맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

학습네트워크를 이용한 예측 영상 생성 방법 및 예측 영상 생성 장치

  • 기술번호 : KST2020005007
  • 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 학습네트워크를 이용한 예측 영상 생성 방법은 학습네트워크가 입력 영상 및 레퍼런스 영상을 입력받는 단계, 상기 학습네트워크의 인코더가 상기 입력 영상을 입력받고, 상기 입력 영상에 대한 제1 특징 벡터를 출력하는 단계, 상기 학습네트워크의 LSTM(Long Short Term Memory)가 상기 제1 특징 벡터를 입력받고, 상기 입력 영상에서 일정 시점이 경과한 시점의 특징 벡터로 추정되는 제2 특징 벡터를 출력하는 단계, 상기 학습네트워크의 디코더가 상기 제2 특징 벡터를 기준으로 생성되는 샘플 영상 및 상기 입력영상을 기준으로 변화를 추정하는 단계 및 상기 디코더가 상기 레퍼런스 영상 및 상기 추정 결과를 결합하여 예측 영상을 생성하는 단계를 포함한다.
Int. CL G06N 3/08 (2006.01.01) H04N 5/14 (2006.01.01)
CPC
출원번호/일자 1020190073438 (2019.06.20)
출원인 이화여자대학교 산학협력단
등록번호/일자 10-2093577-0000 (2020.03.19)
공개번호/일자
공고번호/일자 (20200515) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020180153650   |   2018.12.03
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.06.20)
심사청구항수 13

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		 2019.06.20 수리 (Accepted) 1-1-2019-0632996-09
2 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)		 2019.07.22 수리 (Accepted) 1-1-2019-0749826-66
3 의견제출통지서
Notification of reason for refusal		 2019.09.20 발송처리완료 (Completion of Transmission) 9-5-2019-0680056-12
4 [출원서 등 보완]보정서
 2019.11.18 수리 (Accepted) 1-1-2019-1181525-96
5 [공지예외적용 보완 증명서류]서류제출서
 2019.11.18 수리 (Accepted) 1-1-2019-1181536-98
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2019.11.18 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-1181465-44
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2019.11.18 수리 (Accepted) 1-1-2019-1181381-18
8 심사처리보류(연기)보고서
Report of Deferment (Postponement) of Processing of Examination		 2020.01.29 발송처리완료 (Completion of Transmission) 9-6-2020-0010343-22
9 등록결정서
Decision to grant		 2020.03.12 발송처리완료 (Completion of Transmission) 9-5-2020-0186972-89
10 [명세서등 보정]보정서(심사관 직권보정)
 2020.04.01 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-5008115-40
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
영상을 입력받아 처리하는 학습네트워크가 예측 영상을 생성하는 방법에 있어서,영상처리장치의 입력장치가 입력 영상 및 레퍼런스 영상을 입력받는 단계;상기 영상처리장치의 연산장치가 학습네트워크의 인코더에 상기 입력 영상을 입력하여, 상기 입력 영상에 대한 제1 특징 벡터를 출력하는 단계;상기 연산장치가 상기 학습네트워크의 LSTM(Long Short Term Memory)에 상기 제1 특징 벡터를 입력하여, 상기 입력 영상에서 일정 시점이 경과한 시점의 특징 벡터로 추정되는 제2 특징 벡터를 출력하는 단계;상기 연산장치가 상기 학습네트워크의 디코더에 상기 제2 특징 벡터를 입력하여 샘플 영상을 생성하고, 상기 샘플 영상 및 상기 입력영상을 기준으로 변화를 추정하는 단계; 및상기 연산장치가 상기 레퍼런스 영상 및 상기 추정 결과를 결합하여 예측 영상을 생성하는 단계를 포함하되,상기 디코더는 아래 수학식으로 상기 변화를 추정하는 학습네트워크를 이용한 예측 영상 생성 방법
2 2
제1항에 있어서,상기 변화를 추정하는 단계는 상기 디코더의 마지막 계층에 위치한 추정 커널이 상기 샘플 영상을 기준으로 일정 크기 블록에 대한 필터 계수를 생성하는 단계; 및상기 연산 장치가 상기 입력 영상 및 상기 블록을 컨볼루션 연산하여 상기 변화를 추정하는 단계를 포함하는 학습네트워크를 이용한 예측 영상 생성 방법
3 3
제1항에 있어서,상기 예측 영상을 생성하는 단계는상기 디코더의 마지막 계층에 위치한 업데이트 커널이 상기 샘플 영상을 기준으로 픽셀별 가중치를 생성하는 단계; 및상기 연산 장치가 상기 레퍼런스 영상 및 상기 추정 결과에 상기 가중치를 적용한 연산을 하여 상기 예측 영상을 생성하는 단계를 포함하는 학습네트워크를 이용한 예측 영상 생성 방법
4 4
삭제
5 5
제1항에 있어서,상기 디코더는 아래 수학식으로 상기 예측 영상을 생성하는 학습네트워크를 이용한 예측 영상 생성 방법
6 6
제1항에 있어서,상기 학습네트워크는 상기 예측 영상 및 레퍼런스 영상을 입력받아 상기 예측 영상에서 일정 시점이 경과한 시점의 예측 영상을 생성하는 학습네트워크를 이용한 예측 영상 생성 방법
7 7
제1항에 있어서,상기 LSTM은 서로 다른 필터 크기를 갖는 복수의 계층을 포함하는 예측 영상을 생성하는 학습네트워크를 이용한 예측 영상 생성 방법
8 8
제1항에 있어서,상기 학습네트워크는 비용 함수 을 이용하여 학습되는 예측 영상을 생성하는 학습네트워크를 이용한 예측 영상 생성 방법
9 9
컴퓨터에서 제1항 내지 제3항 및 제5항 내지 제8항 중 어느 하나의 항에 예측 영상을 생성하는 학습네트워크를 이용한 예측 영상 생성 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
10 10
입력 영상을 입력받는 입력 장치;특정 영상을 기준으로 일정 시간이 경과한 시점의 예측 영상을 생성하는 학습네트워크를 저장하는 저장 장치; 및상기 입력 영상을 상기 학습네트워크에 입력하여 상기 입력 영상에 대한 예측 영상을 생성하는 연산 장치를 포함하되,상기 학습네트워크는 상기 입력 영상을 입력받고, 상기 입력 영상에 대한 제1 특징 벡터를 출력하는 인코더; 상기 제1 특징 벡터를 입력받고, 상기 입력 영상에서 일정 시간이 경과한 시점의 특징 벡터인 제2 특징 벡터를 출력하는 LSTM(Long Short Term Memory); 상기 제2 특징 벡터를 기준으로 생성되는 샘플 영상 및 상기 입력영상을 기준으로 변화를 추정하고, 레퍼런스 영상 및 상기 추정 결과를 결합하여 예측 영상을 생성하는 디코더를 포함하되,상기 디코더는 아래 수학식으로 상기 예측 영상을 생성하는 학습네트워크를 이용한 예측 영상 생성 장치
11 11
제10항에 있어서,상기 연산 장치는 상기 디코더의 마지막 계층에 위치한 추정 커널이 상기 샘플 영상을 기준으로 생성한 일정 크기 블록의 필터 계수와 상기 입력 영상을 컨볼루션하여 상기 변화를 추정하는 학습네트워크를 이용한 예측 영상 생성 장치
12 12
제10항에 있어서,상기 연산 장치는 상기 디코더의 마지막 계층에 위치한 업데이트 커널이 상기 샘플 영상을 기준으로 생성한 픽셀별 가중치를 연산하고,상기 레퍼런스 영상 및 상기 추정 결과에 상기 가중치를 적용한 연산을 하여 상기 예측 영상을 생성하는 학습네트워크를 이용한 예측 영상 생성 장치
13 13
제10항에 있어서,상기 레퍼런스 영상은 상기 입력 영상의 시점보다 과거 시점의 영상인 학습네트워크를 이용한 예측 영상 생성 장치
14 14
제10항에 있어서,상기 연산 장치는 상기 예측 영상을 상기 학습 네트워크에 입력하여 상기 예측 영상의 시점 후의 영상을 생성하는 학습네트워크를 이용한 예측 영상 생성 장치
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 과학기술정보통신부 정보통신기술진흥센터 정보통신.방송 연구개발사업-차세대(UHD) 방송서비스 활성화 기술개발 6DoF지원 초고화질 몰입형 비디오의 압축 및 전송 핵심 기술 개발