| 1 |
1
시스템이, 프레임 영상에 포함된 특정 대상체의 자세 정보의 도메인을 변환하는 변환 모델을 학습시키는 학습 단계;시스템이, 프레임의 자세 정보의 도메인을 변환하는 변환 단계;시스템이, 변환된 도메인에서 프레임 영상 내 대상체가 없는 빈 프레임의 모션 특징을 생성하는 생성 단계; 및 시스템이, 생성된 모션 특징을 시간 도메인으로 역변환하는 역변환 단계;를 포함하며, 변환 단계는, 프레임의 자세 정보에 도메인 변환 행렬(spectral transform matrix)을 행렬곱하여 도메인을 변환하고,생성 단계는, 변환된 도메인에서 자세 정보에 포함되는 관절의 경로 정보를 이용하여 빈 프레임의 모션 특징을 생성하며,생성되는 모션 특징은, 기저 벡터의 linear combination으로 구현되고,역변환 단계는, 생성된 모션 특징을 시간 도메인으로 역변환하여 프레임별 자세 정보를 도출하며,역변환 단계는, 생성된 모션 특징을 시간 도메인으로 역변환하기 위해 딥 러닝 기반의 역변환 모델을 이용하고,역변환 단계는, 생성된 모션 특징을 시간 도메인으로 역변환하기 위해, 도메인 변환 행렬(spectral transform matrix)의 inverse matrix 또는 transpose matrix를 이용하며,도메인 역변환 행렬()은, 도메인 역변환 행렬이 도메인 변환 행렬()의 inverse matrix인 경우, 도메인 역변환 행렬의 열벡터가 기저 벡터이고,시스템은,도메인 역변환 행렬이 도메인 변환 행렬의 inverse matrix인 경우, 변환 모델의 학습 단계에서 도메인 변환 행렬을 학습 가능한 행렬로 설정하여, 도메인 변환 행렬의 element가 학습되도록 하고, 역변환 단계의 수행 시, 도메인 역변환 행렬()과 동일한 도메인 역행렬()을 이용하며, 도메인 역변환 행렬()은, 도메인 역변환 행렬이 도메인 변환 행렬()의 transpose matrix인 경우, 도메인 역변환 행렬의 열벡터가 orthogonal한 기저 벡터이며,시스템은,도메인 역변환 행렬이 도메인 변환 행렬의 transpose matrix인 경우, 변환 모델의 학습 단계에서 도메인 변환 행렬을 학습 가능한 행렬로 설정하여, 도메인 변환 행렬의 element가 학습되도록 하고, 역변환 단계의 수행 시, 도메인 역변환 행렬()과 동일한 전치 행렬()을 이용하는 것을 특징으로 하는 사람 모션 생성 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
청구항 1에 있어서,제2 단계는, 빈 프레임의 모션 특징 생성 시, GNN(Graph Neural Network) 모델, Transformer 모델, CNN(Convolutional Neural Network) 모델, MLP(Multi-Layer Perceptrons) 모델 또는 RNN(Recurrent Neural Network) 모델을 이용하는 것을 특징으로 하는 사람 모션 생성 방법
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
| 9 |
9
삭제
|
| 10 |
10
프레임 영상에 포함된 특정 대상체의 자세 정보를 획득하는 통신부; 및획득된 프레임 영상에 포함된 특정 대상체의 자세 정보의 도메인을 변환하는 변환 모델을 학습시키고, 프레임의 자세 정보의 도메인을 변환하고, 변환된 도메인에서 프레임 영상 내 대상체가 없는 빈 프레임의 모션 특징을 생성하며, 생성된 모션 특징을 시간 도메인으로 역변환하는 프로세서;를 포함하고,프로세서는, 프레임의 자세 정보에 도메인 변환 행렬(spectral transform matrix)을 행렬곱하여 도메인을 변환하고,프로세서는,변환된 도메인에서 자세 정보에 포함되는 관절의 경로 정보를 이용하여 빈 프레임의 모션 특징을 생성하며,생성되는 모션 특징은, 기저 벡터의 linear combination으로 구현되고,프로세서는,생성된 모션 특징을 시간 도메인으로 역변환하여 프레임별 자세 정보를 도출하며,프로세서는,생성된 모션 특징을 시간 도메인으로 역변환하기 위해 딥 러닝 기반의 역변환 모델을 이용하고,프로세서는,생성된 모션 특징을 시간 도메인으로 역변환하기 위해, 도메인 변환 행렬(spectral transform matrix)의 inverse matrix 또는 transpose matrix를 이용하며,도메인 역변환 행렬()은, 도메인 역변환 행렬이 도메인 변환 행렬()의 inverse matrix인 경우, 도메인 역변환 행렬의 열벡터가 기저 벡터이고,프로세서는,도메인 역변환 행렬이 도메인 변환 행렬의 inverse matrix인 경우, 프레임의 자세 정보의 도메인을 변환하는 변환 모델의 학습 과정에서 도메인 변환 행렬을 학습 가능한 행렬로 설정하여, 도메인 변환 행렬의 element가 학습되도록 하고, 역변환 과정에서, 도메인 역변환 행렬()과 동일한 도메인 역행렬()을 이용하며, 도메인 역변환 행렬()은, 도메인 역변환 행렬이 도메인 변환 행렬()의 transpose matrix인 경우, 도메인 역변환 행렬의 열벡터가 orthogonal한 기저 벡터이며,프로세서는,도메인 역변환 행렬이 도메인 변환 행렬의 transpose matrix인 경우, 프레임의 자세 정보의 도메인을 변환하는 변환 모델의 학습 과정에서 도메인 변환 행렬을 학습 가능한 행렬로 설정하여, 도메인 변환 행렬의 element가 학습되도록 하고, 역변환 과정에서, 도메인 역변환 행렬()과 동일한 전치 행렬()을 이용하는 것을 특징으로 하는 사람 모션 생성 시스템
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
