| 1 |
1
대조 학습과 적대적 생성 신경망을 활용하는 이미지 생성 및 편집 방법으로서,판별자에 입력되는 입력 이미지에서 공통 특징을 추출하여 공통 특징 데이터를 생성하는 단계;상기 공통 특징 데이터를 진짜 이미지의 클래스 임베딩의 차원으로 사영하는 단계; 및상기 공통 특징 데이터 및 상기 클래스 임베딩에 의한 조건부 대조 손실을 최소화하거나 상기 조건부 대조 손실이 수렴하도록 동작하는 단계;를 포함하며,상기 동작하는 단계는 상기 조건부 대조 손실을 이용하여 동일한 차원에서의 여러 이미지 임베딩 간의 데이터-데이터 관계와 데이터-클래스 관계를 토대로 상기 입력 이미지의 진위를 판별하거나 가짜 이미지를 생성하거나 상기 입력 이미지의 일부를 변경하는, 이미지 생성 및 편집 방법
|
| 2 |
2
청구항 1에 있어서,상기 동작하는 단계는
|
| 3 |
3
청구항 1에 있어서,상기 조건부 대조 손실은 하기 수학식 1로 표현되며,[수학식 1]상기 수학식 1에서, 는 이미지, 는 이미지 레이블, 는 레이블 임베딩 모델, 은 이미지 임베딩 모델, 는 하드니스 조절을 위한 하이퍼매개변수를 각각 나타내는, 이미지 생성 및 편집 방법
|
| 4 |
4
청구항 1에 있어서,상기 입력 이미지의 진위를 속이고 대조 손실이 적은 사실적 가짜 이미지를 생성하는 단계를 더 포함하는 이미지 생성 및 편집 방법
|
| 5 |
5
청구항 4에 있어서,상기 가짜 이미지와 상기 진짜 이미지를 상기 입력 이미지로서 상기 판별자에 입력하는 단계;를 더 포함하는, 이미지 생성 및 편집 방법
|
| 6 |
6
대조 학습과 적대적 생성 신경망을 활용하는 이미지 생성 및 편집 장치로서,디스플레이;하나 이상의 카메라;하나 이상의 프로세서; 및상기 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 저장하는 메모리;를 포함하며,상기 하나 이상의 프로그램은 청구항 1 내지 청구항 5 중 어느 한 항의 방법을 수행하기 위한 명령어들을 포함하는, 이미지 생성 및 편집 장치
|
| 7 |
7
대조 학습과 적대적 생성 신경망을 활용하는 이미지 생성 및 편집 장치로서,청구항 1 내지 청구항 5 중 어느 한 항의 방법을 수행하기 위한 명령어들을 포함하는 하나 이상의 프로그램이 기록된 컴퓨터 판독가능 저장 매체를 포함하며,상기 하나 이상의 프로그램은 하나 이상의 카메라 및 디스플레이를 갖춘 컴퓨팅 장치의 하나 이상의 프로세서에 의해 실행되는, 이미지 생성 및 편집 장치
|
| 8 |
8
대조 학습과 적대적 생성 신경망을 활용하는 이미지 생성 및 편집 방법으로,조건부 대조 손실을 사용하여 동일한 차원에서의 여러 이미지 임베딩 간의 데이터-데이터 관계와 데이터-클래스 관계를 토대로 입력 이미지의 진위를 판별하는 단계; 및상기 입력 이미지의 진위를 속이고 대조 손실이 적은 사실적 가짜 이미지를 생성하는 단계;를 포함하는, 이미지 생성 및 편집 방법
|
| 9 |
9
청구항 8에 있어서,상기 조건부 대조 손실은 입력 데이터에서 공통 특징을 추출한 공통 특징 데이터를 진짜 데이터의 클래스 임베딩의 차원으로 사영한 것에 대응하는, 이미지 생성 및 편집 방법
|
| 10 |
10
청구항 9에 있어서,상기 조건부 대조 손실은 데이터-데이터 관계 및 상기 데이터-클래스 관계가 표현되는 임베딩 공간에서 정점 임베딩 또는 목적 임베딩과 유사도가 상대적으로 높은 다른 임베딩을 당겨 더 가까이 위치하도록 하고 상기 유사도가 상대적으로 낮은 또 다른 임베딩을 밀어 더 멀리 위치하도록 처리되는, 이미지 생성 및 편집 방법
|
| 11 |
11
대조 학습과 적대적 생성 신경망을 활용한 이미지 생성 및 편집 장치로서,판별자에 입력되는 입력 이미지에서 공통 특징을 추출하여 공통 특징 데이터를 생성하는 특징 추출 모델;상기 공통 특징 데이터를 진짜 이미지의 클래스 임베딩의 차원으로 사영하는 프로젝션 모델; 및상기 공통 특징 데이터 및 상기 클래스 임베딩에 의한 조건부 대조 손실을 최소화하거나 상기 조건부 대조 손실이 수렴하도록 동작하는 최적화 모델;을 포함하며,상기 최적화 모델은 상기 조건부 대조 손실을 이용하여 동일한 차원에서의 여러 이미지 임베딩 간의 데이터-데이터 관계와 데이터-클래스 관계를 토대로 상기 입력 이미지의 진위를 판별하거나 가짜 이미지를 생성하거나 상기 입력 이미지의 일부를 변경하여 출력하는, 이미지 생성 및 편집 장치
|
| 12 |
12
청구항 11에 있어서,상기 최적화 모델은
|
| 13 |
13
청구항 11에 있어서,상기 입력 이미지의 진위를 속이고 대조 손실이 적은 사실적 가짜 이미지를 생성하는 생성자를 더 포함하며,상기 가짜 이미지와 상기 진짜 이미지는 상기 입력 이미지로서 상기 판별자에 입력되는, 이미지 생성 및 편집 장치
|
| 14 |
14
조건부 대조 손실을 사용하여 동일한 차원에서의 여러 이미지 임베딩 간의 데이터-데이터 관계와 데이터-클래스 관계를 토대로 입력 이미지의 진위를 판별하는 판별자; 및상기 입력 이미지의 진위를 속이고 대조 손실이 적은 사실적 이미지를 생성하는 생성자;를 포함하며,상기 판별자는 상기 조건부 대조 손실을 이용하여 동일한 차원에서의 여러 이미지 임베딩 간의 데이터-데이터 관계와 데이터-클래스 관계를 토대로 상기 입력 이미지의 진위를 판별하거나 상기 입력 이미지에 기초하여 가짜 이미지를 생성하거나 상기 입력 이미지의 일부를 변경하여 출력하는, 이미지 생성 및 편집 장치
|
| 15 |
15
청구항 14에 있어서,상기 생성자를 상기 판별자로부터 분리시키고 샘플이 입력되는 입력부를 상기 판별자에 연결하는 생성자 분리부 또는 입력전환부를 더 포함하며,상기 입력 이미지로서 상기 판별자에 입력되는 샘플을 신경망을 통해 처리하여 새로운 이미지를 생성하거나 상기 입력 이미지를 편집한 편집 이미지를 출력하는, 이미지 생성 및 편집 장치
|
