 단계;상기 컴퓨터 장치가 상기 제1 프레임들 중 시간 t의 제1 타깃 프레임을 선택하고, 상기 제2 프레임들 중 상기 시간 t의 제2 타깃 프레밍을 선택하는 단계; 및상기 컴퓨터 장치가 상기 제1 타깃 프레임에 상기 가중치를 적용한 제1 값과 상기 제2 타깃 프레임에 상기 가중치로 결정되는 다른 값을 적용한 제2값을 합산한 값에 특징 맵을 컨볼루션 연산하는 단계를 포함하되,상기 제1 프레임은 상기 제1 프레임 전의 프레임으로부터 추정되고, 상기 제2 프레임은 상기 제2 프레임 후의 프레임으로부터 역으로 추정되는 기계학습 기반 영상 합성 방법
10 10
제9항에 있어서,상기 영상 합성 네트워크는 상기 제1 타깃 프레임에 가중치 w를 곱한 값과 상기 제2 타깃 프레임에 (1-w)를 곱한 값을 합산한 값에 상기 특징 맵을 컨볼루션하여 영상을 생성하는 기계학습 기반 영상 합성 방법
11 11
제9항에 있어서,상기 가중치 예측 네트워크는 컨볼루셔널 인코더 및 컨볼루셔널 디코더를 포함하고, 상기 컨볼루셔널 인코더는 연속된 입력 프레임에 대한 특징 벡터를 출력하고, 상기 컨볼루셔널 디코더는 상기 특징 벡터를 입력받아 상기 연속된 입력 프레임 각각에 대한 가중치를 생성하는 기계학습 기반 영상 합성 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 교육부 이화여자대학교 산학협력단 기초연구사업(학술진흥)(2016)-기본연구지원사업(1년~3년) 머신러닝 기반의 360도 비디오의 효율적 부복호 및 처리 알고리즘 개발