| 1 |
1
원본 이미지에 포함된 각 픽셀의 밝기 값에 기초하여 상기 원본 이미지에서 상기 밝기 값이 특정 값 이상인 영역을 포함하는 제1 이미지 및 상기 원본 이미지에서 상기 특정 값 이상인 영역을 제외한 나머지 영역을 포함하는 제2 이미지를 생성하는 단계; 및제1 신경망, 제2 신경망 및 제3 신경망을 포함하는 사전 학습된 모델을 이용하여 상기 제1 이미지 및 상기 제2 이미지로부터 상기 원본 이미지의 다이내믹 레인지(Dynamic range)를 확장시킨 HDR(High Dynamic Range) 이미지를 생성하는 단계를 포함하고,상기 제1 신경망은, 상기 제1 이미지에 기초하여 밝기 값이 증가되는 방향으로 상기 제1 이미지의 밝기 값의 범위를 확장시킨 제3 이미지를 출력하도록 사전 학습되고,상기 제2 신경망은, 상기 제2 이미지에 기초하여 밝기 값을 감소하는 방향으로 상기 제2 이미지의 밝기 값의 범위를 확장시킨 제4 이미지를 출력하도록 사전 학습되고,상기 제3 신경망은, 상기 제3 이미지 및 상기 제4 이미지에 기초하여 상기 HDR 이미지를 생성하도록 사전 학습되며, 상기 제1 이미지 및 상기 제2 이미지를 생성하는 단계는,상기 각 픽셀의 밝기 값에 기초하여 마스크(mask)를 생성하는 단계;상기 마스크를 이용하여 상기 원본 이미지를 마스킹(masking)하여 상기 제1 이미지를 생성하는 단계; 및 상기 제1 이미지의 밝기를 반전시켜 상기 제2 이미지를 생성하는 단계를 포함하고, 상기 마스크를 생성하는 단계는, 하기 수학식 1을 이용하여 상기 마스크를 생성하는, HDR 이미지 생성 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
청구항 1항에 있어서, 상기 임계 값은, 상기 각 픽셀의 밝기 평균 값에 기초하여 설정되는, HDR 이미지 생성 방법
|
| 5 |
5
청구항 1항에 있어서, 상기 제1 신경망은, 상기 제1 이미지에 컨볼루션(Convolution) 연산을 수행하여 상기 제1 이미지에 대한 제1 특징 벡터를 출력하는 제1 컨볼루션 층(Convolution layer) 및 상기 제1 특징 벡터에 대한 최대 풀링(max pooling)을 수행하는 제1 풀링 층(pooling layer)을 포함하고, 상기 제2 신경망은, 상기 제2 이미지에 컨볼루션 연산을 수행하여 상기 제2 이미지에 대한 제2 특징 벡터를 출력하는 제2 컨볼루션 층 및 상기 제2 특징 벡터에 대한 최소 풀링(min pooling)을 수행하는 제2 풀링층을 포함하는, HDR 이미지 생성 방법
|
| 6 |
6
청구항 1항에 있어서, 상기 제3 신경망은, 상기 제3 이미지 및 상기 제4 이미지를 합성한 제5 이미지로부터 제3 특징 벡터를 추출하고, 상기 추출된 제3 특징 벡터에 기초하여 상기 HDR 이미지를 생성하도록 사전 학습되는, HDR 이미지 생성 방법
|
| 7 |
7
원본 이미지에 포함된 각 픽셀의 밝기 값에 기초하여 상기 원본 이미지에서 상기 밝기 값이 특정 값 이상인 영역을 포함하는 제1 이미지 및 상기 원본 이미지에서 상기 특정 값 이상인 영역을 제외한 나머지 영역을 포함하는 제2 이미지를 생성하는 단계; 및제1 신경망, 제2 신경망 및 제3 신경망을 포함하는 사전 학습된 모델을 이용하여 상기 제1 이미지 및 상기 제2 이미지로부터 상기 원본 이미지의 다이내믹 레인지(Dynamic range)를 확장시킨 HDR(High Dynamic Range) 이미지를 생성하는 단계를 포함하고,상기 제1 신경망은, 상기 제1 이미지에 기초하여 밝기 값이 증가되는 방향으로 상기 제1 이미지의 밝기 값의 범위를 확장시킨 제3 이미지를 출력하도록 사전 학습되고,상기 제2 신경망은, 상기 제2 이미지에 기초하여 밝기 값을 감소하는 방향으로 상기 제2 이미지의 밝기 값의 범위를 확장시킨 제4 이미지를 출력하도록 사전 학습되고,상기 제3 신경망은, 상기 제3 이미지 및 상기 제4 이미지에 기초하여 상기 HDR 이미지를 생성하도록 사전 학습되며,상기 사전 학습된 모델은, 상기 원본 이미지에 대한 서브 샘플링(sub-sampling)을 수행하여 상기 원본 이미지에 대한 특징 벡터를 생성하도록 사전 학습된 제4 신경망을 더 포함하는, HDR 이미지 생성 방법
|
| 8 |
8
청구항 7항에 있어서, 상기 제1 신경망은, 상기 제1 이미지에 대한 제1 특징 벡터를 추출하고, 상기 제1 이미지에 대한 제1 특징 벡터 및 상기 원본 이미지에 대한 특징 벡터에 기초하여 상기 제3 이미지를 생성하도록 사전 학습되며, 상기 제2 신경망은, 상기 제2 이미지에 대한 제2 특징 벡터를 추출하고, 상기 제2 이미지에 대한 제2 특징 벡터 및 상기 원본 이미지에 대한 특징 벡터에 기초하여 상기 제4 이미지를 생성하도록 사전 학습되는, HDR 이미지 생성 방법
|
| 9 |
9
청구항 7항에 있어서, 상기 제3 신경망은, 상기 제3 이미지 및 상기 제4 이미지를 합성한 제5 이미지로부터 제3 특징 벡터를 추출하고, 상기 제3 특징 벡터와 상기 원본 이미지에 대한 특징 벡터에 기초하여 상기 HDR 이미지를 생성하도록 사전 학습되는, HDR 이미지 생성 방법
|
| 10 |
10
원본 이미지에 포함된 각 픽셀의 밝기 값에 기초하여 상기 원본 이미지에서 상기 밝기 값이 특정 값 이상인 영역을 포함하는 제1 이미지 및 상기 원본 이미지에서 상기 특정 값 이상인 영역을 제외한 나머지 영역을 포함하는 제2 이미지를 생성하는 입력 이미지 생성부; 및제1 신경망, 제2 신경망 및 제3 신경망을 포함하는 사전 학습된 모델을 이용하여 상기 제1 이미지 및 상기 제2 이미지로부터 상기 원본 이미지의 다이내믹 레인지(Dynamic range)를 확장시킨 HDR(High Dynamic Range) 이미지를 생성하는 HDR 이미지 생성부를 포함하고,상기 제1 신경망은, 상기 제1 이미지에 기초하여 밝기 값이 증가되는 방향으로 상기 제1 이미지의 밝기 값의 범위를 확장시킨 제3 이미지를 출력하도록 사전 학습되고,상기 제2 신경망은, 상기 제2 이미지에 기초하여 밝기 값을 감소하는 방향으로 상기 제2 이미지의 밝기 값의 범위를 확장시킨 제4 이미지를 출력하도록 사전 학습되고,상기 제3 신경망은, 상기 제3 이미지 및 상기 제4 이미지에 기초하여 상기 HDR 이미지를 생성하도록 사전 학습되며, 상기 입력 이미지 생성부는,상기 각 픽셀의 밝기 값에 기초하여 마스크(mask)를 생성하고 상기 마스크로 상기 원본 이미지를 마스킹(masking)하여 상기 제1 이미지를 생성하며, 상기 제1 이미지의 밝기를 반전시켜 상기 제2 이미지를 생성하되, 하기 수학식 1을 이용하여 상기 마스크를 생성하는, HDR 이미지 생성 장치
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
| 13 |
13
청구항 10항에 있어서, 상기 임계 값은, 상기 각 픽셀의 밝기 평균 값에 기초하여 설정되는, HDR 이미지 생성 장치
|
| 14 |
14
청구항 10항에 있어서, 상기 제1 신경망은, 상기 제1 이미지에 컨볼루션(Convolution) 연산을 수행하여 상기 제1 이미지에 대한 제1 특징 벡터를 출력하는 제1 컨볼루션 층(Convolution layer) 및 상기 제1 특징 벡터에 대한 최대 풀링(max pooling)을 수행하는 제1 풀링 층(pooling layer)을 포함하고, 상기 제2 신경망은, 상기 제2 이미지에 컨볼루션 연산을 수행하여 상기 제2 이미지에 대한 제2 특징 벡터를 출력하는 제2 컨볼루션 층 및 상기 제2 특징 벡터에 대한 최소 풀링(min pooling)을 수행하는 제2 풀링층을 포함하는, HDR 이미지 생성 장치
|
| 15 |
15
청구항 10항에 있어서, 상기 제3 신경망은, 제3 이미지 및 상기 제4 이미지를 합성한 제5 이미지로부터 제3 특징 벡터를 추출하고, 상기 추출된 제3 특징 벡터에 기초하여 상기 HDR 이미지를 생성하도록 사전 학습되는, HDR 이미지 생성 장치
|
| 16 |
16
원본 이미지에 포함된 각 픽셀의 밝기 값에 기초하여 상기 원본 이미지에서 상기 밝기 값이 특정 값 이상인 영역을 포함하는 제1 이미지 및 상기 원본 이미지에서 상기 특정 값 이상인 영역을 제외한 나머지 영역을 포함하는 제2 이미지를 생성하는 입력 이미지 생성부; 및제1 신경망, 제2 신경망 및 제3 신경망을 포함하는 사전 학습된 모델을 이용하여 상기 제1 이미지 및 상기 제2 이미지로부터 상기 원본 이미지의 다이내믹 레인지(Dynamic range)를 확장시킨 HDR(High Dynamic Range) 이미지를 생성하는 HDR 이미지 생성부를 포함하고,상기 제1 신경망은, 상기 제1 이미지에 기초하여 밝기 값이 증가되는 방향으로 상기 제1 이미지의 밝기 값의 범위를 확장시킨 제3 이미지를 출력하도록 사전 학습되고,상기 제2 신경망은, 상기 제2 이미지에 기초하여 밝기 값을 감소하는 방향으로 상기 제2 이미지의 밝기 값의 범위를 확장시킨 제4 이미지를 출력하도록 사전 학습되고,상기 제3 신경망은, 상기 제3 이미지 및 상기 제4 이미지에 기초하여 상기 HDR 이미지를 생성하도록 사전 학습되며, 상기 사전 학습된 모델은, 상기 원본 이미지에 대한 서브 샘플링(sub-sampling)을 수행하여, 상기 원본 이미지에 대한 특징 벡터를 생성하도록 사전 학습된 제4 신경망을 더 포함하는, HDR 이미지 생성 장치
|
| 17 |
17
청구항 16항에 있어서, 상기 제1 신경망은, 상기 제1 이미지에 대한 제1 특징 벡터를 추출하고, 상기 제1 특징 벡터 및 상기 원본 이미지에 대한 특징 벡터에 기초하여 상기 제3 이미지를 생성하도록 사전 학습되며, 상기 제2 신경망은, 상기 제2 이미지에 대한 제2 특징 벡터를 추출하고, 상기 제2 특징 벡터 및 상기 원본 이미지에 대한 특징 벡터에 기초하여 상기 제4 이미지를 생성하도록 사전 학습되는, HDR 이미지 생성 장치
|
| 18 |
18
청구항 16항에 있어서, 상기 제3 신경망은, 상기 제3 이미지 및 상기 제4 이미지를 합성한 제5 이미지로부터 제3 특징 벡터를 추출하고, 상기 제3 특징 벡터와 상기 원본 이미지에 대한 특징 벡터에 기초하여 상기 HDR 이미지를 생성하도록 사전 학습되는, HDR 이미지 생성 장치
|
