1 |
1
프로세서에 의해 수행되는 학습 방법에 있어서,복수의 프레임으로 구성된 훈련 영상을 수신하는 단계;상기 훈련 영상에서 특정 시점을 제외한 나머지 시점의 프레임으로부터 특정 시점의 프레임을 예측하는 신경망을 반복적으로 학습하는 단계; 및상기 학습된 신경망을 이용하여, 상기 특정 시점의 프레임에 대한 노이즈를 감소시키는 노이즈 감소기를 반복적으로 학습하는 단계를 포함하고,상기 신경망을 반복적으로 학습하는 단계는,상기 훈련 영상에서 추출한 특정 시점의 프레임과 상기 신경망을 통해 예측된 특정 시점의 프레임 간의 오차에 기초하여 반복적으로 학습하고,상기 노이즈 감소기를 반복적으로 학습하는 단계는,상기 학습된 신경망에서 예측된 특정 시점의 프레임과 상기 노이즈 감소기의 생성자(G)를 통해 노이즈가 감소된 특정 시점의 프레임 간의 오차가 미리 설정된 기준을 초과하는 경우, 상기 특정 시점의 프레임과 인접한 프레임을 생성자(G)에 입력함으로써 노이즈를 획득하는 단계;상기 획득된 노이즈를, 상기 생성자(G)를 통해 노이즈가 감소된 특정 시점의 프레임에 적용함으로써 새로운 노이즈 프레임을 생성하는 단계; 및상기 특정 시점의 프레임과 상기 새로운 노이즈 프레임 사이의 오차가 최소화되는 방향으로 상기 생성자(G)를 학습하는 단계를 포함하는 학습 방법
|
2 |
2
제1항에 있어서,상기 신경망을 통해 예측된 특정 시점의 프레임이 가지는 노이즈는,상기 훈련 영상을 구성하는 복수의 프레임들이 가지는 노이즈 보다 작은 학습 방법
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
제1항에 있어서,상기 신경망은,(i)복수의 RDB(Residual Denso Blocks)들이 계단식으로 배열된 RDN(Residual Denso Network)들과 (ii)NL(Non-Local) Block들로 구성되는 학습 방법
|
6 |
6
프로세서에 의해 수행되는 복원 방법에 있어서,복수의 프레임으로 구성된 원본 영상을 수신하는 단계; 및상기 수신된 원본 영상을 노이즈 감소기에 적용함으로써 보다 높은 화질의 원본 영상으로 복원하는 단계를 포함하고,상기 노이즈 감소기는,학습된 신경망에서 예측된 특정 시점의 프레임과 상기 노이즈 감소기의 생성자(G)를 통해 노이즈가 감소된 특정 시점의 프레임 간의 오차가 미리 설정된 기준을 초과하는 경우, 상기 특정 시점의 프레임과 인접한 프레임을 생성자(G)에 입력함으로써 노이즈를 획득하고, 획득된 노이즈를 상기 생성자(G)를 통해 노이즈가 감소된 특정 시점의 프레임에 적용함으로써 새로운 노이즈 프레임을 생성하고, 상기 특정 시점의 프레임과 상기 새로운 노이즈 프레임 사이의 오차가 최소화되는 방향으로 상기 생성자(G)가 학습되는 복원 방법
|
7 |
7
삭제
|
8 |
8
제6항에 있어서,상기 학습된 신경망을 통해 예측된 특정 시점의 프레임이 가지는 노이즈는,상기 원본 영상을 구성하는 복수의 프레임들이 가지는 노이즈 보다 작은 복원 방법
|
9 |
9
삭제
|
10 |
10
삭제
|
11 |
11
컴퓨팅 장치에 있어서,상기 컴퓨팅 장치는 프로세서를 포함하고,상기 프로세서는,복수의 프레임으로 구성된 훈련 영상을 수신하고, 상기 훈련 영상에서 특정 시점을 제외한 나머지 시점의 프레임으로부터 특정 시점의 프레임을 예측하는 신경망을 반복적으로 학습하며, 상기 학습된 신경망을 이용하여, 상기 특정 시점의 프레임에 대한 노이즈를 감소시키는 노이즈 감소기를 반복적으로 학습하고,상기 학습된 신경망은,상기 훈련 영상에서 추출한 특정 시점의 프레임과 상기 신경망을 통해 예측된 특정 시점의 프레임 간의 오차가 최소화되도록 학습함으로써 생성되고,상기 노이즈 감소기는,상기 학습된 신경망에서 예측된 특정 시점의 프레임과 상기 노이즈 감소기의 생성자(G)를 통해 노이즈가 감소된 특정 시점의 프레임 간의 오차가 미리 설정된 기준을 초과하는 경우, 상기 특정 시점의 프레임과 인접한 프레임을 생성자(G)에 입력함으로써 노이즈를 획득하고, 획득된 노이즈를 상기 생성자(G)를 통해 노이즈가 감소된 특정 시점의 프레임에 적용함으로써 새로운 노이즈 프레임을 생성하고, 상기 특정 시점의 프레임과 상기 새로운 노이즈 프레임 사이의 오차가 최소화되는 방향으로 상기 생성자(G)가 학습되는 컴퓨팅 장치
|
12 |
12
삭제
|
13 |
13
제11항에 있어서,상기 신경망을 통해 예측된 특정 시점의 프레임이 가지는 노이즈는,상기 훈련 영상을 구성하는 복수의 프레임들이 가지는 노이즈 보다 작은 컴퓨팅 장치
|
14 |
14
삭제
|
15 |
15
삭제
|
16 |
16
컴퓨팅 장치에 있어서,상기 컴퓨팅 장치는 프로세서를 포함하고,상기 프로세서는,복수의 프레임으로 구성된 원본 영상을 수신하고, 상기 수신된 원본 영상을 노이즈 감소기에 적용함으로써 보다 높은 화질의 원본 영상으로 복원하며,상기 노이즈 감소기는,학습된 신경망에서 예측된 특정 시점의 프레임과 상기 노이즈 감소기의 생성자(G)를 통해 노이즈가 감소된 특정 시점의 프레임 간의 오차가 미리 설정된 기준을 초과하는 경우, 상기 특정 시점의 프레임과 인접한 프레임을 생성자(G)에 입력함으로써 노이즈를 획득하고, 획득된 노이즈를, 상기 생성자(G)를 통해 노이즈가 감소된 특정 시점의 프레임에 적용함으로써 새로운 노이즈 프레임을 생성하고, 상기 특정 시점의 프레임과 상기 새로운 노이즈 프레임 사이의 오차가 최소화되는 방향으로 상기 생성자(G)가 학습되는 컴퓨팅 장치
|
17 |
17
삭제
|
18 |
18
제16항에 있어서,상기 학습된 신경망을 통해 예측된 특정 시점의 프레임이 가지는 노이즈는,상기 원본 영상을 구성하는 복수의 프레임들이 가지는 노이즈 보다 작은 컴퓨팅 장치
|
19 |
19
삭제
|
20 |
20
삭제
|