| 1 |
1
딥러닝 네트워크를 이용하여, 입력되는 이미지 영상에서 이미지 특징 벡터들을 정제하는 이미지 인코더;딥러닝 네트워크를 이용하여, 입력되는 깊이 영상에서 볼륨 특징 벡터들을 정제하는 볼륨 인코더;딥러닝 네트워크를 이용하여, 이미지 인코더에서 정제된 이미지 특징 벡터들과 볼륨 인코더에서 정제된 볼륨 특징 벡터들로부터 3차원 모델을 복원하는 볼륨 디코더;를 포함하고,이미지 인코더, 볼륨 인코더 및 볼륨 디코더의 딥러닝 네트워크는,다수의 양자화 방법들을 적응적으로 적용하여 가중치가 양자화되는 것을 특징으로 하는 3차원 모델 복원 시스템
|
| 2 |
2
청구항 1에 있어서,이미지 인코더, 볼륨 인코더 및 볼륨 디코더의 딥러닝 네트워크는,계층 마다 양자화 방법을 적응적으로 적용하는 것을 특징으로 하는 3차원 모델 복원 시스템
|
| 3 |
3
청구항 2에 있어서,양자화 방법은,Symmetric + Signed (SS) 양자화 방법 및 Asymmetric + unsigned (AU) 양자화 방법을 포함하는 것을 특징으로 하는 3차원 모델 복원 시스템
|
| 4 |
4
청구항 3에 있어서,가중치 분포의 mean, skewness, kurtosis를 기초로, 양자화 방법을 적용하는 것을 특징으로 하는 3차원 모델 복원 시스템
|
| 5 |
5
청구항 4에 있어서,Skewness가 특정 범위 내이면 SS 양자화 방법을 적용하고, Skewness가 특정 범위를 벗어나면 AU 양자화 방법을 적용하며,Kurtosis의 크기를 기초로 양자화 비트를 결정하는 것을 특징으로 하는 3차원 모델 복원 시스템
|
| 6 |
6
청구항 1에 있어서,이미지 인코더의 후단에서, 이미지 특징 벡터들을 압축하는 이미지 특징 벡터 압축기;볼륨 인코더의 후단에서, 볼륨 특징 벡터들을 압축하는 볼륨 특징 벡터 압축기; 및볼륨 디코더의 전단에서 압축된 이미지 특징 벡터들과 볼륨 특징 벡터들을 신장시키는 신장기;를 더 포함하는 것을 특징으로 하는 3차원 모델 복원 시스템
|
| 7 |
7
청구항 6에 있어서,이미지 특징 벡터 압축기는,Huffman Coding (HFC), Arithmetic Coding (ARC) 중 어느 하나의 기법으로 이미지 특징 벡터들을 압축하고,볼륨 특징 벡터 압축기는,run-length coding (RLC) 기법으로 볼륨 특징 벡터들을 압축하는 것을 특징으로 하는 3차원 모델 복원 시스템
|
| 8 |
8
딥러닝 네트워크를 이용하여, 입력되는 이미지 영상에서 이미지 특징 벡터들을 정제하는 단계;딥러닝 네트워크를 이용하여, 입력되는 깊이 영상에서 볼륨 특징 벡터들을 정제하는 단계; 및딥러닝 네트워크를 이용하여, 이미지 인코더에서 정제된 이미지 특징 벡터들과 볼륨 인코더에서 정제된 볼륨 특징 벡터들로부터 3차원 모델을 복원하는 단계;를 포함하고,이미지 인코더, 볼륨 인코더 및 볼륨 디코더의 딥러닝 네트워크는,다수의 양자화 방법들을 적응적으로 적용하여 가중치가 양자화되는 것을 특징으로 하는 3차원 모델 복원 방법
|
