맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법

  • 기술번호 : KST2022010032
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명의 일 실시예에 따른 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법은 저화질 영상 데이터를 미리 학습된 네트워크를 통해 고화질로 복원하여 예측된 고화질 영상 데이터(SR)을 생성하는 단계; 상기 예측된 고화질 영상 데이터(SR)을 랜덤한 제1 배율로 다운스케일링하여 가상의 고화질 영상 데이터(P_HR)를 생성하는 단계; 상기 고화질 영상 데이터(P_HR)를 제2 배율로 다운스케일링하여 가상의 저화질 영상 데이터(P_LR)을 생성하는 단계; 및 상기 가상의 저화질 영상 데이터(P_LR)와 가상의 고화질 영상 데이터(P_HR) 쌍을 이용하여 상기 미리 학습된 네트워크를 적응시키는 단계를 포함하여, 저화질 영상 데이터를 고품질의 고해상도로 복원한다. 본 발명은 삼성전자(주) 2020년도 삼성미래기술육성사업(202000000002701) "시공간 제한 없는 비디오에서 다중 휴먼 3차원 형상, 자세, 동작 복원 및 예측"을 통해 개발된 기술이다.
Int. CL G06T 3/40 (2006.01.01) G06F 16/78 (2019.01.01) G06N 20/00 (2019.01.01)
CPC
출원번호/일자 1020210034757 (2021.03.17)
출원인 한양대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0081246 (2022.06.15) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020200170771   |   2020.12.08
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.03.17)
심사청구항수 11

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한양대학교 산학협력단 대한민국 서울특별시 성동구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김태현 인천광역시 연수구
2 유진수 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 심경식 대한민국 서울시 강남구 역삼로 *** 동아빌딩 *층(에스와이피특허법률사무소)
2 홍성욱 대한민국 서울시 강남구 역삼로 *** 동아빌딩 *층(에스와이피특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2021.03.17 수리 (Accepted) 1-1-2021-0314595-82
2 선행기술조사의뢰서
Request for Prior Art Search		 2022.03.15 수리 (Accepted) 9-1-9999-9999999-89
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨팅 장치의 지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법으로서,저화질 영상 데이터를 미리 학습된 네트워크를 통해 고화질로 복원하여 예측된 고화질 영상 데이터(SR)을 생성하는 단계; 상기 예측된 고화질 영상 데이터(SR)을 랜덤한 제1 배율로 다운스케일링하여 가상의 고화질 영상 데이터(P_HR)를 생성하는 단계; 상기 고화질 영상 데이터(P_HR)를 제2 배율로 다운스케일링하여 가상의 저화질 영상 데이터(P_LR)을 생성하는 단계; 및상기 가상의 저화질 영상 데이터(P_LR)와 가상의 고화질 영상 데이터(P_HR) 쌍을 이용하여 상기 미리 학습된 네트워크를 적응시키는 단계를 포함하는 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법
2 2
제1항에 있어서, 상기 미리 학습된 네트워크를 적응시키는 단계는 상기 가상의 저화질 영상 데이터(P_LR)를 상기 미리 학습된 네트워크에 입력하여 가상의 고화질 영상 데이터(P_SR)을 생성하는 단계; 및상기 가상의 고화질 영상 데이터(P_SR)과 상기 가상의 고화질 영상 데이터(P_HR)에 기초하여, 상기 미리 학습된 네트워크를 최적화하는 단계 를 포함하는 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법
3 3
제1항에 있어서, 상기 예측된 고화질 영상 데이터(SR)을 랜덤한 제1 배율로 다운스케일링하여 가상의 고화질 영상 데이터(P_HR)를 생성하는 단계; 및상기 고화질 영상 데이터(P_HR)를 제2 배율로 다운스케일링하여 가상의 저화질 영상 데이터(P_LR)을 생성하는 단계는 복수회 반복되어 수행되는 것을 특징으로 하는 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법
4 4
제3항에 있어서, 복수회 반복되는 동안, 상기 제1 배율은 매회 미리 설정된 범위 내에서 랜덤하게 변경되는 것을 특징으로 하는 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법
5 5
제4항에 있어서, 상기 미리 설정된 범위는 0
6 6
제3항에 있어서, 상기 제2 배율은 상기 제1 배율보다 더 작은 것을 특징으로 하는 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법
7 7
제6항에 있어서, 상기 제2 배율은 미리 학습된 네트워크를 통해 고화질로 복원하여 예측된 고화질 영상 데이터(SR)을 생성한 배율에 기초한 것을 특징으로 하는 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법
8 8
제1항에 있어서, 상기 예측된 고화질 영상 데이터(SR)을 생성한 배율은 2~4배에 포함된 어느 하나 인 것을 특징으로 하는 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법
9 9
제2항에 있어서, 상기 가상의 초고화질(P_SR)은 반복되는 패턴을 포함하는 제1 패치와 제2 패치를 포함하는 경우, 랜덤하게 다운스케일링된 가상의 고화질 데이터(P_HR)로부터 상기 제2 패치와 동일한 사이즈를 갖고, 상기 제1 패치와 대응되는 영역의 제3 패치를 상기 제2 패치에 복사하는 것을 특징으로 하는 자기지도학습 기반 저화질 영상 데이터의 고해상도 복원 방법
10 10
하나 이상의 인스트랙션을 저장하는 메모리; 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 제1항의 방법을 수행하는 장치
11 11
하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 한양대학교 산학협력단 정보통신방송혁신인재양성사업 인공지능대학원지원(한양대학교)