| 1 |
1
키워드에 기초하여 이미지를 생성하는 이미지 생성 장치에 있어서,하나 이상의 인스트럭션을 저장하는 메모리; 및상기 하나 이상의 인스트럭션을 실행함으로써 상기 이미지 생성 장치를 제어하는 프로세서를 포함하며,상기 프로세서는,특정 상품의 속성들을 나타내는 복수의 키워드를 포함하는, 키워드 집합을 획득하고,상기 키워드 집합 내의 상기 복수의 키워드에 기초하여, 상기 키워드 집합에 대응되는 속성 벡터를 생성하고,상기 생성된 속성 벡터를 소정의 이미지 생성 모델에 입력함으로써, 상기 이미지 생성 모델로부터 출력되는, 상기 특정 상품의 속성들에 대응되는 상품 이미지를 생성하고,상기 이미지 생성 모델로부터 출력된 상품 이미지 및 상기 키워드 집합에 관한 데이터를, 소정의 이미지 판별 모델에 입력함으로써, 상기 상품 이미지가 상기 이미지 생성 모델로부터 출력된 가짜 이미지인지를 판별하고,상기 판별 결과에 기초하여, 상기 이미지 생성 모델을 업데이트하는, 장치
|
| 2 |
2
제1 항에 있어서, 상기 프로세서는,소정의 임베딩 모델을 이용하여, 상기 키워드 집합에 대응되는 벡터 집합을 생성하고,상기 생성된 벡터 집합 내의 복수의 벡터에 기초하여, 상기 벡터 집합에 대응되는 속성 가우시안 분포를 생성하고,상기 속성 가우시안 분포에 기초하여, 상기 키워드 집합에 대응되는 상기 속성 벡터를 생성하는 것인, 장치
|
| 3 |
3
제2 항에 있어서, 상기 프로세서는,상기 키워드 집합 내의 상기 복수의 키워드를 상기 임베딩 모델에 입력함으로써, 상기 임베딩 모델로부터 출력되는, 상기 복수의 키워드에 대응되는 상기 복수의 벡터를 생성하며,상기 임베딩 모델은,상기 특정 상품의 속성을 나타내는 키워드를 입력 받고, 상기 입력된 키워드에 대응되는 벡터를 출력하도록 미리 학습된 모델인, 장치
|
| 4 |
4
제2 항에 있어서, 상기 프로세서는,상기 벡터 집합 내의 상기 복수의 벡터에 대응되는 복수의 가우시안 분포를 포함하는, 상기 벡터 집합에 대응되는 가우시안 분포 집합을 생성하고,상기 가우시안 분포 집합 내의 상기 복수의 가우시안 분포에 기초하여, 상기 키워드 집합에 대응되는 상기 속성 가우시안 분포를 생성하는 것인, 장치
|
| 5 |
5
제4 항에 있어서, 상기 프로세서는,상기 복수의 가우시안 분포에 포함된 각각의 가우시안 분포를 나타내는 평균 벡터 각각 및 분산 각각에 기초하여, 상기 속성 가우시안 분포를 나타내는 평균 벡터 및 분산을 계산하는 것인, 장치
|
| 6 |
6
제2 항에 있어서, 상기 이미지 판별 모델은, 컨볼루션 연산을 이용하여 이미지로부터 특징을 추출하는 복수의 레이어를 포함하며,상기 이미지 판별 모델은, 상기 복수의 레이어를 이용하여, 상기 입력된 상품 이미지가 상기 이미지 생성 모델로부터 출력된 가짜 이미지인지를 나타내는 확률 값을, 상기 판별 결과로 출력하는 것인, 장치
|
| 7 |
7
제6 항에 있어서, 상기 프로세서는,상기 이미지 판별 모델에 포함된 상기 복수의 레이어 중 제1 레이어로부터 출력되는, 제1 이미지를 식별하며, 상기 제1 이미지는 복수의 영역으로 구성되고,상기 키워드 집합에 대응되는 상기 벡터 집합 내의 상기 복수의 벡터 및 상기 제1 이미지 내의 상기 복수의 영역에 대응되는 복수의 특징 벡터에 기초하여, 상기 제1 이미지 내의 상기 복수의 영역에 대응되는 복수의 가중치 계수 집합을 생성하고,상기 복수의 가중치 계수 집합에 포함된 가중치 계수 집합 각각을 상기 벡터 집합에 적용함으로써, 상기 제1 이미지 내의 상기 복수의 영역에 대응되는 복수의 컨텍스트 벡터를 획득하고,상기 복수의 컨텍스트 벡터에 포함된 컨텍스트 벡터 각각을 상기 복수의 특징 벡터에 포함된 특징 벡터 각각과 연결시킴으로써 획득되는 제2 이미지를, 상기 복수의 레이어 중 제2 레이어에 입력하는 것인, 장치
|
| 8 |
8
제7 항에 있어서, 상기 복수의 가중치 계수 집합은,상기 벡터 집합 내의 상기 복수의 벡터 및 상기 복수의 특징 벡터를 소정의 함수에 입력함으로써 생성되는 것인, 장치
|
| 9 |
9
제1 항에 있어서, 상기 프로세서는,상기 상품 이미지가 상기 이미지 생성 모델을 이용하여 생성된 가짜 이미지인지 판별하기 위하여, 상기 상품 이미지 및 상기 특정 상품의 속성들에 대응되는 진짜 상품 이미지 중 하나 및 상기 키워드 집합에 관한 데이터를 상기 이미지 판별 모델에 적용함으로써, 상기 이미지 판별 모델을 학습시키는 것인, 장치
|
| 10 |
10
제1 항에 있어서, 상기 특정 상품은,의류 상품을 포함하는, 장치
|
| 11 |
11
키워드에 기초하여 이미지를 생성하는 방법에 있어서,특정 상품의 속성들을 나타내는 복수의 키워드를 포함하는, 키워드 집합을 획득하는 동작;상기 키워드 집합 내의 상기 복수의 키워드에 기초하여, 상기 키워드 집합에 대응되는 속성 벡터를 생성하는 동작;상기 생성된 속성 벡터를 소정의 이미지 생성 모델에 입력함으로써, 상기 이미지 생성 모델로부터 출력되는, 상기 특정 상품의 속성들에 대응되는 상품 이미지를 생성하는 동작;상기 이미지 생성 모델로부터 출력된 상품 이미지 및 상기 키워드 집합에 관한 데이터를, 소정의 이미지 판별 모델에 입력함으로써, 상기 상품 이미지가 상기 이미지 생성 모델로부터 출력된 가짜 이미지인지를 판별하는 동작; 및상기 판별 결과에 기초하여, 상기 이미지 생성 모델을 업데이트하는 동작을 포함하는, 방법
|
| 12 |
12
제11 항에 있어서, 상기 속성 벡터를 생성하는 동작은,소정의 임베딩 모델을 이용하여, 상기 키워드 집합에 대응되는 벡터 집합을 생성하는 동작;상기 생성된 벡터 집합 내의 복수의 벡터에 기초하여, 상기 벡터 집합에 대응되는 속성 가우시안 분포를 생성하는 동작; 및상기 속성 가우시안 분포에 기초하여, 상기 키워드 집합에 대응되는 상기 속성 벡터를 생성하는 동작을 포함하는, 방법
|
| 13 |
13
제12 항에 있어서, 상기 벡터 집합을 생성하는 동작은,상기 키워드 집합 내의 상기 복수의 키워드를 상기 임베딩 모델에 입력함으로써, 상기 임베딩 모델로부터 출력되는, 상기 복수의 키워드에 대응되는 상기 복수의 벡터를 생성하는 동작을 포함하고,상기 임베딩 모델은,상기 특정 상품의 속성을 나타내는 키워드를 입력 받고, 상기 입력된 키워드에 대응되는 벡터를 출력하도록 미리 학습된 모델인, 방법
|
| 14 |
14
제12 항에 있어서, 상기 속성 가우시안 분포를 생성하는 동작은,상기 벡터 집합 내의 상기 복수의 벡터에 대응되는 복수의 가우시안 분포를 포함하는, 상기 벡터 집합에 대응되는 가우시안 분포 집합을 생성하는 동작; 및상기 가우시안 분포 집합 내의 상기 복수의 가우시안 분포에 기초하여, 상기 키워드 집합에 대응되는 상기 속성 가우시안 분포를 생성하는 동작을 포함하는, 방법
|
| 15 |
15
제14 항에 있어서, 상기 복수의 가우시안 분포에 기초하여, 상기 키워드 집합에 대응되는 상기 속성 가우시안 분포를 생성하는 동작은,상기 복수의 가우시안 분포에 포함된 각각의 가우시안 분포를 나타내는 평균 벡터 각각 및 분산 각각에 기초하여, 상기 속성 가우시안 분포를 나타내는 평균 벡터 및 분산을 계산하는 동작을 포함하는, 방법
|
| 16 |
16
제12 항에 있어서, 상기 이미지 판별 모델은, 컨볼루션 연산을 이용하여 이미지로부터 특징을 추출하는 복수의 레이어를 포함하고,상기 이미지 판별 모델은, 상기 복수의 레이어를 이용하여, 상기 입력된 상품 이미지가 상기 이미지 생성 모델로부터 출력된 이미지인지를 나타내는 확률 값을, 상기 판별 결과로 출력하는, 방법
|
| 17 |
17
제16 항에 있어서, 상기 판별하는 동작은,상기 이미지 판별 모델에 포함된 상기 복수의 레이어 중 제1 레이어로부터 출력되는, 제1 이미지를 식별하며, 상기 제1 이미지는 복수의 영역으로 구성되는 동작;상기 키워드 집합에 대응되는 상기 벡터 집합 내의 상기 복수의 벡터 및 상기 제1 이미지 내의 상기 복수의 영역에 대응되는 복수의 특징 벡터에 기초하여, 상기 제1 이미지 내의 상기 복수의 영역에 대응되는 복수의 가중치 계수 집합을 생성하는 동작;상기 복수의 가중치 계수 집합에 포함된 가중치 계수 집합 각각을 상기 벡터 집합에 적용함으로써, 상기 제1 이미지 내의 상기 복수의 영역에 대응되는 복수의 컨텍스트 벡터를 획득하는 동작; 및상기 복수의 컨텍스트 벡터에 포함된 컨텍스트 벡터 각각을 상기 복수의 특징 벡터에 포함된 특징 벡터 각각과 연결시킴으로써 획득되는 제2 이미지를, 상기 복수의 레이어 중 제2 레이어에 입력하는 동작을 포함하는, 방법
|
| 18 |
18
제17 항에 있어서, 상기 복수의 가중치 계수 집합은,상기 벡터 집합 내의 상기 복수의 벡터 및 상기 복수의 특징 벡터를 소정의 함수에 입력함으로써 생성되는 것인, 방법
|
| 19 |
19
제11 항에 있어서, 상기 상품 이미지가 상기 이미지 생성 모델을 이용하여 생성된 가짜 이미지인지 판별하기 위하여, 상기 상품 이미지 및 상기 특정 상품의 속성들에 대응되는 진짜 상품 이미지 중 하나 및 상기 키워드 집합에 관한 데이터를 상기 이미지 판별 모델에 적용함으로써, 상기 이미지 판별 모델을 학습시키는 동작을 더 포함하는, 방법
|
| 20 |
20
프로세서에 의해 실행되었을 때 상기 프로세서가 키워드에 기초하여 이미지를 생성하는 방법을 수행하도록 명령하는 프로그램 명령들을 저장하는 기록 매체를 포함하는 컴퓨터 프로그램 제품으로서, 상기 이미지를 생성하는 방법은,특정 상품의 속성들을 나타내는 복수의 키워드를 포함하는, 키워드 집합을 획득하는 동작;상기 키워드 집합 내의 상기 복수의 키워드에 기초하여, 상기 키워드 집합에 대응되는 속성 벡터를 생성하는 동작;상기 생성된 속성 벡터를 소정의 이미지 생성 모델에 입력함으로써, 상기 이미지 생성 모델로부터 출력되는, 상기 특정 상품의 속성들에 대응되는 상품 이미지를 생성하는 동작;상기 이미지 생성 모델로부터 출력된 상품 이미지 및 상기 키워드 집합에 관한 데이터를, 소정의 이미지 판별 모델에 입력함으로써, 상기 상품 이미지가 상기 이미지 생성 모델로부터 출력된 가짜 이미지인지를 판별하는 동작; 및상기 판별 결과에 기초하여, 상기 이미지 생성 모델을 업데이트하는 동작을 포함하는, 컴퓨터 프로그램 제품
|
