1 |
1
제1 도메인 이미지를 제1 잠재 공간으로 변환하는 제1 도메인 인코더;상기 제1 도메인 이미지를 재구성하는 제1 도메인 디코더;제2 도메인 이미지를 제2 잠재 공간으로 변환하는 제2 도메인 인코더;상기 제2 도메인 이미지를 재구성하는 제2 도메인 디코더; 및상기 제1 도메인과 상기 제2 도메인 사이의 교차 도메인(cross domain) 관계를 정의하는 잠재 공간 연관 네트워크(LSAN, latent space association network)를 포함하는, 듀얼(dual) 오토인코더(autoencoder)
|
2 |
2
제1항에 있어서,상기 잠재 공간 연관 네트워크(LSAN)는상기 제1 잠재 공간을 상기 제2 잠재 공간으로 상호 변환함으로써 상기 교차 도메인 관계를 정의하는, 듀얼 오토인코더
|
3 |
3
제2항에 있어서,상기 제1 도메인 디코더는출력 조건에 따라 상이한 잠재 공간을 입력으로 하되,상기 출력 모드가 동일 도메인인 경우 상기 제1 잠재 공간을 입력으로 하고, 상기 출력 모드가 교차 도메인인 경우 상기 잠재 공간 연관 네트워크(LSAN)의 출력을 입력으로 하는, 듀얼 오토인코더
|
4 |
4
제2항에 있어서,상기 제2 도메인 디코더는출력 조건에 따라 상이한 잠재 공간을 입력으로 하되,상기 출력 모드가 동일 도메인인 경우 상기 제2 잠재 공간을 입력으로 하고, 상기 출력 모드가 교차 도메인인 경우 상기 잠재 공간 연관 네트워크(LSAN)의 출력을 입력으로 하는, 듀얼 오토인코더
|
5 |
5
제1항에 있어서,상기 듀얼 오토인코더의 학습은상기 제1 도메인 이미지를 이용하여 상기 제1 도메인 인코더 및 상기 제1 도메인 디코더를 학습시키고, 상기 제2 도메인 이미지를 이용하여 상기 제2 도메인 인코더 및 상기 제2 도메인 디코더를 학습시킨 이후에 상기 잠재 공간 연관 네트워크(LSAN)를 학습시키는, 듀얼 오토인코더
|
6 |
6
제5항에 있어서,상기 잠재 공간 연관 네트워크(LSAN)의 학습은정답 데이터(ground truth)의 잠재 분포(latent distribution)와 상기 잠재 공간 연관 네트워크(LSAN)의 출력 간의 L2 Regression Losses를 감소시키는 방향으로 수행되고,상기 L2 Regression Losses는- 여기서 q1(z1|y1) 및 q2(z2|y2)는 각각 제1 오토인코더 및 제2 오토인코더의 출력이고, LSAN은 상기 제1 잠재 공간 및 상기 제2 잠재 공간 사이의 연관임 - 에 의해 계산되는, 듀얼 오토인코더
|
7 |
7
제1항에 있어서,상기 제1 도메인 인코더 및 상기 제2 도메인 인코더는컨볼루션 층(convolution layer)과 완전연결 층(fully connected layer)으로 구성되는, 듀얼 오토인코더
|
8 |
8
제1항에 있어서,상기 제1 도메인 디코더 및 상기 제2 도메인 디코더는디컨볼루션 층(deconvolutional layer)과 완전연결 층(fully connected layer)으로 구성되는, 듀얼 오토인코더
|
9 |
9
제1항에 있어서,상기 잠재 공간 연관 네트워크(LSAN)는완전 연결 연관 네트워크(fully connected association network)의 구조를 가지는, 듀얼 오토인코더
|
10 |
10
제1 도메인 이미지를 입력받는 단계;출력 조건을 판단하는 단계;상기 출력 조건이 동일 도메인(same domain)인 경우 제1 도메인 인코더 및 제1 도메인 디코더에 의해 상기 제1 도메인 이미지를 재구성하는 단계; 및상기 출력 조건이 교차 도메인(cross domain)인 경우 상기 제1 도메인 인코더, 잠재 공간 연관 네트워크(LSAN, latent space association network), 및 제2 도메인 디코더에 의해 제2 도메인 이미지를 재구성하는 단계를 포함하는, 듀얼 오토인코더를 이용한 이미지 변환 방법
|
11 |
11
제10항에 있어서,상기 제1 도메인 이미지를 재구성하는 단계는상기 제1 도메인 인코더가 상기 제1 도메인 이미지를 제1 잠재 공간으로 변환하는 단계; 및상기 제1 도메인 디코더가 상기 제1 잠재 공간을 이용하여 상기 제1 도메인 이미지를 재구성하는 단계를 포함하는, 듀얼 오토인코더를 이용한 이미지 변환 방법
|
12 |
12
제10항에 있어서,상기 제2 도메인 이미지를 재구성하는 단계는상기 제1 도메인 인코더가 상기 제1 도메인 이미지를 제1 잠재 공간으로 변환하는 단계;상기 잠재 공간 연관 네트워크(LSAN)가 상기 제1 잠재 공간을 제2 잠재 공간으로 변환하는 단계; 및상기 제2 도메인 디코더가 상기 제2 잠재 공간을 이용하여 상기 제2 도메인 이미지를 재구성하는 단계를 포함하는, 듀얼 오토인코더를 이용한 이미지 변환 방법
|
13 |
13
제10항에 있어서,상기 잠재 공간 연관 네트워크(LSAN)는상기 제1 잠재 공간을 제2 잠재 공간으로 상호 변환함으로써 교차 도메인 관계를 정의하는, 듀얼 오토인코더를 이용한 이미지 변환 방법
|
14 |
14
제10항에 있어서,상기 듀얼 오토인코더의 학습은상기 제1 도메인 이미지를 이용하여 상기 제1 도메인 인코더 및 상기 제1 도메인 디코더를 학습시키고, 상기 제2 도메인 이미지를 이용하여 제2 도메인 인코더 및 상기 제2 도메인 디코더를 학습시킨 이후에 상기 잠재 공간 연관 네트워크(LSAN)를 학습시키는, 듀얼 오토인코더를 이용한 이미지 변환 방법
|
15 |
15
제14항에 있어서,상기 잠재 공간 연관 네트워크(LSAN)의 학습은정답 데이터(ground truth)의 잠재 분포(latent distribution)와 상기 잠재 공간 연관 네트워크(LSAN)의 출력 간의 L2 Regression Losses를 감소시키는 방향으로 수행되고,상기 L2 Regression Losses는- 여기서 q1(z1|y1) 및 q2(z2|y2)는 각각 제1 도메인 디코더 및 제2 도메인디코더의 출력이고, LSAN은 상기 제1 잠재 공간 및 상기 제2 잠재 공간 사이의 연관임 - 에 의해 계산되는, 듀얼 오토인코더를 이용한 이미지 변환 방법
|
16 |
16
제10항에 있어서,상기 제1 도메인 인코더는컨볼루션 층(convolution layer)과 완전연결 층(fully connected layer)으로 구성되는, 듀얼 오토인코더
|
17 |
17
제10항에 있어서,상기 제1 도메인 디코더 및 상기 제2 도메인 디코더는디컨볼루션 층(deconvolutional layer)과 완전연결 층(fully connected layer)으로 구성되는, 듀얼 오토인코더를 이용한 이미지 변환 방법
|
18 |
18
제10항에 있어서,상기 잠재 공간 연관 네트워크(LSAN)는완전 연결 연관 네트워크(fully connected association network)의 구조를 가지는, 듀얼 오토인코더를 이용한 이미지 변환 방법
|
19 |
19
듀얼 오토인코더를 이용한 이미지 변환 방법을 수행하는 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능한 저장 매체에 있어서, 상기 컴퓨터 프로그램은 상기 컴퓨터가제1 도메인 이미지를 입력받도록 하는 명령;출력 조건을 판단하도록 하는 명령;상기 출력 조건이 동일 도메인(same domain)인 경우 제1 도메인 인코더 및 제1 도메인 디코더에 의해 상기 제1 도메인 이미지를 재구성하도록 하는 명령; 및상기 출력 조건이 교차 도메인(cross domain)인 경우 상기 제1 도메인 인코더, 잠재 공간 연관 네트워크(LSAN, latent space association network), 및 제2 도메인 디코더에 의해 제2 도메인 이미지를 재구성하도록 하는 명령을 포함하는, 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능한 저장 매체
|