맞춤기술찾기

이전대상기술

자연어 기반의 비디오 생성 방법 및 장치

  • 기술번호 : KST2020012667
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 본 실시예들은 텍스트에서 추출한 행동 벡터를 시간의 흐름에 따라 변화시킨 후 프레임을 생성하고, 텍스트에서 추출한 컨텐츠 벡터를 이용하여 상기 생성된 프레임을 검증하고, 행동에 대한 조건 벡터를 이용하여 상기 생성된 프레임의 집합인 비디오를 검증함으로써, 텍스트로부터 자연스러운 비디오를 생성하는 비디오 생성 방법 및 장치를 제공한다.
Int. CL H04N 21/854 (2011.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC H04N 21/854(2013.01) H04N 21/854(2013.01) H04N 21/854(2013.01)
출원번호/일자 1020190049611 (2019.04.29)
출원인 연세대학교 산학협력단
등록번호/일자 10-2117654-0000 (2020.05.26)
공개번호/일자
공고번호/일자 (20200601) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.04.29)
심사청구항수 14

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 변혜란 서울특별시 서대문구
2 홍기범 서울특별시 서대문구
3 김호성 서울특별시 서대문구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인우인 대한민국 서울특별시 강남구 역삼로 ***, *층(역삼동, 중평빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 연세대학교 산학협력단 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
2019.04.29 수리 (Accepted) 1-1-2019-0437792-17
2 선행기술조사의뢰서
Request for Prior Art Search
2019.10.02 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2019.11.08 발송처리완료 (Completion of Transmission) 9-6-2020-0062169-36
4 등록결정서
Decision to grant
2020.05.20 발송처리완료 (Completion of Transmission) 9-5-2020-0347477-77
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨팅 디바이스에 의한 비디오 생성 방법에 있어서,임베딩 모델을 이용하여 문장으로부터 행동 벡터와 컨텐츠 벡터를 추출하는 단계;생성 모델을 이용하여 상기 행동 벡터를 시간의 흐름에 따라 변화시키고 상기 변화한 행동 벡터와 상기 컨텐츠 벡터를 결합한 복합 벡터를 이용하여 프레임을 생성하는 단계; 및판별 모델을 이용하여 상기 생성한 프레임에 대해서 실재의 이미지와 실재의 비디오를 기준으로 비교하여 상기 생성한 프레임의 집합의 진위를 판단하는 단계를 포함하는 비디오 생성 방법
2 2
제1항에 있어서,상기 임베딩 모델은 상기 문장을 단어 별로 분리하고 상기 단어를 벡터화시켜 단어 별로 특징을 추출하고, 업데이트 게이트와 리셋 게이트를 갖는 게이트 순환 유닛(Gated Recurrent Unit, GRU)을 통해 상기 단어의 순서를 고려한 전체 문장의 특징을 추출하는 것을 특징으로 하는 비디오 생성 방법
3 3
제1항에 있어서,상기 행동 벡터는 비디오에서 변하는 인물 및 사물의 행동에 관한 속성을 포함하고, 상기 컨텐츠 벡터는 비디오에서 변하지 않는 배경, 인물 및 사물의 묘사에 관한 속성을 포함하는 것을 특징으로 하는 비디오 생성 방법
4 4
제1항에 있어서,상기 생성 모델은 상기 행동 벡터를 업데이트 게이트와 리셋 게이트를 갖는 게이트 순환 유닛(Gated Recurrent Unit, GRU)을 통해 시간의 흐름에 따라 변하는 공간을 찾고, 상기 변하는 공간에 따라 행동 벡터를 변경하는 것을 특징으로 하는 비디오 생성 방법
5 5
제1항에 있어서,상기 판별 모델은 이미지 판별기(Image Discriminator)와 비디오 판별기(Video Discriminator)를 포함하는 것을 특징으로 하는 비디오 생성 방법
6 6
제5항에 있어서,상기 이미지 판별기는 상기 생성된 프레임이 상기 실재의 프레임인지 모조의 프레임인지를 판단하고, 상기 컨텐츠 벡터를 기반으로 상기 프레임과 상기 문장 간의 유사도를 판단하여, 상기 생성한 프레임의 진위를 결정하는 것을 특징으로 하는 비디오 생성 방법
7 7
제5항에 있어서,상기 비디오 판별기는 정방향 또는 역방향으로 행동에 관한 조건 벡터를 이용하여 상기 생성한 프레임의 집합이 상기 실제의 비디오인지를 판단하는 것을 특징으로 하는 비디오 생성 방법
8 8
제1항에 있어서,상기 생성된 프레임을 학습하는 제1 학습 단계와 상기 생성된 프레임의 집합인 비디오를 학습하는 제2 학습 단계를 포함하는 것을 특징으로 하는 비디오 생성 방법
9 9
문장으로부터 행동 벡터와 컨텐츠 벡터를 추출하는 임베딩 모델;상기 행동 벡터를 시간의 흐름에 따라 변화시키고 상기 변화한 행동 벡터와 상기 컨텐츠 벡터를 결합한 복합 벡터를 이용하여 프레임을 생성하는 생성 모델; 및상기 생성한 프레임에 대해서 실재의 이미지와 실재의 비디오를 기준으로 비교하여 상기 생성한 프레임의 진위를 판단하는 판별 모델을 포함하는 비디오 생성 장치
10 10
제9항에 있어서,상기 임베딩 모델은 상기 문장을 단어 별로 분리하고 상기 단어를 벡터화시켜 단어 별로 특징을 추출하고, 업데이트 게이트와 리셋 게이트를 갖는 게이트 순환 유닛(Gated Recurrent Unit, GRU)을 통해 상기 단어의 순서를 고려한 전체 문장의 특징을 추출하는 것을 특징으로 하는 비디오 생성 장치
11 11
제9항에 있어서,상기 생성 모델은 상기 행동 벡터를 업데이트 게이트와 리셋 게이트를 갖는 게이트 순환 유닛(Gated Recurrent Unit, GRU)을 통해 시간의 흐름에 따라 변하는 공간을 찾고, 상기 변하는 공간에 따라 행동 벡터를 변경하는 것을 특징으로 하는 비디오 생성 장치
12 12
제9항에 있어서,상기 판별 모델은 상기 생성된 프레임이 상기 실재의 프레임인지 모조의 프레임인지를 판단하고, 상기 컨텐츠 벡터를 기반으로 상기 프레임과 상기 문장 간의 유사도를 판단하여, 상기 생성한 프레임의 진위를 결정하는 것을 특징으로 하는 비디오 생성 장치
13 13
제9항에 있어서,상기 판별 모델은 정방향 또는 역방향으로 행동에 관한 조건 벡터를 이용하여 상기 생성한 프레임의 집합이 상기 실제의 비디오인지를 판단하는 것을 특징으로 하는 비디오 생성 장치
14 14
프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 프로세서에 의해 실행되는 경우에,임베딩 모델을 이용하여 문장으로부터 행동 벡터와 컨텐츠 벡터를 추출하는 단계;생성 모델을 이용하여 상기 행동 벡터를 시간의 흐름에 따라 변화시키고 상기 변화한 행동 벡터와 상기 컨텐츠 벡터를 결합한 복합 벡터를 이용하여 프레임을 생성하는 단계; 및판별 모델을 이용하여 상기 생성한 프레임에 대해서 실재의 이미지와 실재의 비디오를 기준으로 비교하여 상기 생성한 프레임의 집합의 진위를 판단하는 단계를 포함한 동작들을 수행하는 것을 특징으로 하는 컴퓨터 프로그램
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 연세대학교 산학협력단 원천기술개발사업 [Ezbaro] (2세부)딥러닝 기반 의미론적 상황 이해 원천기술 연구(1단계)(2/2)