맞춤기술찾기

이전대상기술

영상 스타일 변환 장치 및 방법

  • 기술번호 : KST2021002247
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
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 영상 스타일 변환 장치 및 방법이 개시된다. 일 실시예에 따른 영상 스타일 변환 모델 학습 장치는 컨텐츠 영상(content image), 스타일 영상(style image) 및 하나 이상의 스타일 파라미터(style parameter)에 기초하여 상기 컨텐츠 영상의 스타일을 변환하는 영상 스타일 변환 모델을 학습시키는 모델 학습부 및 상기 컨텐츠 영상, 상기 컨텐츠 영상에 대한 스타일 변환 영상 및 상기 스타일 영상에 기초하여 변환 손실(loss)을 산출하는 손실 계산부를 포함한다.
Int. CL G06T 3/40 (2006.01.01) G06T 9/00 (2019.01.01)
CPC G06T 3/40(2013.01) G06T 9/00(2013.01) G06T 2207/20081(2013.01)
출원번호/일자 1020190155838 (2019.11.28)
출원인 영남대학교 산학협력단
등록번호/일자 10-2229572-0000 (2021.03.12)
공개번호/일자
공고번호/일자 (20210318) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.11.28)
심사청구항수 18

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 영남대학교 산학협력단 대한민국 경상북도 경산시

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 최현철 경상북도 경산시 원효로**

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 두호특허법인 대한민국 서울특별시 강남구 언주로***, *층(논현동,시그너스빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 영남대학교 산학협력단 경상북도 경산시
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
2019.11.28 수리 (Accepted) 1-1-2019-1230983-11
2 선행기술조사의뢰서
Request for Prior Art Search
2020.05.15 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2020.07.14 발송처리완료 (Completion of Transmission) 9-6-2020-0155978-15
4 의견제출통지서
Notification of reason for refusal
2020.10.30 발송처리완료 (Completion of Transmission) 9-5-2020-0751934-52
5 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.12.07 수리 (Accepted) 4-1-2020-5277862-17
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.12.29 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-1426862-16
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2020.12.29 수리 (Accepted) 1-1-2020-1426837-74
8 등록결정서
Decision to grant
2021.03.10 발송처리완료 (Completion of Transmission) 9-5-2021-0201081-56
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컨텐츠 영상(content image), 스타일 영상(style image) 및 하나 이상의 스타일 파라미터(style parameter)에 기초하여 상기 컨텐츠 영상의 스타일을 변환하는 영상 스타일 변환 모델을 학습시키는 모델 학습부; 및상기 컨텐츠 영상, 상기 컨텐츠 영상에 대한 스타일 변환 영상 및 상기 스타일 영상에 기초하여 변환 손실(loss)을 산출하는 손실 계산부를 포함하고,상기 하나 이상의 스타일 파라미터 각각의 값은, 상기 영상 스타일 변환 모델이 기 설정된 횟수만큼 반복하여 학습될 때마다 기 설정된 범위 내의 값 중에서 임의로 선택되고,상기 모델 학습부는, 상기 변환 손실에 기초하여 상기 영상 스타일 변환 모델을 학습시키고,상기 영상 스타일 변환 모델은,상기 컨텐츠 영상 및 상기 스타일 영상 각각으로부터 복수의 특징 벡터(feature vector)를 생성하는 하나 이상의 인코더;상기 하나 이상의 스타일 파라미터 및 상기 스타일 영상의 복수의 특징 벡터에 기초하여 상기 컨텐츠 영상의 복수의 특징 벡터 중 적어도 일부를 변환하는 하나 이상의 변환부; 및상기 변환된 특징 벡터와 상기 컨텐츠 영상의 복수의 특징 벡터 중 변환되지 않은 특징 벡터에 기초하여, 상기 스타일 변환 영상을 생성하는 하나 이상의 디코더를 포함하는, 영상 스타일 변환 모델 학습 장치
2 2
청구항 1에 있어서,상기 모델 학습부는, 상기 하나 이상의 스타일 파라미터의 값이 모두 상기 기 설정된 범위 내의 최소 값인 경우, 상기 영상 스타일 변환 모델이 상기 스타일 영상 대신 상기 컨텐츠 영상을 사용하도록 상기 영상 스타일 변환 모델을 학습시키는, 영상 스타일 변환 모델 학습 장치
3 3
삭제
4 4
청구항 1에 있어서,상기 하나 이상의 스타일 파라미터 각각의 값은, 독립적으로 선택되고,상기 하나 이상의 변환부는, 상기 하나 이상의 스타일 파라미터 중 각각 대응되는 스타일 파라미터의 값에 기초하여 상기 컨텐츠 영상의 복수의 특징 벡터 중 적어도 일부를 변환하는, 영상 스타일 변환 모델 학습 장치
5 5
청구항 1에 있어서,상기 하나 이상의 변환부는, 각각 상기 하나 이상의 인코더 중 대응되는 인코더에 의해 생성된 상기 컨텐츠 영상의 특징 벡터 및 상기 스타일 영상의 특징 벡터를 입력 받는, 영상 스타일 변환 모델 학습 장치
6 6
청구항 1에 있어서,상기 손실 계산부는, 컨텐츠 손실 및 스타일 손실에 기초하여 제1 손실을 산출하고, 상기 컨텐츠 영상 및 복원된 컨텐츠 영상에 기초하여 제2 손실을 산출하고, 상기 제1 손실 및 상기 제2 손실에 기초하여 상기 변환 손실을 산출하는, 영상 스타일 변환 모델 학습 장치
7 7
컨텐츠 영상, 스타일 영상 및 하나 이상의 스타일 파라미터에 대한 설정 값을 획득하는 입력부; 및상기 컨텐츠 영상, 상기 스타일 영상 및 상기 하나 이상의 스타일 파라미터에 대한 설정 값을 입력 데이터로 이용하는 사전 학습된 영상 스타일 변환 모델을 이용하여 상기 컨텐츠 영상에 대한 스타일 변환 영상을 생성하는 스타일 변환 영상 생성부를 포함하고,상기 하나 이상의 스타일 파라미터에 대한 설정 값은, 기 설정된 범위 내에서 선택된 값이고,상기 영상 스타일 변환 모델은,상기 컨텐츠 영상 및 상기 스타일 영상 각각으로부터 복수의 특징 벡터(feature vector)를 생성하는 하나 이상의 인코더;상기 하나 이상의 스타일 파라미터 및 상기 스타일 영상의 복수의 특징 벡터에 기초하여 상기 컨텐츠 영상의 복수의 특징 벡터 중 적어도 일부를 변환하는 하나 이상의 변환부; 및상기 변환된 특징 벡터와 상기 컨텐츠 영상의 복수의 특징 벡터 중 변환되지 않은 특징 벡터에 기초하여, 상기 스타일 변환 영상을 생성하는 하나 이상의 디코더를 포함하는, 영상 스타일 변환 모델 실행 장치
8 8
청구항 7에 있어서,상기 스타일 변환 영상 생성부는, 상기 하나 이상의 스타일 파라미터에 대한 설정 값이 모두 상기 기 설정된 범위 내의 최소 값인 경우, 상기 영상 스타일 변환 모델이 상기 스타일 영상 대신 상기 컨텐츠 영상을 사용하도록 제어하는, 영상 스타일 변환 모델 실행 장치
9 9
삭제
10 10
청구항 7에 있어서,상기 하나 이상의 스타일 파라미터에 대한 설정 값은, 독립적으로 선택되고,상기 하나 이상의 변환부는, 상기 하나 이상의 스타일 파라미터 중 각각 대응되는 스타일 파라미터에 대한 설정 값에 기초하여 상기 컨텐츠 영상의 복수의 특징 벡터 중 적어도 일부를 변환하는, 영상 스타일 변환 모델 실행 장치
11 11
청구항 7에 있어서,상기 하나 이상의 변환부는, 각각 상기 하나 이상의 인코더 중 대응되는 인코더에 의해 생성된 상기 컨텐츠 영상의 특징 벡터 및 상기 스타일 영상의 특징 벡터를 입력 받는, 영상 스타일 변환 모델 실행 장치
12 12
컨텐츠 영상, 스타일 영상 및 하나 이상의 스타일 파라미터 각각의 값을 포함하는 입력 데이터를 영상 스타일 변환 모델에 입력하는 단계;상기 입력 데이터에 기초하여 상기 영상 스타일 변환 모델에 의해 생성된 스타일 변환 영상, 상기 컨텐츠 영상 및 상기 스타일 영상에 기초하여 변환 손실을 산출하는 단계; 및상기 변환 손실에 기초하여 상기 영상 스타일 변환 모델의 학습 파라미터를 학습시키는 단계를 포함하고,상기 입력하는 단계, 상기 학습시키는 단계 및 상기 산출하는 단계는 기 설정된 조건이 만족될 때까지 반복 수행되고, 상기 하나 이상의 스타일 파라미터 각각의 값은, 상기 반복 수행 시마다, 기 설정된 범위 내의 값 중에서 임의로 선택되고,상기 영상 스타일 변환 모델은,상기 컨텐츠 영상 및 상기 스타일 영상 각각으로부터 복수의 특징 벡터(feature vector)를 생성하는 하나 이상의 인코더;상기 하나 이상의 스타일 파라미터 및 상기 스타일 영상의 복수의 특징 벡터에 기초하여 상기 컨텐츠 영상의 복수의 특징 벡터 중 적어도 일부를 변환하는 하나 이상의 변환부; 및상기 변환된 특징 벡터와 상기 컨텐츠 영상의 복수의 특징 벡터 중 변환되지 않은 특징 벡터에 기초하여, 상기 컨텐츠 영상에 대한 스타일 변환 영상을 생성하는 하나 이상의 디코더를 포함하는, 영상 스타일 변환 모델 학습 방법
13 13
청구항 12에 있어서,상기 학습시키는 단계는, 상기 하나 이상의 스타일 파라미터 각각의 값이 모두 상기 기 설정된 범위 내의 최소 값인 경우, 상기 영상 스타일 변환 모델이 상기 스타일 영상 대신 상기 컨텐츠 영상을 사용하도록 상기 영상 스타일 변환 모델을 학습시키는, 영상 스타일 변환 모델 학습 방법
14 14
삭제
15 15
청구항 12에 있어서,상기 하나 이상의 스타일 파라미터 각각의 값은, 독립적으로 선택되고,상기 하나 이상의 변환부는, 상기 하나 이상의 스타일 파라미터 중 각각 대응되는 스타일 파라미터의 값에 기초하여 상기 컨텐츠 영상의 복수의 특징 벡터 중 적어도 일부를 변환하는, 영상 스타일 변환 모델 학습 방법
16 16
청구항 12에 있어서,상기 하나 이상의 변환부는, 각각 상기 하나 이상의 인코더 중 대응되는 인코더에 의해 생성된 상기 컨텐츠 영상의 특징 벡터 및 상기 스타일 영상의 특징 벡터를 입력 받는, 영상 스타일 변환 모델 학습 방법
17 17
청구항 12에 있어서,상기 산출하는 단계는, 컨텐츠 손실 및 스타일 손실에 기초하여 제1 손실을 산출하고, 상기 컨텐츠 영상 및 복원된 컨텐츠 영상에 기초하여 제2 손실을 산출하고, 상기 제1 손실 및 상기 제2 손실에 기초하여 상기 변환 손실을 산출하는, 영상 스타일 변환 모델 학습 방법
18 18
컨텐츠 영상, 스타일 영상 및 하나 이상의 스타일 파라미터에 대한 설정 값을 획득하는 단계; 및상기 컨텐츠 영상, 상기 스타일 영상 및 상기 하나 이상의 스타일 파라미터에 대한 설정 값을 입력 데이터로 이용하는 사전 학습된 영상 스타일 변환 모델을 이용하여 상기 컨텐츠 영상에 대한 스타일 변환 영상을 생성하는 단계를 포함하고,상기 하나 이상의 스타일 파라미터에 대한 설정 값은, 기 설정된 범위 내에서 선택된 값이고,상기 영상 스타일 변환 모델은,상기 컨텐츠 영상 및 상기 스타일 영상 각각으로부터 복수의 특징 벡터(feature vector)를 생성하는 하나 이상의 인코더;상기 하나 이상의 스타일 파라미터 및 상기 스타일 영상의 복수의 특징 벡터에 기초하여 상기 컨텐츠 영상의 복수의 특징 벡터 중 적어도 일부를 변환하는 하나 이상의 변환부; 및상기 변환된 특징 벡터와 상기 컨텐츠 영상의 복수의 특징 벡터 중 변환되지 않은 특징 벡터에 기초하여, 상기 컨텐츠 영상에 대한 스타일 변환 영상을 생성하는 하나 이상의 디코더를 포함하는, 영상 스타일 변환 모델 실행 방법
19 19
청구항 18에 있어서,상기 생성하는 단계는, 상기 하나 이상의 스타일 파라미터에 대한 설정 값이 모두 상기 기 설정된 범위 내의 최소 값인 경우, 상기 영상 스타일 변환 모델이 상기 스타일 영상 대신 상기 컨텐츠 영상을 사용하도록 제어하는, 영상 스타일 변환 모델 실행 방법
20 20
삭제
21 21
청구항 18에 있어서,상기 하나 이상의 스타일 파라미터에 대한 설정 값은, 독립적으로 선택되고,상기 하나 이상의 변환부는, 상기 하나 이상의 스타일 파라미터 중 각각 대응되는 스타일 파라미터에 대한 설정 값에 기초하여 상기 컨텐츠 영상의 복수의 특징 벡터 중 적어도 일부를 변환하는, 영상 스타일 변환 모델 실행 방법
22 22
청구항 18에 있어서,상기 하나 이상의 변환부는, 각각 상기 하나 이상의 인코더 중 대응되는 인코더에 의해 생성된 상기 컨텐츠 영상의 특징 벡터 및 상기 스타일 영상의 특징 벡터를 입력 받는, 영상 스타일 변환 모델 실행 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 과학기술정보통신부 영남대학교 개인기초연구(과기정통부)(R&D) 도메인 변환 기법과 네트워크 압축 기법을 이용한 다목적 깊은 신경망의 학습 방법과 이를 활용한 컴퓨터 비전 응용 연구