| 1 |
1
뉴럴 렌더링 모델에 기초하여 렌더링 이미지를 구성하는 제1 복셀에 대한 내적 연산을 하는 동안, 렌더링 프로세서에 의해 제1 복셀(x)을 +1/0/-1인 3가지 경우 중 하나로 나눈 복수 개의 입력을 수신하여 상기 복수 개의 입력 중 제로가 아닌 하나 이상의 입력 값만 출력하는 제1 노드;상기 제1 복셀을 나눈 복수 개의 입력에 대응하는 복수 개의 제1 복셀 상수들(ac)을 입력 받아 상기 제1 노드에서 상기 제로가 아닌 값에 대응하는 하나 이상의 복셀 상수(ac)만을 출력하는 제2 노드;상기 제2 노드에서 출력된 상기 하나 이상의 복셀 상수들(ac)에 대해, 상기 제1 노드의 출력 값을 반영한 각각의 복셀 상수들(acx)을 누적하여 덧셈하여 출력하는 제3 노드; 및상기 제1 복셀을 분해한 복수 개의 입력에 대응하는 복수 개의 제2 복셀 상수들(bc)에 대한 누적 덧셈 결과를 상기 제3 노드의 출력 값(acx)과 더하는 덧셈 노드를 포함하고,상기 제1 복셀 상수들(ac) 및 상기 제2 복셀 상수들(bc) 각각은 상기 내적 연산(acx+bc)을 구성하는 수학식의 서로 다른 상수 항목들(ac, bc)로서, 미리 저장된 메모리로부터 상기 렌더링 프로세서가 읽어와서 입력받고,상기 복수 개의 제1 복셀 상수들 및 상기 복수 개의 제2 복셀 상수들은 상기 제1 복셀에 대응하여 상기 뉴럴 렌더링 모델의 학습이 완료된 시점에 상수값으로 결정되며,상기 학습 이후 변수가 상수값으로 결정된 경우, 상기 뉴럴 렌더링 모델에서 동일한 행렬 내적 연산에 대해 실질적으로 상수값들의 곱셈이 덧셈으로 치환되어, 덧셈 연산으로 상기 내적 연산을 수행하는,뉴럴 렌더링 모델을 위한 하드웨어 가속기
|
| 2 |
2
제1항에 있어서,상기 렌더링 이미지를 구성하는 각 복셀은, -1, 0, 또는 1 중 어느 하나에 해당하도록 삼성분(ternary) 양자화된,뉴럴 렌더링 모델을 위한 하드웨어 가속기
|
| 3 |
3
제2항에 있어서,상기 제3 노드는 상기 제1 복셀의 입력 값이 -1 인 경우 복셀 상수의 부호를 변경하도록 하는,뉴럴 렌더링 모델을 위한 하드웨어 가속기
|
| 4 |
4
제2항에 있어서,상기 렌더링 이미지를 구성하는 각 복셀은 r값(단, 0003c#r003c#1)으로 양자화하는 경우를 더 포함하도록 하고-상기 r값은 상기 뉴럴 렌더링 모델의 학습 과정에서 결정된 비율 값(ratio)에 해당함-,상기 제3 노드는 상기 제1 복셀의 입력 값이 r 값인 경우, 입력 값에 r을 곱하도록 하는,뉴럴 렌더링 모델을 위한 하드웨어 가속기
|
| 5 |
5
제4항에 있어서,상기 제3 노드는 상기 제로가 아닌 하나 이상의 입력 값의 개수만큼 곱셈기를 포함하는,뉴럴 렌더링 모델을 위한 하드웨어 가속기
|
| 6 |
6
삭제
|
| 7 |
7
제1항에 있어서,상기 제1 복셀에 대한 내적 연산은 상기 렌더링 이미지를 생성하는 동안 수행되도록 하는,뉴럴 렌더링 모델을 위한 하드웨어 가속기
|
| 8 |
8
삭제
|
| 9 |
9
논-제로(non-zero) 검출 노드 및 하나 이상의 덧셈기를 포함하는 하드웨어 가속기;메모리;통신 인터페이스; 및상기 하드웨어 가속기, 상기 메모리, 및 상기 통신 인터페이스와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는 상기 통신 인터페이스를 통해 수신한 뉴럴 렌더링 모델을 상기 메모리에 저장하고, 및상기 적어도 하나의 프로세서는 제1 이미지를 렌더링 하기 위해, 상기 제1 이미지를 구성하는 각 복셀에 해당하는 값을 계산하는 적어도 하나의 내적 연산을 상기 하드웨어 가속기에서 수행하도록 하며,상기 제1 이미지에 포함된 각 복셀에 대한 내적 연산을 수행하는 동안, 상기 논-제로 검출 노드는 각 복셀을 분해한 복수 개의 입력을 수신하여 상기 복수개의 입력 중 제로가 아닌 하나 이상의 입력 값만 출력하고, 상기 덧셈기는 상기 논-제로 검출 노드의 출력과 상기 복수 개의 입력에 대응하는 복수 개의 복셀 상수들을 누적 덧셈하도록 하며,상기 복수 개의 복셀 상수들은 상기 복셀에 대응하여 상기 뉴럴 렌더링 모델의 학습이 완료된 시점에 상수값으로 결정되며,상기 학습 이후 변수가 상수값으로 결정된 경우, 상기 뉴럴 렌더링 모델에서 동일한 행렬 내적 연산에 대해 실질적으로 상수값들의 곱셈이 덧셈으로 치환되어, 덧셈 연산으로 상기 내적 연산을 수행하는,전자 장치
|
| 10 |
10
삭제
|
| 11 |
11
제9항에 있어서,상기 제1 이미지를 구성하는 각 복셀은 -1, 0, 또는 1 중 어느 하나에 해당하도록 삼성분(ternary) 양자화된,전자 장치
|
| 12 |
12
제11항에 있어서,상기 하드웨어 가속기는, 상기 논-제로 검출 노드의 출력에 따라 각 복셀의 입력 값이 -1 인 경우 복셀 상수의 부호를 변경하여 덧셈기로 전달하도록 하는,전자 장치
|
| 13 |
13
제11항에 있어서,상기 제1 이미지를 구성하는 각 복셀은 r값(단, 0003c#r003c#1)으로 양자화하는 경우를 더 포함하도록 하고-상기 r값은 상기 뉴럴 렌더링 모델의 학습 과정에서 결정된 비율 값(ratio)에 해당함-,상기 하드웨어 가속기는, 상기 각 복셀의 입력 값이 r 값인 경우, 입력 값에 r을 곱하도록 하는 곱셈기를 더 포함하도록 하는,전자 장치
|
| 14 |
14
복수 개의 학습 이미지 데이터를 이용하여 뉴럴 렌더링 모델을 학습하는 학습 프로세서;상기 뉴럴 렌더링 모델에 기반하여, 렌더링 이미지를 생성하는 렌더링 프로세서; 및상기 렌더링 이미지를 표시하는 디스플레이 장치를 포함하고,상기 학습 프로세서는 제1 학습 이미지 데이터의 제1 복셀에 대한 값을 학습하는 동안, 복수 개의 곱셈기를 이용하여 상기 제1 복셀에 대한 내적 연산을 수행하도록 하고,상기 렌더링 프로세서는, 렌더링 이미지의 제2 복셀에 대한 값을 생성하는 동안 상기 제1 복셀에 대한 내적 연산에 대응하는 내적 연산을 복수 개의 덧셈기를 이용하여 수행하도록 하고,상기 렌더링 프로세서는, 상기 학습 프로세서로부터 수신한 상기 뉴럴 렌더링 모델의 복수 개의 복셀 상수값들 중 상기 내적 연산에 포함된 변수에 매칭되는 복셀 상수 값을 식별하여, 상기 내적 연산에 대한 곱셈 연산을 덧셈 연산으로 치환하도록 하여, 상기 뉴럴 렌더링 모델이 덧셈 연산으로 상기 내적 연산을 수행하게 하는,뉴럴 네트워크 시스템
|
| 15 |
15
제14항에 있어서,상기 내적 연산에 포함된 변수에 매칭되는 복셀 상수는 상기 학습 프로세서가 상기 뉴럴 렌더링 모델의 학습이 완료되는 것에 응답하여, 상수 값으로 결정하는,뉴럴 네트워크 시스템
|
