1 |
1
인코딩 네트워크를 이용하여, 입력 영상을 영상 특성이 포함된 잠재 영역으로 인코딩하는 단계;인코딩된 잠재 영역을 기하학적 정보가 포함된 잠재 영역으로 변환하는 단계; 및변환된 잠재 영역을 이용하여, 입력 영상의 3차원 모델을 추정하는 단계;를 포함하는 것을 특징으로 하는 3차원 모델 복원 방법
|
2 |
2
청구항 1에 있어서,변환 단계는,인코딩된 잠재 영역을 입력 영상과 다른 시점의 영상에 대한 잠재 영역으로 변환하는 것을 특징으로 하는 3차원 모델 복원 방법
|
3 |
3
청구항 2에 있어서,변환 단계는,인코딩된 잠재 영역에 카메라 회전 행렬을 적용하여, 입력 영상과 다른 시점의 영상에 대한 잠재 영역으로 변환하는 것을 특징으로 하는 3차원 모델 복원 방법
|
4 |
4
청구항 3에 있어서,변환된 잠재 영역으로부터 영상을 복원하는 단계;인코딩 네트워크를 이용하여, 복원된 영상을 영상 특성이 포함된 잠재 영역으로 인코딩하는 단계;인코딩된 잠재 영역에 카메라 회전 행렬의 역행렬을 적용하여, 입력 영상과 같은 시점의 영상에 대한 잠재 영역으로 변환하는 단계;변환된 잠재 영역으로부터 영상을 복원하는 단계;복원된 영상과 입력 영상 간의 손실 함수를 계산하여, 인코딩 네트워크를 최적화하는 단계;를 더 포함하는 것을 특징으로 하는 3차원 모델 복원 방법
|
5 |
5
청구항 1에 있어서,추정 단계는,추정 네트워크를 이용하여, 변환된 잠재 영역으로부터 SMPL(Skinned Multi-Person Linear Model) 파라미터를 추정하는 단계;추정된 SMPL 파라미터로부터 3차원 사람 자세 및 형상을 추정하는 단계;를 더 포함하는 것을 특징으로 하는 3차원 모델 복원 방법
|
6 |
6
청구항 5에 있어서,분별 네트워크를 이용하여, 변환된 잠재 영역로부터 추정된 SMPL 파라미터가 정확한지 분별하는 단계; 및분별 결과를 이용하여, 추정 네트워크를 학습시키는 단계;를 더 포함하는 것을 특징으로 하는 3차원 모델 복원 방법
|
7 |
7
청구항 6에 있어서,학습 단계는,분별 결과가 '참'이 될 때까지, 추정 네트워크를 학습시키는 것을 특징으로 하는 3차원 모델 복원 방법
|
8 |
8
청구항 7에 있어서,분별 네트워크는,GAN(Generative Adversarial Network)으로 구현되는 것을 특징으로 하는 3차원 모델 복원 방법
|
9 |
9
청구항 1에 있어서,입력 영상은,한 장의 영상인 것을 특징으로 하는 3차원 모델 복원 방법
|
10 |
10
인코딩 네트워크를 이용하여, 입력 영상을 영상 특성이 포함된 잠재 영역으로 인코딩하는 인코딩부;인코딩된 잠재 영역을 기하학적 정보가 포함된 잠재 영역으로 변환하는 변환부; 및변환된 잠재 영역을 이용하여, 입력 영상의 3차원 모델을 추정하는 추정부;를 포함하는 것을 특징으로 하는 3차원 모델 복원 장치
|
11 |
11
인코딩 네트워크를 이용하여, 입력 영상을 영상 특성이 포함된 잠재 영역으로 인코딩하는 단계;인코딩된 잠재 영역을 기하학적 정보가 포함된 잠재 영역으로 변환하는 단계;변환된 잠재 영역으로부터 복원한 영상을 이용하여, 인코딩 네트워크를 학습시키는 단계; 및변환된 잠재 영역을 이용하여, 입력 영상의 3차원 모델을 추정하는 단계;를 포함하는 것을 특징으로 하는 3차원 모델 복원 방법
|
12 |
12
인코딩 네트워크를 이용하여, 입력 영상을 영상 특성이 포함된 잠재 영역으로 인코딩하는 인코딩부;인코딩된 잠재 영역을 기하학적 정보가 포함된 잠재 영역으로 변환하는 변환부;변환된 잠재 영역을 이용하여, 입력 영상의 3차원 모델을 추정하는 추정부;를 포함하고,인코딩부는,변환된 잠재 영역으로부터 복원한 영상을 이용하여, 인코딩 네트워크를 학습시키는 것을 특징으로 하는 3차원 모델 복원 장치
|