1 |
1
도메인 변환 방법에 있어서, 입력 이미지와 목표 이미지 각각을 백그라운드 영역 및 인스턴스 영역으로 각각 분리하는 단계;상기 분리된 입력 이미지와 목표 이미지 각각의 백그라운드 영역 및 인스턴스 영역을 이미지 변환을 위하여 생성된 변환 모델에 입력하여 학습시키는 단계; 및 상기 학습을 통하여 획득된 변환 이미지를 상기 분리된 입력 이미지와 목표 이미지 각각의 인스턴스 영역에 기초하여 생성된 라벨(label)을 사용하여 통합하는 단계를 포함하고, 상기 학습시키는 단계는,상기 이미지 변환을 위하여 백그라운드 모델 및 인스턴스 모델을 포함하는 변환 모델을 생성하고, 상기 입력 이미지와 목표 이미지 각각의 백그라운드 영역을 상기 변환 모델에 구성된 공통의 잠재적 공간으로 맵핑시키고, 상기 입력 이미지와 목표 이미지 각각의 인스턴스 영역에 각각의 인스턴스 영역에 의해 공유되는 스타일 코드 및 컨텐츠 코드를 매핑하여 복수 개의 인스턴스 영역을 생성하는 단계를 포함하는 도메인 변환 방법
|
2 |
2
제1항에 있어서,상기 각각 분리하는 단계는,상기 입력 이미지와 상기 목표 이미지 각각으로부터 분리된 인스턴스 영역을 획득하고, 상기 인스턴스 영역을 상기 획득된 인스턴스 영역 이외의 나머지 영역을 픽셀의 평균으로 패딩(padding)하여 백그라운드 영역을 획득하는 단계를 포함하는 도메인 변환 방법
|
3 |
3
제1항에 있어서,상기 통합하는 단계는,상기 입력 이미지와 목표 이미지 각각을 분리함에 따라 각각의 인스턴스 영역의 위치 값을 단위 행렬로 저장하여 라벨로 저장하고, 상기 저장된 라벨을 사용하여 상기 변환 이미지를 통합하여 이미지를 변환시키는 단계를 포함하는 도메인 변환 방법
|
4 |
4
삭제
|
5 |
5
제1항에 있어서,상기 백그라운드 모델은, 상기 입력 이미지와 목표 이미지 각각의 백그라운드 영역을 백그라운드 네트워크에 입력하여 크로스 도메인 변환(cross-domain transformation)을 위한 학습을 수행하는 것을 포함하고, 상기 인스턴스 모델은, 복원(reconstruction) 모드 및 다중 출력(multi-output) 모드로 구성되는 것을 포함하고, 상기 복원 모드는, 상기 입력 이미지와 목표 이미지 각각의 백그라운드 영역이 변화될 때, 인스턴스 네트워크를 통하여 상기 입력 이미지와 목표 이미지 각각의 인스턴스 영역을 변화시키지 않으면서 통합 이미지가 기 설정된 기준 이상 일치하도록 학습을 수행하고,상기 다중 출력 모드는, 상기 입력 이미지와 목표 이미지 각각의 인스턴스 영역을 인스턴스 네트워크에 학습시킴에 따라 각각의 인스턴스 영역에 임의의 코드를 추가하여 복수 개의 스타일을 변화시켜 다중 이미지의 출력을 획득하기 위하여 학습시키는 것을 특징으로 하는 도메인 변환 방법
|
6 |
6
도메인 변환 시스템에 있어서, 입력 이미지와 목표 이미지 각각을 백그라운드 영역 및 인스턴스 영역으로 각각 분리하는 분리부;상기 분리된 입력 이미지와 목표 이미지 각각의 백그라운드 영역 및 인스턴스 영역을 이미지 변환을 위하여 생성된 변환 모델에 입력하여 학습시키는 학습부; 및 상기 학습을 통하여 획득된 변환 이미지를 상기 분리된 입력 이미지와 목표 이미지 각각의 인스턴스 영역에 기초하여 생성된 라벨(label)을 사용하여 통합하는 통합부를 포함하고, 상기 학습부는,상기 이미지 변환을 위하여 백그라운드 모델 및 인스턴스 모델을 포함하는 변환 모델을 생성하고, 상기 입력 이미지와 목표 이미지 각각의 백그라운드 영역을 상기 변환 모델에 구성된 공통의 잠재적 공간으로 맵핑시키고, 상기 입력 이미지와 목표 이미지 각각의 인스턴스 영역에 각각의 인스턴스 영역에 의해 공유되는 스타일 코드 및 컨텐츠 코드를 매핑하여 복수 개의 인스턴스 영역을 생성하는 도메인 변환 시스템
|