| 1 |
1
부호화된 특징을 포함한 비트스트림을 수신하는 단계; 여기서, 상기 부호화된 특징은, 적어도 하나의 영상으로부터 추출된 하나 또는 그 이상의 특징을 포함함,상기 비트스트림으로부터 상기 특징을 복호화하는 단계; 및상기 복호화된 특징을 기반으로, 신경망의 복수의 레이어에 대응하는 특징들을 각각 복원하는 단계를 포함하는, 신경망 특징 복호화 방법
|
| 2 |
2
제1항에 있어서,상기 복수의 레이어에 대응하는 특징들은, 상향식 구조의 복원 순서에 따라 복원되는, 신경망 특징 복호화 방법
|
| 3 |
3
제2항에 있어서,상기 상향식 구조는, 상기 복수의 레이어 중 최하단 레이어에서 최상단 레이어의 순서로 각 레이어에 대응하는 특징을 복원하는 구조인, 신경망 특징 복호화 방법
|
| 4 |
4
제3항에 있어서, 상기 복원하는 단계는,상기 복호화된 특징으로부터, 상기 복수의 레이어 중 제1 레이어에 대응하는 제1 특징을 복원하는 단계; 및상기 복호화된 특징 또는 상기 제1 레이어의 제1 특징 중 적어도 하나에 기초하여, 상기 복수의 레이어 중 제2 레이어에 대응하는 제2 특징을 복원하는 단계를 포함하되,상기 제1 레이어의 제1 특징은, 상기 제2 레이어의 제2 특징보다 더 큰 크기를 가지는, 신경망 특징 복호화 방법
|
| 5 |
5
제4항에 있어서,상기 제1 특징은, 상기 복호화된 특징을 업샘플링하여 복원되고,상기 업샘플링은, 최근접 보간법 또는 픽셀셔플 중 어느 하나에 기초하여 수행되는, 신경망 특징 복호화 방법
|
| 6 |
6
제4항에 있어서, 상기 제2 특징을 복원하는 단계는,상기 복호화된 특징을 업샘플링하는 단계; 및상기 기-복원된 제1 특징을 다운샘플링하는 단계를 포함하고,상기 제2 특징은, 상기 업샘플링된 복호화된 특징과 상기 다운샘플링된 제1 특징의 합에 기초하여 복원되는, 신경망 특징 복호화 방법
|
| 7 |
7
제6항에 있어서,상기 업샘플링을 위한 스케일링 팩터는, 기준 레이어에 대응하는 특징의 크기와 상기 제2 레이어에 대응하는 특징의 크기 간의 비율에 기초하여 결정되고, 여기서, 상기 기준 레이어는, 상기 복수의 레이어 중 최상단 레이어임,상기 다운샘플링을 위한 스케일링 팩터는, 상기 제1 레이어에 대응하는 특징의 크기와 상기 제2 레이어에 대응하는 특징의 크기 간의 비율에 기초하여 결정되는, 신경망 특징 복호화 방법
|
| 8 |
8
제1항에 있어서,상기 복수의 레이어에 대응하는 특징들은, 하향식 구조의 복원 순서에 따라 복원되는, 신경망 특징 복호화 방법
|
| 9 |
9
제8항에 있어서,상기 하향식 구조는, 상기 복수의 레이어 중 최상단 레이어에서 최하단 레이어의 순서로 각 레이어에 대응하는 특징을 복원하는 구조인, 신경망 특징 복호화 방법
|
| 10 |
10
제9항에 있어서, 상기 복원하는 단계는,상기 복호화된 특징으로부터, 상기 복수의 레이어 중 제1 레이어에 대응하는 제1 특징을 복원하는 단계; 및상기 복호화된 특징 또는 상기 제1 레이어의 제1 특징 중 적어도 하나에 기초하여, 상기 복수의 레이어 중 제2 레이어에 대응하는 제2 특징을 복원하는 단계를 포함하되,상기 제1 레이어의 제1 특징은, 상기 제2 레이어의 제2 특징보다 더 작은 크기를 가지는, 신경망 특징 복호화 방법
|
| 11 |
11
제10항에 있어서,상기 복호화된 특징이 상기 제1 레이어에 대응하는 제1 특징으로 동일하게 설정되는, 신경망 특징 복호화 방법
|
| 12 |
12
제10항에 있어서, 상기 제2 특징을 복원하는 단계는,상기 복호화된 특징을 업샘플링하는 단계;상기 기-복원된 제1 특징을 업샘플링하는 단계; 및상기 업샘플링된 복호화된 특징과 상기 업샘플링된 제1 특징의 합을 산출하는 단계를 포함하는, 신경망 특징 복호화 방법
|
| 13 |
13
제12항에 있어서,상기 업샘플링은, 최근접 보간법 또는 픽셀셔플 중 어느 하나에 기초하여 수행되는, 신경망 특징 복호화 방법
|
| 14 |
14
제12항에 있어서,상기 복호화된 특징의 업샘플링을 위한 스케일링 팩터는, 기준 레이어에 대응하는 특징의 크기와 상기 제2 레이어에 대응하는 특징의 크기 간의 비율에 기초하여 결정되고, 여기서, 상기 기준 레이어는, 상기 복수의 레이어 중 최상단 레이어임,상기 기-복원된 제1 특징의 업샘플링을 위한 스케일링 팩터는, 상기 제1 레이어에 대응하는 특징의 크기와 상기 제2 레이어에 대응하는 특징의 크기 간의 비율에 기초하여 결정되는, 신경망 특징 복호화 방법
|
| 15 |
15
제12항에 있어서, 상기 제2 특징을 복원하는 단계는,상기 업샘플링된 복호화된 특징과 상기 업샘플링된 제1 특징의 합에 대해서 컨볼루션을 수행하는 단계를 더 포함하는, 신경망 특징 복호화 방법
|
| 16 |
16
부호화된 특징을 포함한 비트스트림을 수신하는 수신부; 여기서, 상기 부호화된 특징은, 적어도 하나의 영상으로부터 추출된 하나 또는 그 이상의 특징을 포함함,상기 비트스트림으로부터 상기 특징을 복호화하는 복호화부; 및상기 복호화된 특징을 기반으로, 신경망의 복수의 레이어에 대응하는 특징들을 각각 복원하는 복원부를 포함하는, 신경망 특징 복호화 장치
|
| 17 |
17
신경망 특징 복호화 방법에 의해 복호화되는 비트스트림을 저장하기 위한 컴퓨터로 판독 가능한 저장매체에 있어서,상기 신경망 특징 복호화 방법은,상기 비트스트림으로부터 특징을 복호화하는 단계; 여기서, 특징은 적어도 하나의 영상으로부터 추출된 하나 또는 그 이상의 특징을 포함함, 및상기 복호화된 특징을 기반으로, 신경망의 복수의 레이어에 대응하는 특징들을 각각 복원하는 단계를 포함하는, 컴퓨터로 판독 가능한 저장매체
|
