맞춤기술찾기

이전대상기술

단안 비디오에서 뉴럴 레이디언스 기반의 라이트필드 합성 방법 및 시스템

  • 기술번호 : KST2023002657
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
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 단안 비디오에서 뉴럴 레이디언스 기반의 라이트필드 합성 방법 및 시스템이 제시된다. 본 발명에서 제안하는 단안 비디오에서 뉴럴 레이디언스 기반의 라이트필드 합성 방법은 전처리부를 통해 가시영역에 대한 데이터를 향상시키기 위해 입력영상의 RGBD 영상을 활용하여 학습을 위한 데이터를 전처리하는 단계, 모델링부를 통해 컬러 영상 및 깊이 영상을 이용하는 NeRF(Nueral radiance field) 기반 장면모델링을 수행하는 단계, 학습부를 통해 상기 입력으로 들어오는 컬러 영상 및 깊이 영상을 이용하여 데이터를 확장시키는 단계 및 학습부를 통해 깊이 영상에 대한 깊이 값의 변화가 연속적으로 이루어지고 텍스처가 존재하지 않는 영역에서의 NeRF 기반 장면모델링의 오류를 감소시키도록 학습하는 단계를 포함한다.
Int. CL G06T 5/50 (2006.01.01) G06T 7/557 (2017.01.01) H04N 13/156 (2018.01.01) G06N 3/08 (2023.01.01)
CPC G06T 5/50(2013.01) G06T 7/557(2013.01) H04N 13/156(2013.01) G06N 3/08(2013.01) G06T 2207/10016(2013.01)
출원번호/일자 1020220126531 (2022.10.04)
출원인 인하대학교 산학협력단
등록번호/일자 10-2555165-0000 (2023.07.10)
공개번호/일자
공고번호/일자 (20230712) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.10.04)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 대한민국 인천광역시 미추홀구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 박인규 서울특별시 강남구
2 백형선 경기도 시흥시 옥구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 인천광역시 미추홀구
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
2022.10.04 수리 (Accepted) 1-1-2022-1043729-93
2 [우선심사신청]심사청구서·우선심사신청서
2022.10.04 수리 (Accepted) 1-1-2022-1044302-80
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search
2022.10.06 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search
2022.10.24 수리 (Accepted) 9-1-2022-0016281-37
5 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2022.12.15 수리 (Accepted) 1-1-2022-1349933-99
6 의견제출통지서
Notification of reason for refusal
2023.06.05 발송처리완료 (Completion of Transmission) 9-5-2023-0510676-40
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2023.06.20 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2023-0676742-67
8 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2023.06.20 수리 (Accepted) 1-1-2023-0676741-11
9 등록결정서
Decision to grant
2023.07.04 발송처리완료 (Completion of Transmission) 9-5-2023-0607713-94
10 [명세서등 보정]보정서(심사관 직권보정)
2023.07.11 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2023-5013875-42
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
전처리부를 통해 가시영역에 대한 데이터를 향상시키기 위해 입력영상의 RGBD 영상을 활용하여 학습을 위한 상기 입력영상의 RGBD 영상에 관한 데이터를 전처리하는 단계; 모델링부를 통해 상기 전처리된 입력영상의 RGBD 영상에 대한 컬러 영상 및 깊이 영상을 이용하는 NeRF(Nueral radiance field) 기반 장면모델링을 수행하는 단계;학습부를 통해 상기 전처리된 입력영상의 RGBD 영상에 대한 컬러 영상 및 깊이 영상을 이용하여 데이터를 확장시키는 단계; 및 학습부를 통해 상기 학습부를 통해 데이터 확장된 깊이 영상에 대한 깊이 값의 변화가 연속적으로 이루어지고 텍스처가 존재하지 않는 영역에서의 NeRF 기반 장면모델링의 오류를 감소시키도록 학습하는 단계를 포함하는 라이트필드 합성 방법
2 2
제1항에 있어서,상기 전처리부를 통해 가시영역에 대한 데이터를 향상시키기 위해 입력영상의 RGBD 영상을 활용하여 학습을 위한 상기 입력영상의 RGBD 영상에 관한 데이터를 전처리하는 단계는, DIBR(Depth Image Based Rendering) 방식으로 상기 가시영역에 대한 가상시점 영상을 획득하고 해당 광선들이 가시 영역인지 여부를 결정할 마스킹를 생성하여 이후에 학습될 NeRF에 입력으로 들어가며, 마스킹 되는 부분의 광선은 학습에서 제외되는 라이트필드 합성 방법
3 3
제1항에 있어서,상기 모델링부를 통해 상기 전처리된 입력영상의 RGBD 영상에 대한 컬러 영상 및 깊이 영상을 이용하는 NeRF(Nueral radiance field) 기반 장면모델링을 수행하는 단계는, 가시 영역에 대한 샘플링 레이트를 증가 시키고 폐색 영역의 경우에는 비디오 방향에 따른 입력으로부터 데이터를 추정하여, 렌더링 기반의 입력 영상으로부터 라이트필드의 SAIs(Sub-aperture images) 간의 베이스라인이 넓은 데이터들을 대규모로 취득하여 라이트 필드 데이터셋을 생성하는 라이트필드 합성 방법
4 4
제1항에 있어서,상기 학습부를 통해 상기 전처리된 입력영상의 RGBD 영상에 대한 컬러 영상 및 깊이 영상을 이용하여 데이터를 확장시키는 단계는, 깊이 기반 렌더링 방식을 사용하여 입력되는 시점의 주변 시점들을 생성하고, 넓은 베이스라인을 갖도록 DIBR로 워핑시키는 범위를 조절하며, 전체 SAIs를 생성하지 않고 일정 부분의 SAIs를 선택하여 데이터를 확장시키는 라이트필드 합성 방법
5 5
가시영역에 대한 데이터를 향상시키기 위해 입력영상의 RGBD 영상을 활용하여 학습을 위한 상기 입력영상의 RGBD 영상에 관한 데이터를 전처리하는 전처리부; 상기 전처리된 입력영상의 RGBD 영상에 대한 컬러 영상 및 깊이 영상을 이용하는 NeRF(Nueral radiance field) 기반 장면모델링을 수행하는 모델링부; 및 상기 입력으로 들어오는 상기 전처리된 입력영상의 RGBD 영상에 대한 컬러 영상 및 깊이 영상을 이용하여 데이터를 확장시키고, 학습부를 통해 데이터 확장된 깊이 영상에 대한 깊이 값의 변화가 연속적으로 이루어지고 텍스처가 존재하지 않는 영역에서의 NeRF 기반 장면모델링의 오류를 감소시키도록 학습하는 학습부를 포함하는 라이트필드 합성 시스템
6 6
제5항에 있어서,상기 전처리부는, DIBR(Depth Image Based Rendering) 방식으로 상기 가시영역에 대한 가상시점 영상을 획득하고 해당 광선들이 가시 영역인지 여부를 결정할 마스킹를 생성하여 이후에 학습될 NeRF에 입력으로 들어가며, 마스킹 되는 부분의 광선은 학습에서 제외하는 라이트필드 합성 시스템
7 7
제5항에 있어서,상기 모델링부는, 가시 영역에 대한 샘플링 레이트를 증가 시키고 폐색 영역의 경우에는 비디오 방향에 따른 입력으로부터 데이터를 추정하여, 렌더링 기반의 입력 영상으로부터 라이트필드의 SAIs(Sub-aperture images) 간의 베이스라인이 넓은 데이터들을 대규모로 취득하여 라이트 필드 데이터셋을 생성하는 라이트필드 합성 시스템
8 8
제5항에 있어서,상기 학습부는, 깊이 기반 렌더링 방식을 사용하여 입력되는 시점의 주변 시점들을 생성하고, 넓은 베이스라인을 갖도록 DIBR로 워핑시키는 범위를 조절하며, 전체 SAIs를 생성하지 않고 일정 부분의 SAIs를 선택하여 데이터를 확장시키는 라이트필드 합성 시스템
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 인하대학교 산학협력단 인공지능융합혁신인재양성(R&D) 인공지능융합혁신인재양성(인하대학교)
2 과학기술정보통신부 인하대학교 산학협력단 방송통신산업기술개발사업 [Ezbaro] 전배경 정합 3D 객체 스트리밍 기술개발(1차년도)
3 과학기술정보통신부 인하대학교 산학협력단 인공지능융합연구센터지원사업(국고) [Ezbaro][정부] 인공지능융합연구센터지원(3차년도)