1 |
1
3차원 피사체의 표면 영상을 획득하는 입력부;기준 축척(scale)에 기초하여 상기 표면 영상의 해상도(resolution)를 보정한 결과인 보정 표면 영상을 생성하는 축척보정부: 및상기 보정 표면 영상을 변환 모델(transformation model)에 입력하여, 상기 3차원 피사체의 내부 영상을 추정한 결과인 추정 내부 영상을 생성하는 영상변환부를 포함하는 것을 특징으로 하는 영상 변환장치
|
2 |
2
제1항에 있어서,상기 기준 축척에 기초하여 상기 내부 영상의 해상도를 역보정한 결과인 역보정 내부 영상을 생성하는 축척 역보정부를 더 포함하는 것을 특징으로 하는 영상 변환장치
|
3 |
3
제1항에 있어서,상기 3차원 피사체는 표면과 내부가 구분되는 3차원 형태의 대상물로서, 상기 표면 영상은 상기 3차원 피사체의 표면을 촬영한 영상이고, 상기 내부 영상은 상기 3차원 피사체의 내부를 추정한(estimating) 영상인 것을 특징으로 하는 영상 변환장치
|
4 |
4
제1항에 있어서, 상기 변환 모델은 딥러닝(deep learning) 모델을 기반으로 구현되되, 상기 변환 모델은 동일한 3차원 피사체에 대하여 제1 장비로부터 획득한 표면 영상 및 제2 장비로부터 획득한 내부 영상을 이용하여 사전에 트레이닝되는 것을 특징으로 하는 영상 변환장치
|
5 |
5
제1항에 있어서,상기 기준 축척은,장비 축척과 아핀(affine) 축척을 곱한 축척이되, 상기 장비 축척은 장비 사양(specification)을 이용하여 사전에 계산된(calculated) 값이고, 상기 아핀 축척은 장비 편차에 따른 잔차 축척(residual scale)을 보정하도록 사전에 추정된(estimated) 값인 것을 특징으로 하는 영상 변환장치
|
6 |
6
영상 변환장치의 학습방법에 있어서,동일한 3차원 피사체에 대하여 제1 장비로부터 표면 영상을 획득하고, 제2 장비로부터 타겟(target) 표면 영상 및 타겟 내부 영상을 획득하는 과정;장비 축척에 기초하여 상기 표면 영상의 해상도를 보정하여 상기 타겟 표면 영상의 해상도에 근접시킨 보정 표면 영상에, 회전, 아핀(affine) 축척 및 변위(displacement) 중 적어도 하나 이상을 포함하는 부정렬(misalignment) 항목을 보정하는 아핀 변환(affine transformation)을 적용하여 정렬된(aligned) 표면 영상을 생성하는 전처리과정; 및상기 정렬된 표면 영상 및 상기 타겟 내부 영상을 기반으로 변환 모델을 트레이닝하는 과정을 포함하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
7 |
7
제6항에 있어서,상기 3차원 피사체는 표면과 내부가 구분되는 3차원 형태의 대상물로서, 상기 표면 영상 및 상기 타겟 표면 영상은 상기 3차원 피사체의 표면 영상이고, 상기 타겟 내부 영상은 상기 3차원 피사체의 내부 영상인 것을 특징으로 하는 학습방법
|
8 |
8
제6항에 있어서,상기 장비 축척은 상기 제2 장비의 해상도를 상기 제1 장비의 해상도로 나눈 비율로서 장비 사양(specification)을 이용하여 사전에 계산된(calculated) 값인 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
9 |
9
제6항에 있어서,상기 전처리과정은,상기 타겟 표면 영상을 기준으로, 외곽선 기반의 투박한 정렬(coarse alignment) 및 휘도 기반의 정밀 정렬(fine alignment)을 포함하는 아핀 변환 행렬을 추정하여 상기 보정 표면 영상에 적용함으로써, 상기 부정렬 항목을 보정하여 상기 정렬된 표면 영상을 생성하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
10 |
10
제9항에 있어서,상기 전처리과정은,상기 아핀 변환 행렬을 기반으로 상기 아핀 축척을 추정하여, 상기 제1 장비 및 제2 장비의 편차에 따른 잔차 축척(residual scale)을 보정하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
11 |
11
제6항에 있어서, 상기 변환 모델은 딥러닝 모델을 기반으로 구현되는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
12 |
12
제6항에 있어서, 상기 트레이닝하는 과정은,스킵 연결(skip connection)을 이용하여 상기 정렬된 표면 영상을 상기 변환 모델의 출력과 합성하여 내부 영상을 추정함으로써, 상기 변환 모델이 상기 추정한 내부 영상과 상기 정렬된 표면 영상 간의 잔차 영상(residual image)을 생성하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
13 |
13
제12항에 있어서,상기 트레이닝하는 과정은,상기 추정한 내부 영상과 상기 타겟 내부 영상 간의 거리 메트릭(distance metric)에 기반하여 상기 변환 모델의 파라미터를 업데이트하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 학습방법
|
14 |
14
제6항 내지 제13항 중 어느 한 항에 따른 영상 변환장치의 학습방법이 포함하는 각 단계를 실행시키기 위하여 컴퓨터로 읽을 수 있는, 비휘발성 또는 비일시적인 기록매체에 저장된 컴퓨터프로그램
|