| 1 |
1
전자 장치에 있어서,다운스케일링(downscaling)을 위한 복수의 필터 정보가 저장된 메모리; 및 입력 영상의 에지 정보에 기초하여 상기 저장된 복수의 필터 정보 중 하나를 획득하고, 상기 획득된 필터 정보에 기초하여 상기 입력 영상을 다운스케일링하여 출력 영상을 획득하는 프로세서;를 포함하며, 상기 복수의 필터 정보는,영상을 인공 지능 모델에 입력하여 획득된 인핸스(enhance) 영상 및 상기 인핸스 영상을 다운스케일링하여 획득된 타겟 영상에 기초하여 학습되는, 전자 장치
|
| 2 |
2
제1항에 있어서,상기 인공 지능 모델은, 초해상도 처리(super resolution)를 수행하도록 학습된 인공 지능 모델이며,상기 인핸스 영상은, 상기 인공 지능 모델에 포함된 복수의 레이어 중 디테일 향상 처리를 위한 일부 레이어에 기초하여 디테일이 향상된 영상인, 전자 장치
|
| 3 |
3
제1항에 있어서,상기 복수의 필터 정보는, 상이한 에지 정보에 따라 구분된 복수의 클래스 각각에 대응되는 필터 정보를 포함하며, 상기 복수의 클래스 각각에 대응되는 필터 정보는, 상기 복수의 클래스 각각에 대응되는 에지 정보를 포함하는 인핸스 영상 및 상기 인핸스 영상에 대응되는 타겟 영상에 기초하여 학습되는, 전자 장치
|
| 4 |
4
제3항에 있어서,상기 프로세서는, 상기 인핸스 영상을 복수의 픽셀 영역으로 구분하고, 각 픽셀 영역에 포함된 에지 정보에 기초하여 각 픽셀 영역을 상기 복수의 클래스 중 하나로 구분하고,상기 각 픽셀 영역이 속한 클래스의 필터 정보를 상기 각 픽셀 영역 및 상기 각 픽셀 영역에 대응되는 인핸스 영상의 픽셀 영역에 기초하여 학습시키는, 전자 장치
|
| 5 |
5
제4항에 있어서,상기 프로세서는, 상기 각 픽셀 영역에 상기 각 픽셀 영역이 속한 클래스의 필터 정보를 곱한 값과 상기 각 픽셀 영역에 대응되는 인핸스 영상의 픽셀 영역의 값의 차이가 최소가 되도록 상기 필터 정보를 학습시키는, 전자 장치
|
| 6 |
6
제3항에 있어서,상기 복수의 필터 정보는, 상이한 에지 정보 및 스케일링 팩터에 따라 구분된 복수의 클래스 각각에 대응되는 필터 정보를 포함하며, 상기 스케일링 팩터는 다운스케일링 비율 또는 다운스케일링 방향 중 적어도 하나를 포함하는, 전자 장치
|
| 7 |
7
제3항에 있어서,상기 상이한 에지 정보는,영상의 에지 강도, 에지 방향 또는 콘트라스트 중 적어도 하나가 상이한, 전자 장치
|
| 8 |
8
제7항에 있어서,상기 프로세서는, 상기 영상의 에지 강도에 기초하여 스무스 영역, 텍스처 영역 및 에지 영역으로 구분하고,상기 텍스처 영역 및 상기 에지 영역 각각을 상기 콘트라스트에 기초하여 저콘트라스트 영역 및 고 콘트라스트 영역으로 구분하고, 상기 저 콘트라스트 영역 및 상기 고 콘트라스트 영역을 상기 에지 방향에 기초하여 복수의 에지 방향 영역으로 구분하고, 상기 구분된 각 영역들을 상기 복수의 클래스로 분류하는, 전자 장치
|
| 9 |
9
제1항에 있어서,상기 타겟 영상은, 상기 인핸스 영상을 저역 통과 필터를 이용하여 필터링한 후 상기 필터링된 영상에 대한 anti-aliasing 보간을 수행하여 상기 인핸스 영상을 다운스케일링함으로써 획득되는, 전자 장치
|
| 10 |
10
제1항에 있어서,상기 복수의 필터 정보는,상기 전자 장치 또는 외부 장치에서 학습되는, 전자 장치
|
| 11 |
11
다운스케일링(downscaling)을 위한 복수의 필터 정보를 저장하는 전자 장치의 제어 방법에 있어서, 입력 영상의 에지 정보에 기초하여 상기 복수의 필터 정보 중 하나를 획득하는 단계; 및 상기 획득된 필터 정보에 기초하여 상기 입력 영상을 다운스케일링하여 출력 영상을 획득하는 단계;를 포함하며, 상기 복수의 필터 정보는,영상을 인공 지능 모델에 입력하여 획득된 인핸스(enhance) 영상 및 상기 인핸스 영상을 다운스케일링하여 획득된 타겟 영상에 기초하여 학습되는, 제어 방법
|
| 12 |
12
제11항에 있어서,상기 인공 지능 모델은, 초해상도 처리(super resolution)를 수행하도록 학습된 인공 지능 모델이며,상기 인핸스 영상은, 상기 인공 지능 모델에 포함된 복수의 레이어 중 디테일 향상 처리를 위한 일부 레이어에 기초하여 디테일이 향상된 영상인, 제어 방법
|
| 13 |
13
제11항에 있어서,상기 복수의 필터 정보는, 상이한 에지 정보에 따라 구분된 복수의 클래스 각각에 대응되는 필터 정보를 포함하며, 상기 복수의 클래스 각각에 대응되는 필터 정보는, 상기 복수의 클래스 각각에 대응되는 에지 정보를 포함하는 인핸스 영상 및 상기 인핸스 영상에 대응되는 타겟 영상에 기초하여 학습되는, 제어 방법
|
| 14 |
14
제13항에 있어서,상기 인핸스 영상을 복수의 픽셀 영역으로 구분하는 단계;각 픽셀 영역에 포함된 에지 정보에 기초하여 각 픽셀 영역을 상기 복수의 클래스 중 하나로 구분하는 단계; 및 상기 각 픽셀 영역이 속한 클래스의 필터 정보를, 상기 각 픽셀 영역 및 상기 각 픽셀 영역에 대응되는 인핸스 영상의 픽셀 영역에 기초하여 학습시키는 단계;를 더 포함하는 제어 방법
|
| 15 |
15
제14항에 있어서,상기 학습시키는 단계는, 상기 각 픽셀 영역에 상기 각 픽셀 영역이 속한 클래스의 필터 정보를 곱한 값과 상기 각 픽셀 영역에 대응되는 인핸스 영상의 픽셀 영역의 값의 차이가 최소가 되도록 상기 필터 정보를 학습시키는, 제어 방법
|
| 16 |
16
제13항에 있어서,상기 복수의 필터 정보는, 상이한 에지 정보 및 스케일링 팩터에 따라 구분된 복수의 클래스 각각에 대응되는 필터 정보를 포함하며, 상기 스케일링 팩터는 다운스케일링 비율 또는 다운스케일링 방향 중 적어도 하나를 포함하는, 제어 방법
|
| 17 |
17
제13항에 있어서,상기 상이한 에지 정보는,영상의 에지 강도, 에지 방향 또는 콘트라스트 중 적어도 하나가 상이한, 제어 방법
|
| 18 |
18
제17항에 있어서,상기 영상의 에지 강도에 기초하여 스무스 영역, 텍스처 영역 및 에지 영역으로 구분하는 단계;상기 텍스처 영역 및 상기 에지 영역 각각을 상기 콘트라스트에 기초하여 저콘트라스트 영역 및 고 콘트라스트 영역으로 구분하는 단계;상기 저 콘트라스트 영역 및 상기 고 콘트라스트 영역을 상기 에지 방향에 기초하여 복수의 에지 방향 영역으로 구분하는 단계; 및 상기 구분된 각 영역들을 상기 복수의 클래스로 분류하는 단계;를 더 포함하는, 제어 방법
|
| 19 |
19
제11항에 있어서,상기 타겟 영상은, 상기 인핸스 영상을 저역 통과 필터를 이용하여 필터링한 후 상기 필터링된 영상에 대한 anti-aliasing 보간을 수행하여 상기 인핸스 영상을 다운스케일링함으로써 획득되는, 제어 방법
|
| 20 |
20
다운스케일링(downscaling)을 위한 복수의 필터 정보를 저장하는 전자 장치의 프로세서에 의해 실행되는 경우 상기 전자 장치가 동작을 수행하도록 하는 컴퓨터 명령을 저장하는 비일시적 컴퓨터 판독 가능 매체에 있어서, 상기 동작은, 입력 영상의 에지 정보에 기초하여 상기 복수의 필터 정보 중 하나를 획득하는 단계; 및 상기 획득된 필터 정보에 기초하여 상기 입력 영상을 다운스케일링하여 출력 영상을 획득하는 단계;를 포함하며, 상기 복수의 필터 정보는,영상을 인공 지능 모델에 입력하여 획득된 인핸스(enhance) 영상 및 상기 인핸스 영상을 다운스케일링하여 획득된 타겟 영상에 기초하여 학습되는, 비일시적 컴퓨터 판독 가능 매체
|
