KR20230141303A - System for creating background data for artificial intelligent by forming environment in virtual space - Google Patents
System for creating background data for artificial intelligent by forming environment in virtual space Download PDFInfo
- Publication number
- KR20230141303A KR20230141303A KR1020220040686A KR20220040686A KR20230141303A KR 20230141303 A KR20230141303 A KR 20230141303A KR 1020220040686 A KR1020220040686 A KR 1020220040686A KR 20220040686 A KR20220040686 A KR 20220040686A KR 20230141303 A KR20230141303 A KR 20230141303A
- Authority
- KR
- South Korea
- Prior art keywords
- virtual space
- space
- information
- unit
- learning
- Prior art date
Links
- 230000007613 environmental effect Effects 0.000 claims abstract description 101
- 238000000034 method Methods 0.000 claims description 18
- 230000003321 amplification Effects 0.000 claims description 14
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000007786 learning performance Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/156—Mixing image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/30—Image reproducers
- H04N13/361—Reproducing mixed stereoscopic images; Reproducing mixed monoscopic and stereoscopic images, e.g. a stereoscopic image overlay window on a monoscopic image background
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Processing Or Creating Images (AREA)
Abstract
본 발명은 미리 설정된 가상의 공간에 제공되어 미리 설정된 가상의 공간을 구성하며, 미리 설정된 가상의 공간 상에 오브젝트를 세팅하는 스페이스 유닛; 미리 설정된 가상의 공간의3차원적 볼륨 공간을 형성하는 볼륨 셋팅 유닛; 세팅 유닛의 미리 설정된 가상의 공간 정보를 수신하여, 미리 설정된 가상의 공간 상에 오버래핑하며, 미리 설정된 가상의 공간의 환경적인 변화를 제공하는 컨디션 셋팅 유닛; 및 오브젝트로 형성되어, 미리 설정된 가상의 공간 상에 제공되며, 미리 설정된 가상의 공간과 공간의 환경적인 변화에 대한 노이즈를 인식하는 에센셜 유닛을 포함하는 기술적 사상을 개시한다. The present invention provides a space unit that is provided in a preset virtual space to configure the preset virtual space and sets an object on the preset virtual space; A volume setting unit that forms a three-dimensional volume space of a preset virtual space; a condition setting unit that receives preset virtual space information of the setting unit, overlaps it on the preset virtual space, and provides environmental changes to the preset virtual space; and an essential unit formed as an object, provided in a preset virtual space, and recognizing noise about the preset virtual space and environmental changes in the space.
Description
본 발명은 자율 주행을 위하여 자동차 딥 러닝을 위한 합성 데이터를 생성하는 것에 대한 것으로, 보다 자세하게는, 미리 설정된 가상의 공간을 구성하고 가상의 3차원 볼륨 공간을 형성하고 공간 상의 환경적 변화를 제공하여 합성 데이터 내에서 오브젝트가 가상의 공간의 환경적 변화를 인식하도록 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템에 관한 기술분야이다.The present invention relates to generating synthetic data for automotive deep learning for autonomous driving. More specifically, the present invention relates to generating synthetic data for automotive deep learning by configuring a preset virtual space, forming a virtual three-dimensional volume space, and providing environmental changes in the space. This is a technical field related to a background data generation system for AI learning that provides selective environmental noise in virtual space, allowing objects within synthetic data to recognize environmental changes in virtual space.
4차 산업혁명과 함께 인공지능을 포함한 디지털 신기술에 쏠렸던 전 세계적 관심은 포스트 코로나 시대와 맞물려 더욱 증폭되고 있다. 실제로 인공지능 시장 규모는 가파르게 성장하고 있다. IDC에서는 2021년 전 세계 인공지능 시장 규모를 전년 대비 16.4% 성장한 3천 275억 달러로 전망하였고, 2024년까지 5천 543억 달러에 이를 것이라는 예측을 발표했다. PwC는 인공지능이 글로벌 경제에 미치는 경제적 가치가 2030년 15조 7,000억 달러에 달할 것으로 추산하며 오늘날 가장 큰 시장 기회를 창출할 것이라고 기대했다.With the Fourth Industrial Revolution, global interest in new digital technologies, including artificial intelligence, is growing further in line with the post-corona era. In fact, the size of the artificial intelligence market is growing rapidly. IDC predicted the global artificial intelligence market size to be $327.5 billion in 2021, up 16.4% from the previous year, and announced a forecast that it would reach $554.3 billion by 2024. PwC estimates that the economic value of artificial intelligence to the global economy will reach $15.7 trillion by 2030, and that it will create the largest market opportunity today.
2020년대에 들어오면서 인공지능이 기술 흐름의 중요한 역할을 하고 있지만, 현실에서 직면하고 있는 문제는 학습데이터에 해당한다. Entering the 2020s, artificial intelligence is playing an important role in the technological flow, but the problem we face in reality is learning data.
뛰어난 알고리즘이더라도 양질의 데이터 없이는 학습이 불가능하기 때문이다. 인공지능 학습을 통한 서비스, 기술의 고도화를 위해서는 수많은 양질의 데이터가 뒷받침돼야 한다. 이러한 양질의 데이터는 향후 스마트시티를 비롯해 자율주행, 스마트팩토리, 스마트 안정 등 다양한 서비스모델의 기반이 될 전망이다. Even if it is an excellent algorithm, learning is impossible without high-quality data. In order to advance services and technologies through artificial intelligence learning, numerous high-quality data must be supported. Such high-quality data is expected to become the basis for various service models such as smart cities, autonomous driving, smart factories, and smart stability in the future.
이와 관련된 기술을 발전을 위하여서는 인공지능 및 머신러닝 응용을 위하여 대규모의 큐레이팅된 데이터셋이 필요하며, 전 세계적으로도 이러한 데이터셋을 수집하기 위하여 인공지능 학습데이터 구축을 위한 많은 예산과 투자가 이루어지고 있다. In order to develop related technologies, large-scale curated datasets are needed for artificial intelligence and machine learning applications, and large budgets and investments have been made around the world to collect these datasets and build artificial intelligence learning data. I'm losing.
실제 데이터의 수집/레이블링 작업에 어려운 문제를 해결하기 위한 방법 중 하나는 합성데이터를 생성하는 방법이며, 합성데이터를 생성하는 방법에 대한 기술의 발전도 이루어지고 있다. One of the ways to solve difficult problems in collecting/labeling real data is to generate synthetic data, and technology for generating synthetic data is also being developed.
합성데이터를 생성하는 방법에 대한 선행 특허문헌으로서, "머신 러닝의 학습성능 강화장치 및 방법(공개번호 제10-2019-0054782호, 이하 특허문헌1이라 한다. )"이 존재한다. As a prior patent document on a method for generating synthetic data, there is “Machine Learning Learning Performance Enhancement Apparatus and Method (Publication No. 10-2019-0054782, hereinafter referred to as Patent Document 1).”
특허문헌1의 경우, 이미지 합성을 통해 다양하고 강건한 학습 이미지를 생성하여 머신 러닝(machine learning)의 학습 성능을 향상, 강화시킬 수 있는 머신 러닝의 학습성능 강화장치 및 방법에 관한 것으로, 적어도 하나의 무기 객체가 포함된 3D CAD 모델의 학습 데이터를 출력하는 학습 데이터 모듈; 학습 데이터에 포함된 3D 무기 객체의 유형에 기초하여 각도, 원근 및 방향이 상이한 복수의 2D 무기 객체 이미지를 생성하고, 생성된 복수의 2D 무기 객체 이미지와 하나 이상의 배경 이미지 및 디지털 노이즈를 합성하여 학습 이미지를 생성하는 학습 성능 강화 모듈; 및 생성된 학습 이미지를 신경망 모델부 및 신경망 연산 프레임워크에서 제공된 신경망 모델 및 신경망 연산에 따라 패턴 학습 및 무기 객체의 인식하는 머신 러닝을 수행하는 고속 클러스터 컴퓨팅 모듈을 포함할 수 있다.In the case of Patent Document 1, it relates to an apparatus and method for enhancing the learning performance of machine learning that can improve and strengthen the learning performance of machine learning by generating diverse and robust learning images through image synthesis, and includes at least one A learning data module that outputs training data of a 3D CAD model containing weapon objects; Based on the type of 3D weapon object included in the learning data, multiple 2D weapon object images with different angles, perspectives, and directions are generated, and learning is performed by combining the multiple generated 2D weapon object images with one or more background images and digital noise. a learning performance enhancement module that generates images; And it may include a high-speed cluster computing module that performs machine learning for pattern learning and recognition of weapon objects on the generated learning image according to the neural network model and neural network operation provided by the neural network model unit and the neural network operation framework.
또 다른 특허문헌으로는 "게임 엔진 기반의 머신 러닝 학습이미지 생성 장치 및 방법(등록번호 제10-1947650호, 이하 특허문헌2라 한다. )"이 존재한다. Another patent document is “Game engine-based machine learning learning image generation device and method (Registration No. 10-1947650, hereinafter referred to as Patent Document 2).”
특허문헌 2의 경우, 다양한 게임 관련 이미지를 생성하여 머신 러닝 프로세스의 학습 성능을 강화할 수 있는 게임 엔진 기반의 머신 러닝 학습이미지 생성 장치 및 방법에 관한 것으로, 적어도 하나의 게임 객체가 포함된 CAD 기반의 학습 데이터를 출력하는 학습 데이터 모듈; 및 CAD 기반의 학습 데이터를 신경망 모델부 및 신경망 연산 프레임워크에서 제공된 신경망 모델 및 신경망 연산에 따라 패턴 학습 및 게임 객체의 인식하는 머신 러닝을 수행하는 고속 클러스터 컴퓨팅 모듈; 및 학습 데이터 모듈와 고속 클러스터 컴퓨팅 모듈사이에 구비되어, CAD 기반의 학습 데이터에 포함된 복수의 3D CAD 모델을 검출하여, 검출된 복수의 3D CAD 모델에 환경 모사 이미지와 데이터 증강 이미지를 합성하여 머신 러닝에 사용될 복수의 2D 학습 이미지를 생성하는 게임 엔진 적용모듈을 포함할 수 있다.In the case of Patent Document 2, it relates to a game engine-based machine learning learning image generation device and method that can enhance the learning performance of the machine learning process by generating various game-related images, and is a CAD-based device containing at least one game object. A learning data module that outputs learning data; and a high-speed cluster computing module that performs machine learning to learn patterns and recognize game objects using CAD-based learning data according to the neural network model and neural network operation provided by the neural network model unit and neural network operation framework; And it is provided between the learning data module and the high-speed cluster computing module, detects a plurality of 3D CAD models included in the CAD-based learning data, and synthesizes the environment simulation image and data augmented image with the detected plurality of 3D CAD models for machine learning. It may include a game engine application module that generates a plurality of 2D learning images to be used.
영상인식을 위한 자동 학습 방법에 대한 특허문헌으로서, "자동학습 관리장치 및 방법(공개번호 제10-2020-0064044호, 이하 특허문헌3이라 한다. )"이 존재한다. As a patent document on an automatic learning method for image recognition, there is "Automatic Learning Management Device and Method (Publication No. 10-2020-0064044, hereinafter referred to as Patent Document 3.)".
특허문헌 3의 경우, 사용자 단말기로부터의 학습명령에 따라 영상인식(image recognition)을 위한 학습모델(learning model)의 학습 요청신호를 학습서버(learning server)로 요청하고, 학습서버로부터 학습 요청신호에 대응한 학습결과를 입력받고, 입력된 학습결과를 등록하고, 학습된 학습모델에 대한 평가를 빌드서버(build server)에 요청하고, 빌드서버로부터 평가결과를 제공받는 평가 요청하고, 평가결과를 등록하여 평가결과에 따라 부족한 데이터에 대한 선별요청신호 및 합성영상(composite image) 생성신호를 출력하여 학습모델의 학습이 반복적으로 수행되도록 동작하는 학습수단을 포함하는 것을 특징으로 한다.In the case of Patent Document 3, a learning request signal for a learning model for image recognition is requested from the learning server according to a learning command from the user terminal, and a learning request signal is received from the learning server. Receive the corresponding learning results, register the input learning results, request evaluation of the learned learning model from the build server, request evaluation to receive evaluation results from the build server, and register the evaluation results. Accordingly, it is characterized by including a learning means that operates to repeatedly perform learning of the learning model by outputting a selection request signal and a composite image generation signal for insufficient data according to the evaluation results.
특허문헌 3의 경우, 일반적인 합성 영상을 반복적으로 수행하도록 하는 것으로 출력된 합성 데이터는 환경의 다양성, 변동성, 균일성에 대한 데이터를 생성하는 내용에 대하여 언급하지 않고 있으며, 특허문헌 1 내지 2의 경우, 차량 기반의 합성 데이터 생성을 목적으로 하지 않기에 차량 모델에 대한 실시간 인식 및 범죄 예방, 추적을 목적으로 하는 합성 데이터의 생성에 대한 내용이 부족하다.In the case of Patent Document 3, the synthesized data output by repeatedly performing a general composite image does not mention the content of generating data on the diversity, variability, and uniformity of the environment, and in the case of Patent Documents 1 and 2, Since it is not intended to generate vehicle-based synthetic data, there is a lack of information on the creation of synthetic data for the purpose of real-time recognition of vehicle models and crime prevention and tracking.
또한, 특허문헌들의 경우, 환경 노이즈를 통하여 다양한 환경을 구현하여 합성 데이터를 생성하는 것에 대하여 단순한 기술적 시도에만 그치고 있어, 환경 노이즈를 통하여 다양한 환경 및 물리적 환경을 제시하여 합성 데이터의 다양한 변수를 확보하고 고품질의 데이터를 보장하지 못하는 제한적 기술에 불과하였다. In addition, in the case of patent documents, they are limited to simple technical attempts to generate synthetic data by implementing various environments through environmental noise, and secure various variables of synthetic data by presenting various environments and physical environments through environmental noise. It was only a limited technology that did not guarantee high quality data.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템은 상기한 바와 같은 종래 문제점을 해결하기 위해 안출된 것으로서, 다음과 같은 해결하고자 하는 과제를 제시한다.The background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention was designed to solve the conventional problems described above, and presents the following problems to be solved.
첫째, 차량 3D 모델과 배경 이미지를 자동 합성하여 고품질의 방대한 차량기반 합성 데이터를 생성한다. First, it automatically synthesizes vehicle 3D models and background images to generate high-quality, massive vehicle-based synthetic data.
둘째, 학습용 데이터 획득의 어려움 및 학습 데이터의 부족 문제를 해결하고자 한다. Second, we aim to solve the problem of difficulty in acquiring training data and lack of training data.
셋째, 학습 데이터에 대한 과적합 문제를 방지하며, 학습 데이터 양의 부족으로 발생하는 범주의 불균형을 해결하고자 한다. Third, we aim to prevent overfitting problems with training data and resolve category imbalances caused by insufficient training data.
넷째, 기존 데이터와 유사한 성질을 가지는 합성 데이터를 인위적으로 생성하여 추가 학습 데이터로 활용하도록 한다. Fourth, synthetic data with similar properties to existing data is artificially created and used as additional learning data.
본 발명의 해결 과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to those mentioned above, and other problems not mentioned will be clearly understood by those skilled in the art from the description below.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템은 상기의 해결하고자 하는 과제를 위하여 다음과 같은 과제 해결 수단을 가진다.The background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention has the following means for solving the problems described above.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템은 미리 설정된 가상의 공간에 제공되어 상기 미리 설정된 가상의 공간을 구성하며, 상기 미리 설정된 가상의 공간 상에 오브젝트를 세팅하는 스페이스 유닛(space unit); 상기 스페이스 셋팅 유닛의 상기 미리 설정된 가상의 공간의3차원적 볼륨 공간을 형성하는 볼륨 셋팅 유닛(volume setting unit); 상기 볼륨 세팅 유닛의 상기 미리 설정된 가상의 공간 정보를 수신하여, 상기 미리 설정된 가상의 공간 상에 오버래핑하며, 상기 미리 설정된 가상의 공간의 환경적인 변화를 제공하는 컨디션 셋팅 유닛(condition setting unit); 및 오브젝트로 형성되어, 상기 미리 설정된 가상의 공간 상에 제공되며, 상기 미리 설정된 가상의 공간과 상기 공간의 환경적인 변화에 대한 노이즈를 인식하는 에센셜 유닛(essential unit)을 포함하는 것을 특징으로 할 수 있다. The background data generation system for AI learning that provides selective environmental noise in a virtual space according to the present invention is provided in a preset virtual space to configure the preset virtual space, and creates an object in the preset virtual space. Setting space unit (space unit); a volume setting unit forming a three-dimensional volume space of the preset virtual space of the space setting unit; a condition setting unit that receives the preset virtual space information of the volume setting unit, overlaps it on the preset virtual space, and provides environmental changes to the preset virtual space; and an essential unit formed as an object, provided in the preset virtual space, and recognizing noise related to the preset virtual space and environmental changes in the space. there is.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 스페이스 유닛은, 상기 미리 설정된 가상 공간에 대한 백그라운드 데이터를 형성하는 백그라운드 데이터 생성부; 및 상기 미리 설정된 가상 공간에 상기 백그라운드 데이터를 제공하여 상기 미리 설정된 가상 공간이 목적하는 스페이스 공간으로 형성되도록 하는 스페이스 형성부를 포함하는 것을 특징으로 할 수 있다. The space unit of the background data generation system for AI learning that provides selective environmental noise in a virtual space according to the present invention includes a background data generator that forms background data for the preset virtual space; and a space forming unit that provides the background data to the preset virtual space so that the preset virtual space is formed into a target space.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 볼륨 셋팅 유닛은, 상기 스페이스 유닛으로부터 상기 백그라운드 데이터를 제공받는 스페이스 공간 수신부; 소정의 색감, 소정의 질감, 소정의 광원 중 적어도 하나에 대한 볼륨 데이터를 생성하는 볼륨 데이터 생성부; 및 상기 스페이스 공간 수신부에서 수신받은 상기 백그라운드 데이터에 상기 소정의 색감, 상기 소정의 질감, 상기 소정의 광원 중 적어도 하나에 대한 상기 볼륨 데이터를 제공하는 데이터 오버래핑부를 포함하는 것을 특징으로 할 수 있다. The volume setting unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention includes a space space receiver that receives the background data from the space unit; a volume data generator that generates volume data for at least one of a predetermined color, a predetermined texture, and a predetermined light source; and a data overlapping unit that provides the volume data for at least one of the predetermined color, the predetermined texture, and the predetermined light source to the background data received from the space space receiver.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 컨디션 셋팅 유닛은, 상기 데이터 오버래핑부를 통해 상기 볼륨 데이터가 오버래핑된 상기 미리 설정된 가상의 공간을 수신받는 볼륨 스페이스 수신부; 및 임의의 환경에 대한 노이즈 정보를 제공하여 랜덤 데이터를 형성하는 환경 노이즈 생성부를 포함하는 것을 특징으로 할 수 있다. The condition setting unit of the background data generation system for AI learning that provides selective environmental noise in a virtual space according to the present invention is a volume space that receives the preset virtual space overlapping the volume data through the data overlapping unit. receiving unit; and an environmental noise generator that provides noise information about an arbitrary environment to form random data.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 컨디션 셋팅 유닛은, 상기 볼륨 스페이스 수신부로부터 수신받은 상기 미리 설정된 가상의 공간 상에 상기 환경 노이즈 생성부를 통해 생성된 상기 임의의 환경에 대한 노이즈 정보를 오버래핑하여 상기 오브젝트에게 제공하는 노이즈 형성부를 더 포함하는 것을 특징으로 할 수 있다. The condition setting unit of the background data generation system for AI learning that provides selective environmental noise in a virtual space according to the present invention is generated through the environmental noise generator in the preset virtual space received from the volume space receiver. It may further include a noise forming unit that overlaps noise information about the arbitrary environment and provides it to the object.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 컨디션 셋팅 유닛은, 상기 노이즈 정보에 의하여 상기 미리 설정된 가상의 공간 상에 선택적인 물리적 변화가 제공되는 것을 특징으로 할 수 있다. The condition setting unit of the background data generation system for AI learning that provides selective environmental noise in a virtual space according to the present invention is characterized in that selective physical changes are provided in the preset virtual space by the noise information. You can do this.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 컨디션 셋팅 유닛은, 상기 미리 설정된 공간 상에 제공되는 상기 노이즈 정보가 눈 또는 비에 해당하는 경우, 상기 미리 설정된 가상의 공간 상에서의 노면에 대한 미끄러움 정도가 선택적으로 설정되며 상기 미리 설정된 가상의 공간 상에서의 상기 오브젝트에게 물리적 변화 요소를 제공하는 것을 특징으로 할 수 있다. The condition setting unit of the background data generation system for AI learning that provides selective environmental noise in a virtual space according to the present invention, if the noise information provided in the preset space corresponds to snow or rain, the condition setting unit The degree of slipperiness of the road surface in the set virtual space may be selectively set and a physical change element may be provided to the object in the preset virtual space.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 컨디션 셋팅 유닛은, 상기 미리 설정된 공간 상에 제공되는 상기 노이즈 정보가 바람에 해당하는 경우, 상기 미리 설정된 가상의 공간 상에서의 상기 오브젝트에 제공되는 공기 저항이 선택적으로 설정되어 상기 미리 설정된 가상의 공간 상에서의 상기 오브젝트의 물리적 변화 요소를 제공하는 것을 특징으로 할 수 있다. The condition setting unit of the background data generation system for AI learning that provides selective environmental noise in a virtual space according to the present invention is, when the noise information provided in the preset space corresponds to wind, the preset virtual space. The air resistance provided to the object in the space may be selectively set to provide a physical change element of the object in the preset virtual space.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 에센셜 유닛은, 상기 오브젝트를 인식하여, 상기 오브젝트의 부위 정보를 분석하고 추출하는 정보 추출부; 상기 오브젝트의 부위 정보를 수신하여, 미리 결정된 특정 부위 정보를 확대 및 증폭하는 정보 증폭부; 및 상기 미리 결정된 특정 부위 정보를 미리 저장된 정보와의 매칭을 통해 상기 오브젝트를 확인하는 정보 확인부를 포함하는 것을 특징으로 할 수 있다. The essential unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention includes an information extraction unit that recognizes the object, analyzes and extracts information on the part of the object; an information amplification unit that receives information on a part of the object and enlarges and amplifies information on a predetermined specific part; and an information confirmation unit that confirms the object by matching the predetermined specific part information with pre-stored information.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 상기 정보 확인부는, 상기 오브젝트의 부위 정보 중 적어도 하나 이상을 특정 부위 정보로 결정하고, 결정된 특정 부위 정보에 대한 패턴을 분석하여 상기 오브젝트에 대한 크기와 움직임을 예측하는 것을 특징으로 할 수 있다. The information confirmation unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention determines at least one of the part information of the object as specific part information, and determines the specific part information for the determined specific part information. It may be characterized by predicting the size and movement of the object by analyzing patterns.
이상과 같은 구성의 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템은 다음과 같은 효과를 제공한다.The background data generation system for AI learning that provides selective environmental noise in a virtual space according to the present invention configured as described above provides the following effects.
첫째, 비주얼 효과를 통하여 다양한 환경에 대한 합성 데이터를 생성하여 제공하고자 한다. First, we aim to generate and provide synthetic data for various environments through visual effects.
둘째, 정확한 데이터 생성과 데이터셋의 범주를 정하는 기준선을 보여주어 데이터를 생성할 수 있도록 한다. Second, it shows the baseline for accurate data creation and categorization of the dataset, allowing data to be created.
셋째, 추가적인 학습 데이터에 대한 다양한 변수를 제공하여 방대한 데이터 확보 및 다양한 환경에 대한 학습 데이터를 제공하고자 한다. Third, we aim to secure a large amount of data and provide learning data for various environments by providing various variables for additional learning data.
본 발명의 효과는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to those mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description below.
도 1은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 각 구성을 통해 오브젝트와 배경 데이터가 형성된 것을 도시한 개념도이다.
도 2는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 각 유닛을 도시한 블록도이다.
도 3은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 스페이스 유닛을 통하여 미리 설정된 가상의 공간이 구성되는 것을 단계적으로 도시한 것이다.
도 4는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 환경 노이즈 생성부를 통하여 노이즈가 생성되고, 노이즈 형성부를 통하여 백그라운드 데이터에 노이즈가 제공되는 것을 도시한 것이다.
도 5는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 환경 노이즈 생성부를 통하여 환경 노이즈가 비로 제공되는 경우, 노이즈 형성부를 통해 오브젝트에 물리적 변화가 제공되는 것을 도시한 개념도이다.
도 6은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 환경 노이즈 생성부를 통하여 환경 노이즈가 바람으로 제공되는 경우, 노이즈 형성부를 통해 오브젝트에 물리적 변화가 제공되는 것을 도시한 개념도이다.
도 7은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 정보 추출부를 통해 오브젝트의 정보가 추출되는 것을 도시한 것이다.
도 8은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 정보 증폭부를 통해 오브젝트의 미리 결정된 특정 부위 정보가 확대 및 증폭되고 특정 부위 정보 중 헤드라이트에 대한 패턴을 파악하는 것을 도시한 것이다.
도 9는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 정보 증폭부를 통해 오브젝트의 미리 결정된 특정 부위 정보가 확대 및 증폭되고 특정 부위 정보 중 오브젝트의 쉐잎(shape)에 대한 패턴을 파악하는 것을 도시한 것이다.
도 10은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 스페이스 유닛의 하위구성을 도시한 블록도이다.
도 11은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 볼륨 셋팅 유닛의 하위구성을 도시한 블록도이다.
도 12는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 컨디션 셋팅 유닛의 하위구성을 도시한 블록도이다.
도 13은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 에센셜 유닛의 하위구성을 도시한 블록도이다. Figure 1 is a conceptual diagram showing the formation of objects and background data through each configuration of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention.
Figure 2 is a block diagram showing each unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention.
Figure 3 shows step by step how a preset virtual space is constructed through the space unit of the background data generation system for AI learning that provides selective environmental noise in the virtual space according to the present invention.
Figure 4 shows that noise is generated through the environmental noise generator of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, and noise is provided to the background data through the noise generator. .
Figure 5 shows that when environmental noise is provided as a ratio through the environmental noise generator of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, a physical change is provided to the object through the noise generator. This is a conceptual diagram.
Figure 6 shows that when environmental noise is provided as wind through the environmental noise generator of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, a physical change is provided to the object through the noise generator. This is a conceptual diagram showing this.
Figure 7 shows object information being extracted through the information extraction unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention.
Figure 8 shows that information on a predetermined specific part of an object is enlarged and amplified through the information amplification unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, and a pattern for headlights among the specific part information is shown. It shows how to understand.
Figure 9 shows that information on a predetermined specific part of an object is enlarged and amplified through the information amplification unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, and the shape of the object among the specific part information is shown. ) shows identifying the pattern.
Figure 10 is a block diagram showing the sub-configuration of the space unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention.
Figure 11 is a block diagram showing the sub-configuration of the volume setting unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention.
Figure 12 is a block diagram showing the sub-configuration of the condition setting unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention.
Figure 13 is a block diagram showing the sub-configuration of the essential unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention.
본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 기술적 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. The background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention can make various changes and have several embodiments. Specific embodiments are illustrated in the drawings and detailed in the detailed description. I would like to explain it clearly. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all changes, equivalents, and substitutes included in the technical spirit and scope of the present invention.
도 1은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 각 구성을 통해 오브젝트와 배경 데이터가 형성된 것을 도시한 개념도이다. 도 2는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 각 유닛을 도시한 블록도이다. 도 3은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 스페이스 유닛을 통하여 미리 설정된 가상의 공간이 구성되는 것을 단계적으로 도시한 것이다. 도 4는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 환경 노이즈 생성부를 통하여 노이즈가 생성되고, 노이즈 형성부를 통하여 백그라운드 데이터에 노이즈가 제공되는 것을 도시한 것이다. Figure 1 is a conceptual diagram showing the formation of objects and background data through each configuration of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention. Figure 2 is a block diagram showing each unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention. Figure 3 shows step by step how a preset virtual space is constructed through the space unit of the background data generation system for AI learning that provides selective environmental noise in the virtual space according to the present invention. Figure 4 shows that noise is generated through the environmental noise generator of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, and noise is provided to the background data through the noise generator. .
도 5는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 환경 노이즈 생성부를 통하여 환경 노이즈가 비로 제공되는 경우, 노이즈 형성부를 통해 오브젝트에 물리적 변화가 제공되는 것을 도시한 개념도이다. 도 6은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 환경 노이즈 생성부를 통하여 환경 노이즈가 바람으로 제공되는 경우, 노이즈 형성부를 통해 오브젝트에 물리적 변화가 제공되는 것을 도시한 개념도이다. 도 7은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 정보 추출부를 통해 오브젝트의 정보가 추출되는 것을 도시한 것이다. 도 8은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 정보 증폭부를 통해 오브젝트의 미리 결정된 특정 부위 정보가 확대 및 증폭되고 특정 부위 정보 중 헤드라이트에 대한 패턴을 파악하는 것을 도시한 것이다. 도 9는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 정보 증폭부를 통해 오브젝트의 미리 결정된 특정 부위 정보가 확대 및 증폭되고 특정 부위 정보 중 오브젝트의 쉐잎(shape)에 대한 패턴을 파악하는 것을 도시한 것이다. 도 10은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 스페이스 유닛의 하위구성을 도시한 블록도이다. 도 11은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 볼륨 셋팅 유닛의 하위구성을 도시한 블록도이다. 도 12는 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 컨디션 셋팅 유닛의 하위구성을 도시한 블록도이다. 도 13은 본 발명에 따른 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 에센셜 유닛의 하위구성을 도시한 블록도이다. Figure 5 shows that when environmental noise is provided as a ratio through the environmental noise generator of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, a physical change is provided to the object through the noise generator. This is a conceptual diagram. Figure 6 shows that when environmental noise is provided as wind through the environmental noise generator of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, a physical change is provided to the object through the noise generator. This is a conceptual diagram showing this. Figure 7 shows object information being extracted through the information extraction unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention. Figure 8 shows that information on a predetermined specific part of an object is enlarged and amplified through the information amplification unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, and a pattern for headlights among the specific part information is shown. It shows how to understand. Figure 9 shows that information on a predetermined specific part of an object is enlarged and amplified through the information amplification unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention, and the shape of the object among the specific part information is shown. ) shows identifying the pattern. Figure 10 is a block diagram showing the sub-configuration of the space unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention. Figure 11 is a block diagram showing the sub-configuration of the volume setting unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention. Figure 12 is a block diagram showing the sub-configuration of the condition setting unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention. Figure 13 is a block diagram showing the sub-configuration of the essential unit of the background data generation system for AI learning that provides selective environmental noise in virtual space according to the present invention.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템은 스페이스 유닛(space unit, 100), 볼륨 셋팅 유닛(volume setting unit, 200), 컨디션 셋팅 유닛(condition setting unit, 300), 에센셜 유닛(essential unit, 400)을 포함한다. The background data generation system for AI learning that provides selective environmental noise in virtual space includes a space unit (100), a volume setting unit (200), a condition setting unit (300), and essential Contains essential units (400).
먼저, 스페이스 유닛(100) 미리 설정된 가상의 공간에 제공되어 미리 설정된 가상의 공간을 구성하며, 미리 설정된 가상의 공간 상에 오브젝트(1)를 세팅한다. First, the space unit 100 is provided in a preset virtual space to configure the preset virtual space, and the object 1 is set on the preset virtual space.
스페이스 유닛(100)의 경우, 가상의 공간에 3차원(3D)의 공간을 형성할 수 있다. In the case of the space unit 100, a three-dimensional (3D) space can be formed in a virtual space.
스페이스 유닛(100)은 미리 설정된 가상의 공간에 대한 백그라운드 데이터를 형성할 수 있다. The space unit 100 can form background data about a preset virtual space.
볼륨 셋팅 유닛(200)은, 스페이스 셋팅 유닛(100)의 미리 설정된 가상의 공간의 3차원적 볼륨 공간을 형성한다. The volume setting unit 200 forms a three-dimensional volume space of the preset virtual space of the space setting unit 100.
볼륨 셋팅 유닛(200)은 미리 설정된 가상의 공간이 3D 가상의 공간으로 형성되어 제공되도록 하며, 3D의 가상의 공간은 3차원의 공간과 방향을 제공하게 된다. The volume setting unit 200 allows a preset virtual space to be provided as a 3D virtual space, and the 3D virtual space provides a three-dimensional space and direction.
컨디션 셋팅 유닛(300)은 볼륨 세팅 유닛(200)의 미리 설정된 가상의 공간 정보를 수신하여, 미리 설정된 가상의 공간 상에 오버래핑하며, 미리 설정된 가상의 공간의 환경적인 변화를 제공한다. The condition setting unit 300 receives the preset virtual space information of the volume setting unit 200, overlaps it on the preset virtual space, and provides environmental changes to the preset virtual space.
컨디션 셋팅 유닛(300)은 스페이스 유닛(100)에서 형성한 가상 공간 상에 오버래핑하여 가상 공간 내에 환경적 변화에 대한 선택적인 변수를 제공할 수 있다. The condition setting unit 300 may overlap on the virtual space formed by the space unit 100 to provide optional variables for environmental changes within the virtual space.
컨디션 셋팅 유닛(300)은 미리 설정된 가상의 공간 상에 실제 물리적 환경 변화와 유사한 물리적인 환경 변화를 제공할 수 있다. The condition setting unit 300 may provide a physical environment change similar to an actual physical environment change in a preset virtual space.
에센셜 유닛(400)은 오브젝트(1)로 형성되어, 미리 설정된 가상의 공간 상에 제공되며, 미리 설정된 가상의 공간과 공간의 환경적인 변화에 대한 노이즈를 인식한다. The essential unit 400 is formed as an object 1, is provided in a preset virtual space, and recognizes noise caused by the preset virtual space and environmental changes in the space.
도 1에 도시된 바와 같이, 에센셜 유닛(400)은 스페이스 유닛(100)과 볼륨 셋팅 유닛(200), 컨디션 셋팅 유닛(300)이 제공하는 미리 설정된 가상의 공간과 공간 상에 제공되는 환경 변화를 인식함으로 다양한 조건과 환경을 제공받을 수 있다. As shown in FIG. 1, the essential unit 400 monitors the preset virtual space provided by the space unit 100, the volume setting unit 200, and the condition setting unit 300, as well as environmental changes provided in the space. By being aware of it, you can be provided with various conditions and environments.
또한, 에센셜 유닛(400)의 오브젝트(1)는 미리 설정된 가상의 공간 상에서 제공되는 3차원적인 각도와 방향에 따라 다양한 각도와 방향으로 동작하고 이동하는 것이 가능하다. Additionally, the object 1 of the essential unit 400 can operate and move at various angles and directions according to the three-dimensional angle and direction provided in a preset virtual space.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 스페이스 유닛(100)은 데이터 생성부(110), 스페이스 형성부(120)를 포함할 수 있다. The space unit 100 of the background data generation system for AI learning that provides selective environmental noise in virtual space may include a data generation unit 110 and a space forming unit 120.
데이터 생성부(110)는 미리 설정된 가상 공간에 대한 백그라운드 데이터를 형성한다. The data generator 110 forms background data for a preset virtual space.
백그라운드 데이터(background data)는 물리적 환경이 구현되기 위한 배경적인 환경을 제공하는 데이터에 해당할 수 있다. Background data may correspond to data that provides a background environment for implementing a physical environment.
예컨대, 데이터 생성부(110)는 가상 공간에서 형성된 특정한 환경을 생성하는 것으로, 실제와 유사한 공간적, 시간적 공간(space)을 제공할 수 있는 것이다. For example, the data generator 110 creates a specific environment created in virtual space and can provide a spatial and temporal space similar to reality.
스페이스 형성부(120)는 미리 설정된 가상 공간에 백그라운드 데이터를 제공하여 미리 설정된 가상 공간이 목적하는 스페이스 공간으로 형성된다. The space forming unit 120 provides background data to a preset virtual space and forms the preset virtual space into a target space.
스페이스 형성부(120)는 미리 설정된 가상의 공간에 백그라운드 데이터를 입히는 과정을 통하여 미리 설정된 가상의 공간이 시각적 혹은 공간적으로 목적하는 스페이스 공간으로 형성되도록 한다. The space forming unit 120 forms the preset virtual space into a visually or spatially desired space through a process of adding background data to the preset virtual space.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 볼륨 셋팅 유닛(200)은, 스페이스 공간 수신부(210), 볼륨 데이터 생성부(220), 데이터 오버래핑(data overlapping)부(230)는 포함한다. The volume setting unit 200 of the background data generation system for AI learning that provides selective environmental noise in virtual space includes a space receiving unit 210, a volume data generating unit 220, and a data overlapping unit 230. ) includes.
스페이스 공간 수신부(210)는 스페이스 유닛(100)으로부터 백그라운드 데이터를 제공받는다. Space The space receiver 210 receives background data from the space unit 100.
백그라운드 데이터의 경우, 실제와 유사한 어떤 특정한 환경을 제공하는 것으로 공간적, 시간적으로 데이터를 제공하는 것이다. In the case of background data, it provides data spatially and temporally by providing a specific environment similar to reality.
볼륨 데이터 생성부(220)는 소정의 색감, 소정의 질감, 소정의 광원 중 적어도 하나에 대한 볼륨 데이터를 생성한다. The volume data generator 220 generates volume data for at least one of a predetermined color, a predetermined texture, and a predetermined light source.
볼륨 데이터 생성부(220)는 스페이스 유닛(100)에서 형성된 백그라운드 데이터 상에 소정의 색감, 소정의 질감, 소정의 광원에 대하여 제공함을 통하여 볼륨 데이터를 형성하는 것이다. The volume data generator 220 forms volume data by providing a predetermined color, a predetermined texture, and a predetermined light source on the background data formed in the space unit 100.
소정의 색감의 경우, 빛의 주파수의 차이에 따른 색상을 뜻하는 것으로 색상에 대하여 제공함을 통하여 그림자, 높낮이, 원근감에 대한 볼륨 데이터를 제공할 수 있다. In the case of a certain color, it refers to a color according to a difference in the frequency of light, and by providing color, volume data about shadow, height, and perspective can be provided.
소정의 질감(texture)의 경우, 물체의 표면의 종류와 물리적 재질감을 제공하는 것으로 물체의 표면의 부피, 무게, 촉각적 느낌에 대한 볼륨 데이터를 제공할 수 있다. In the case of a predetermined texture, volume data about the volume, weight, and tactile feel of the surface of the object can be provided by providing the type and physical texture of the surface of the object.
소정의 광원의 경우, 빛의 방향과 발광체로부터의 빛 에너지를 제공하는 것으로 광원을 통하여 낮, 밤, 날씨, 흐림 정도에 대한 볼륨 데이터를 제공할 수 있다. In the case of a predetermined light source, volume data on day, night, weather, and cloudiness can be provided through the light source by providing the direction of light and light energy from the emitter.
데이터 오버래핑부(230)는 스페이스 공간 수신부(210)에서 수신받은 백그라운드 데이터에 소정의 색감, 소정의 질감, 소정의 광원 중 적어도 하나에 대한 볼륨 데이터를 제공한다. The data overlapping unit 230 provides volume data for at least one of a predetermined color, a predetermined texture, and a predetermined light source to the background data received from the space space receiver 210.
도 3에 도시된 바와 같이, 스페이스 유닛(100)은 (a)에 도시된 바와 같이, 미리 설정된 가상의 공간이 제공되며, 스페이스 유닛(100)의 백그라운드 데이터 생성부(110)는 (b)에 도시된 바와 같이, 미리 설정된 가상의 공간 상에 배경 데이터가 제공되고, 볼륨 데이터 생성부(200)의 경우, (c)에 도시된 바와 같이, 배경 데이터 상에 색감, 질감, 광원에 대하여 볼륨 데이터가 제공되도록 할 수 있다. As shown in FIG. 3, the space unit 100 is provided with a preset virtual space, as shown in (a), and the background data generator 110 of the space unit 100 is provided in (b). As shown, background data is provided in a preset virtual space, and in the case of the volume data generator 200, as shown in (c), volume data for color, texture, and light source is provided on the background data. can be provided.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 컨디션 셋팅 유닛(300)은 볼륨 스페이스 수신부(310), 환경 노이즈 생성부(320)를 포함한다. The condition setting unit 300 of the background data generation system for AI learning that provides selective environmental noise in virtual space includes a volume space receiver 310 and an environmental noise generator 320.
볼륨 스페이스 수신부(310)는 데이터 오버래핑부(230)를 통해 볼륨 데이터가 오버래핑된 미리 설정된 가상의 공간을 수신 받는다. The volume space receiving unit 310 receives a preset virtual space in which volume data overlaps through the data overlapping unit 230.
볼륨 스페이스 수신부(310)가 제공받는 미리 설정된 가상의 공간의 경우, 백그라운드 데이터 상에 볼륨 데이터가 오버래핑되어 가상의 공간이 3차원의 공간으로 형성된 미리 설정된 가상이 공간을 수신 받는 것이다. In the case of a preset virtual space provided by the volume space receiver 310, the volume data overlaps with the background data to form a three-dimensional space.
환경 노이즈 생성부(320)는 임의의 환경에 대한 노이즈 정보를 제공하여 랜덤 데이터를 형성한다. The environmental noise generator 320 provides noise information about a random environment to form random data.
환경 노이즈 생성부(320)의 경우, 도 3에 도시된 바와 같이, 예컨대, 비, 구름, 눈, 지진, 태풍과 같은 자연적인 조건에 대한 상태의 노이즈를 생성할 수 있다.In the case of the environmental noise generator 320, as shown in FIG. 3, noise of natural conditions such as rain, clouds, snow, earthquakes, and typhoons can be generated.
환경 노이즈 생성부(320)는 실제 자연적으로 발생할 수 있는 자연적인 조건의 데이터는 물론, 자연적 조건에서 발생되어질 수 있는 환경에 대한 노이즈를 생성할 수 있다. The environmental noise generator 320 can generate noise about the environment that can be generated under natural conditions as well as data on natural conditions that can actually occur naturally.
환경 노이즈 생성부(320)를 통하여 생성되는 노이즈 정보의 경우, 비주얼적 요소를 형성함은 물론 미리 설정된 가상의 공간 상에 물리적 요소를 제공할 수 있도록 생성될 수 있다. In the case of noise information generated through the environmental noise generator 320, it can be generated to form a visual element as well as provide a physical element in a preset virtual space.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 컨디션 셋팅 유닛(300)은 노이즈 형성부(330)를 더 포함할 수 있다. The condition setting unit 300 of the background data generation system for AI learning that provides selective environmental noise in virtual space may further include a noise generator 330.
노이즈 형성부(330)이 경우, 볼륨 스페이스 수신부(310)로부터 수신받은 미리 설정된 가상의 공간 상에 환경 노이즈 생성부(320)를 통해 생성된 임의의 환경에 대한 노이즈 정보를 오버래핑하여 오브젝트(1)에게 제공할 수 있다. In the case of the noise generator 330, the noise information for an arbitrary environment generated through the environment noise generator 320 is overlapped on a preset virtual space received from the volume space receiver 310 to create an object (1). can be provided to.
미리 설정된 가상의 공간의 경우, 임의의 환경에 대한 노이즈 정보에 의하여 선택적으로 물리적인 변화가 형성될 수 있다. In the case of a preset virtual space, physical changes can be selectively created by noise information about an arbitrary environment.
즉, 도 4에 도시된 바와 같이, 환경 노이즈 생성부(320)의 경우, 자연 환경적인 요소에 대한 변화에 대한 노이즈를 생성하고, 생성된 노이즈는 미리 설정된 가상의 공간의 백그라운드 데이터 상에 오버래핑되는 것으로, 미리 설정된 가상의 공간은 노이즈 형성부(330)를 통하여 미리 설정된 가상의 공간에 자연적 환경의 변화가 형성되는 것이다. That is, as shown in FIG. 4, the environmental noise generator 320 generates noise in response to changes in natural environmental factors, and the generated noise overlaps on the background data of a preset virtual space. In other words, changes in the natural environment are formed in the preset virtual space through the noise forming unit 330.
미리 설정된 가상의 공간에 제공되는 자연적 환경의 변화는 시각적, 물리적으로 제공되는 것으로, 오브젝트(1)에게 노이즈가 제공되어진다. Changes in the natural environment provided in a preset virtual space are provided visually and physically, and noise is provided to the object 1.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 컨디션 셋팅 유닛(300)은, 노이즈 정보에 의하여 미리 설정된 가상의 공간 상에 선택적인 물리적 변화가 제공되도록 한다. The condition setting unit 300 of the background data generation system for AI learning that provides selective environmental noise in virtual space allows selective physical changes to be provided in the virtual space preset by noise information.
물리적 변화가 제공됨이라 함은, 노이즈 정보에 의하여 미리 설정된 가상의 공간 상의 노면의 마찰계수의 변화, 바람의 방향의 변화, 땅의 흔들림 등에 해당하는 것으로 미리 설정된 가상의 공가에 제공되는 질량, 중력, 마찰력과 같은 물리속성들의 법칙에 대한 변화를 제공하는 것이라 할 수 있다. Physical changes provided mean changes in the friction coefficient of the road surface in a virtual space preset by noise information, changes in wind direction, shaking of the ground, etc., and include mass, gravity, and It can be said to provide changes to the laws of physical properties such as friction.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 컨디션 셋팅 유닛(300)은 미리 설정된 공간 상에 제공되는 노이즈 정보가 눈 또는 비에 해당하는 경우, 미리 설정된 가상의 공간 상에서의 노면에 대한 미끄러움 정보가 선택적으로 설정되며 미리 설정된 가상의 공간 상에서의 오브젝트(1)에게 물리적 변화 요소를 제공한다. The condition setting unit 300 of the background data generation system for AI learning that provides selective environmental noise in the virtual space is configured to set the condition setting unit 300 in the preset virtual space when the noise information provided in the preset space corresponds to snow or rain. Slipperiness information about the road surface is selectively set and provides a physical change element to the object 1 in the preset virtual space.
컨디션 셋팅 유닛(300)의 환경에 대한 노이즈 정보는 도 5에 도시된 바와 같이, 미리 설정된 가상의 공간 상에서 오브젝트(1)에게 물리적 변화 요소를 제공할 수 있다. As shown in FIG. 5, noise information about the environment of the condition setting unit 300 may provide a physical change element to the object 1 in a preset virtual space.
예컨대, 도 5에 도시된 바와 같이, 환경에 대한 정보가 비에 해당하는 경우, 미리 설정된 가상의 공간에 대한 노면은 물이 고이거나 오브젝트(1)의 타이어와 노면 사이가 물에 젖은 상태로 제공되어진다. For example, as shown in Figure 5, when the information about the environment corresponds to rain, the road surface for the preset virtual space is provided with water or the area between the tires of the object 1 and the road surface is wet. It is done.
오브젝트(1)와 노면 사이의 물이 제공됨을 통하여 실질적으로 형성될 수 있는 물리적 현상이 미리 설정된 가상이 공간 사이에서 발생되어질 수 있다. By providing water between the object 1 and the road surface, a virtual preset physical phenomenon that can actually be formed can be generated in the space.
또한, 이러한 물리적 변화 요소는 현실에서 발생되는 중력과 가속도에 대한 힘과 동일한 변화 형태로 제공되는 것이 바람직하다. Additionally, it is desirable that these physical change elements be provided in the same change form as the forces of gravity and acceleration that occur in reality.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 컨디션 셋팅 유닛(300)은 미리 설정된 공간 상에 제공되는 노이즈 정보가 바람에 해당하는 경우, 미리 설정된 가상의 공간 상에서의 오브젝트(1)에 제공되는 공기 저항이 선택적으로 설정되어 미리 설정된 가상의 공간 상에서의 오브젝트(1)의 물리적 변화 요소를 제공한다. The condition setting unit 300 of the background data generation system for AI learning that provides selective environmental noise in a virtual space is configured to set an object ( The air resistance provided in 1) is selectively set to provide a physical change element of the object 1 in a preset virtual space.
태풍 또는 바람이 환경 노이즈에 해당하는 경우, 도 6에 도시된 바와 같이, 오브젝트(1)에 물리적 변화 요소를 제공하는데, 오브젝트(1)에 제공되는 물리적 변화 요소는 현실의 공기 저항과 동일한 형태로 미리 설정된 가상의 공간 상에도 공기저항이 제공되어진다. When a typhoon or wind corresponds to environmental noise, a physical change element is provided to the object 1, as shown in FIG. 6. The physical change element provided to the object 1 is in the same form as air resistance in reality. Air resistance is also provided in a preset virtual space.
물리적 변화 요소의 경우, 오브젝트(1)에 제공되어 오브젝트(1)에 다양한 환경적 요소를 제공함을 통하여 학습 기회를 다양하게 제공하게 된다. In the case of physical change elements, they are provided to the object 1 to provide various learning opportunities by providing various environmental elements to the object 1.
예컨대, 비가 내리는 양, 비 내리는 시간, 눈이 쌓이는 정도, 외부 온도와 비의 양, 바람의 세기, 바람의 방향에 대하여 환경 노이즈가 형성되어질 수 있으며, 환경 노이즈가 제공되는 미리 설정된 가상의 공간은 환경 노이즈에 따른 물리적 변화 요소를 오브젝트(1)에 제공하게 되는 것이다. For example, environmental noise may be formed regarding the amount of rain, the time of rain, the degree of snow accumulation, external temperature and amount of rain, wind strength, and wind direction, and the preset virtual space where environmental noise is provided is A physical change element according to environmental noise is provided to the object (1).
즉, 물리적 변화 요소의 경우, 그 물리적 현상의 정도의 변화와 다양성을 제공함을 통하여 오브젝트(1)에 제공되도록 하는 것이 바람직하다. That is, in the case of physical change elements, it is desirable to provide them to the object 1 by providing changes and diversity in the degree of the physical phenomenon.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 에센셜 유닛(400)은, 도 13의 블록도에 도시된 바와 같이, 정보 추출부(410), 정보 증폭부(430), 정보 확인부(430)를 포함할 수 있다. The essential unit 400 of the background data generation system for AI learning that provides selective environmental noise in virtual space, as shown in the block diagram of FIG. 13, includes an information extraction unit 410, an information amplification unit 430, It may include an information confirmation unit 430.
먼저, 정보 추출부(410)의 경우, 오브젝트(1)를 인식하여, 오브젝트(1)의 부위 정보를 분석하고 추출할 수 있다. First, the information extraction unit 410 can recognize the object 1 and analyze and extract information on parts of the object 1.
정보 추출부는(410)는 오브젝트(1)에 대한 쉐잎(shape), 윤곽, 헤드라이트(headlight), 공기흡입구, 안개등에 대한 각 부위별 정보를 추출할 수 있다. The information extraction unit 410 can extract information for each part of the object 1 such as shape, outline, headlight, air intake, and fog lamp.
아울러, 정보 추출부(410)는 오브젝트(1)에 대한 전체적인 아우라, 오브젝트(1)의 전체적인 길이, 오브젝트(1)의 전체적인 둥글고 각진 정도에 대한 정보를 추출할 수도 있다. In addition, the information extraction unit 410 may extract information about the overall aura of the object 1, the overall length of the object 1, and the overall roundness and angularity of the object 1.
이러한 오브젝트(1)에 대한 전체적인 정보는 부위별 정보에 대하여 하나 또는 그 이상을 포함할 수도 있다. The overall information about the object 1 may include one or more pieces of information for each part.
정보 증폭부(420)의 경우, 오브젝트(1)의 부위 정보를 수신하여, 미리 결정된 특정 부위 정보를 확대 및 증폭할 수 있다. In the case of the information amplification unit 420, information on a part of the object 1 may be received, and information on a predetermined specific part may be enlarged and amplified.
도 7 내지 도 9에 도시된 바와 같이, 정보 증폭부(420)는 정보 추출부(410)를 통하여 추출된 각 부위별 정보 중 미리 결정된 특정 부위 정보를 확대 및 증폭할 수 있으며, 예컨대, 도 8의 (a)와 (b)에 도시된 바와 같이, 미리 결정된 특정 부위 정보가 헤드라이트로 확정하는 경우, 헤드라이트의 각 수평적 비율, 수직적 비율 그리고 헤드라이트를 구성하는 각 부위의 각도적 비율 등을 분석하고 미리 결정된 특정 부위 정보에 대한 패턴을 분석하게 된다. As shown in FIGS. 7 to 9, the information amplification unit 420 may enlarge and amplify information on a predetermined specific region among the information for each region extracted through the information extraction unit 410, for example, in FIG. 8 As shown in (a) and (b), when the predetermined specific part information is confirmed as a headlight, each horizontal ratio, vertical ratio, and angular ratio of each part constituting the headlight, etc. is analyzed, and patterns for predetermined specific area information are analyzed.
도 8의 (b)와 (d)에 도시된 바와 같이, 정보 증폭부(420)는 미리 결정된 특정 부위 정보가 전면부의 라디에이터 그릴 또는 헤드라이트 사이의 전면부로 확정하는 경우, 라디에이터 그릴(또는 헤드라이트 사이의 전면부)의 수평적 비율, 수직적 비율, 각도적 비율을 분석하고 이들 정보에 대한 패턴을 분석하게 될 수 있다. As shown in (b) and (d) of FIG. 8, when the information on the predetermined specific part is determined to be the radiator grill on the front or the front part between the headlights, the information amplification unit 420 The horizontal ratio, vertical ratio, and angular ratio of the front part of the body can be analyzed, and patterns for this information can be analyzed.
또한, 도 9에 도시된 바와 같이, 정보 증폭부(420)는 미리 결정된 특정 부위 정보가 오브젝트(1)의 전체적인 쉐잎으로 확정하는 경우, 오브젝트(1)의 전체 길이, 수평 비율, 수직적 비율, 각도적 비율을 분석하고 이들 정보에 대한 패턴을 분석하게 될 수 있다. In addition, as shown in FIG. 9, when the information on a predetermined specific part is determined as the overall shape of the object 1, the information amplification unit 420 determines the overall length, horizontal ratio, vertical ratio, and angle of the object 1. You can analyze enemy ratios and analyze patterns for this information.
정보 증폭부(420)에서 확정하는 미리 결정된 특정 부위 정보의 경우, 미리 결정되어질 수 있는 것으로 오브젝트(1)의 패턴을 분석하기 적절한 부위로 결정될 수 있도록 한다. In the case of information on a predetermined specific part determined by the information amplification unit 420, it can be determined in advance as an appropriate part for analyzing the pattern of the object 1.
예컨대, 오브젝트(1)의 문, 사이드 미러(side mirror)의 경우, 오브젝트(1)를 분석하기 위한 적절한 부위 정보에 해당하지 않는 것일 수 있기에 오브젝트(1)를 외형으로 파악하기 적절한 헤드라이트, 라디에이터 그릴, 테일램프, 안개등과 같은 부위 정보로 결정될 수 있다. For example, in the case of the door and side mirror of object (1), they may not correspond to appropriate part information for analyzing object (1), so headlights and radiators that are appropriate for identifying object (1) by its appearance. It can be determined based on information on areas such as grills, tail lights, and fog lights.
정보 확인부(430)의 경우, 미리 결정된 특정 부위 정보를 미리 저장된 정보와의 매칭을 통해 오브젝트(1)를 확인할 수 있다. In the case of the information confirmation unit 430, the object 1 can be confirmed by matching predetermined specific part information with pre-stored information.
정보 확인부(430)의 경우, 정보 증폭부(420)로부터 특정 부위에 대한 정보를 수신하고 미리 저장된 정보와의 매칭을 통하여 오브젝트(1)를 확인할 수 있다. In the case of the information confirmation unit 430, information about a specific part can be received from the information amplification unit 420 and the object 1 can be confirmed through matching with pre-stored information.
가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템의 정보 확인부(430)는, 오브젝트(1)의 부위 정보 중 적어도 하나 이상을 특정 부위 정보로 결정하정보 추출부(410)를 통하여 추출된 정보의 정밀도를 높이도록 할 수 있으며, 정보 확인부(430)는 정보를 확인하여 오브젝트(1)에 미리 저장된 정보와 매칭하여 오브젝트(1)에 대한 명확한 정보를 불러옴을 통하여 미리 결정된 가상의 공간 상에서 오브젝트(1)의 학습이 정확하게 이루어지도록 할 수 있다. The information confirmation unit 430 of the background data generation system for AI learning that provides selective environmental noise in virtual space determines at least one part of the part information of the object 1 as specific part information, and the information extraction unit 410 It is possible to increase the precision of the extracted information, and the information confirmation unit 430 checks the information and matches it with information pre-stored in the object 1 to retrieve clear information about the object 1 in advance. It is possible to ensure that the object 1 is accurately learned in the determined virtual space.
본 발명의 권리 범위는 특허청구범위에 기재된 사항에 의해 결정되며, 특허 청구범위에 사용된 괄호는 선택적 한정을 위해 기재된 것이 아니라, 명확한 구성요소를 위해 사용되었으며, 괄호 내의 기재도 필수적 구성요소로 해석되어야 한다.The scope of rights of the present invention is determined by the matters stated in the patent claims, and the parentheses used in the patent claims are not used for selective limitation, but are used for clear elements, and the descriptions within the parentheses are also interpreted as essential elements. It has to be.
1: 오브젝트
100: 스페이스 유닛
110: 백그라운드 데이터 생성부
120: 스페이스 형성부
200: 볼륨 셋팅 유닛
210: 스페이스 공간 수신부
220: 볼륨 데이터 생성부
230: 데이터 오버래핑부
300: 컨디션 셋팅 유닛
310: 볼륨 스페이스 수신부
320: 환경 노이즈 생성부
330: 노이즈 형성부
400: 에센셜 유닛
410: 정보 추출부
420: 정보 증폭부
430: 정보 확인부1: Object
100: Space Unit
110: Background data generation unit
120: Space forming part
200: Volume setting unit
210: Space space receiver
220: Volume data creation unit
230: data overlapping unit
300: Condition setting unit
310: Volume space receiver
320: Environmental noise generation unit
330: noise forming unit
400: Essential unit
410: Information extraction unit
420: Information amplification unit
430: Information confirmation unit
Claims (10)
상기 스페이스 셋팅 유닛의 상기 미리 설정된 가상의 공간의3차원적 볼륨 공간을 형성하는 볼륨 셋팅 유닛(volume setting unit);
상기 볼륨 세팅 유닛의 상기 미리 설정된 가상의 공간 정보를 수신하여, 상기 미리 설정된 가상의 공간 상에 오버래핑하며, 상기 미리 설정된 가상의 공간의 환경적인 변화를 제공하는 컨디션 셋팅 유닛(condition setting unit); 및
오브젝트로 형성되어, 상기 미리 설정된 가상의 공간 상에 제공되며, 상기 미리 설정된 가상의 공간과 노이즈를 인식하는 에센셜 유닛(essential unit)을 포함하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
a space unit provided in a preset virtual space to configure the preset virtual space and setting an object on the preset virtual space;
a volume setting unit forming a three-dimensional volume space of the preset virtual space of the space setting unit;
a condition setting unit that receives the preset virtual space information of the volume setting unit, overlaps it on the preset virtual space, and provides environmental changes to the preset virtual space; and
It is formed as an object, is provided on the preset virtual space, and includes an essential unit that recognizes the preset virtual space and noise, selective environmental noise in the virtual space. A background data generation system for AI learning.
상기 미리 설정된 가상 공간에 대한 백그라운드 데이터를 형성하는 백그라운드 데이터 생성부; 및
상기 미리 설정된 가상 공간에 상기 백그라운드 데이터를 제공하여 상기 미리 설정된 가상 공간이 목적하는 스페이스 공간으로 형성되도록 하는 스페이스 형성부를 포함하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 1, wherein the space unit is:
a background data generator that forms background data for the preset virtual space; and
A background for AI learning that provides selective environmental noise in a virtual space, comprising a space forming unit that provides the background data to the preset virtual space to form the preset virtual space into a target space. Data generation system.
상기 스페이스 유닛으로부터 상기 백그라운드 데이터를 제공받는 스페이스 공간 수신부;
소정의 색감, 소정의 질감, 소정의 광원 중 적어도 하나에 대한 볼륨 데이터를 생성하는 볼륨 데이터 생성부; 및
상기 스페이스 공간 수신부에서 수신받은 상기 백그라운드 데이터에 상기 소정의 색감, 상기 소정의 질감, 상기 소정의 광원 중 적어도 하나에 대한 상기 볼륨 데이터를 제공하는 데이터 오버래핑부를 포함하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 2, wherein the volume setting unit,
a space receiving unit that receives the background data from the space unit;
a volume data generator that generates volume data for at least one of a predetermined color, a predetermined texture, and a predetermined light source; and
Characterized in that it includes a data overlapping unit that provides the volume data for at least one of the predetermined color, the predetermined texture, and the predetermined light source to the background data received from the space space receiver. A background data generation system for AI learning that provides optional environmental noise.
상기 데이터 오버래핑부를 통해 상기 볼륨 데이터가 오버래핑된 상기 미리 설정된 가상의 공간을 수신받는 볼륨 스페이스 수신부; 및
임의의 환경에 대한 노이즈 정보를 제공하여 랜덤 데이터를 형성하는 환경 노이즈 생성부를 포함하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 3, wherein the condition setting unit,
a volume space receiving unit that receives the preset virtual space overlapping the volume data through the data overlapping unit; and
A background data generation system for AI learning that provides selective environmental noise in a virtual space, comprising an environmental noise generator that provides noise information about an arbitrary environment to form random data.
상기 볼륨 스페이스 수신부로부터 수신받은 상기 미리 설정된 가상의 공간 상에 상기 환경 노이즈 생성부를 통해 생성된 상기 임의의 환경에 대한 노이즈 정보를 오버래핑하여 상기 오브젝트에게 제공하는 노이즈 형성부를 더 포함하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 4, wherein the condition setting unit,
Characterized in that it further comprises a noise forming unit that overlaps the noise information about the arbitrary environment generated through the environmental noise generating unit on the preset virtual space received from the volume space receiving unit and provides the information to the object, A background data generation system for AI learning that provides selective environmental noise in virtual space.
상기 노이즈 정보에 의하여 상기 미리 설정된 가상의 공간 상에 선택적인 물리적 변화가 제공되는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 5, wherein the condition setting unit,
A background data generation system for AI learning that provides selective environmental noise in a virtual space, characterized in that selective physical changes are provided in the preset virtual space by the noise information.
상기 미리 설정된 공간 상에 제공되는 상기 노이즈 정보가 눈 또는 비에 해당하는 경우,
상기 미리 설정된 가상의 공간 상에서의 노면에 대한 미끄러움 정도가 선택적으로 설정되며 상기 미리 설정된 가상의 공간 상에서의 상기 오브젝트에게 물리적 변화 요소를 제공하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 5, wherein the condition setting unit,
If the noise information provided on the preset space corresponds to snow or rain,
Selective environmental noise in the virtual space, characterized in that the degree of slipperiness of the road surface in the preset virtual space is selectively set and a physical change element is provided to the object in the preset virtual space. A background data generation system for AI learning.
상기 미리 설정된 공간 상에 제공되는 상기 노이즈 정보가 바람에 해당하는 경우,
상기 미리 설정된 가상의 공간 상에서의 상기 오브젝트에 제공되는 공기 저항이 선택적으로 설정되어 상기 미리 설정된 가상의 공간 상에서의 상기 오브젝트의 물리적 변화 요소를 제공하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 7, wherein the condition setting unit,
If the noise information provided on the preset space corresponds to wind,
Selective environmental noise in a virtual space, characterized in that air resistance provided to the object in the preset virtual space is selectively set to provide a physical change element of the object in the preset virtual space. A background data generation system for AI learning that provides.
상기 오브젝트를 인식하여, 상기 오브젝트의 부위 정보를 분석하고 추출하는 정보 추출부;
상기 오브젝트의 부위 정보를 수신하여, 미리 결정된 특정 부위 정보를 확대 및 증폭하는 정보 증폭부; 및
상기 미리 결정된 특정 부위 정보를 미리 저장된 정보와의 매칭을 통해 상기 오브젝트를 확인하는 정보 확인부를 포함하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 8, wherein the essential unit is:
an information extraction unit that recognizes the object, analyzes and extracts information on parts of the object;
an information amplification unit that receives information on a part of the object and enlarges and amplifies information on a predetermined specific part; and
A background data generation system for AI learning that provides selective environmental noise in a virtual space, comprising an information confirmation unit that verifies the object by matching the predetermined specific part information with pre-stored information.
상기 오브젝트의 부위 정보 중 적어도 하나 이상을 특정 부위 정보로 결정하고, 결정된 특정 부위 정보에 대한 패턴을 분석하여 상기 오브젝트에 대한 크기와 움직임을 예측하는 것을 특징으로 하는, 가상 공간상에 선택적인 환경 노이즈를 제공하는 AI학습용 배경 데이터 생성 시스템.
The method of claim 9, wherein the information confirmation unit,
Selective environmental noise in virtual space, characterized in that at least one of the part information of the object is determined as specific part information, and the pattern for the determined specific part information is analyzed to predict the size and movement of the object. A background data generation system for AI learning that provides.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220040686A KR20230141303A (en) | 2022-03-31 | 2022-03-31 | System for creating background data for artificial intelligent by forming environment in virtual space |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220040686A KR20230141303A (en) | 2022-03-31 | 2022-03-31 | System for creating background data for artificial intelligent by forming environment in virtual space |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230141303A true KR20230141303A (en) | 2023-10-10 |
Family
ID=88292471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220040686A KR20230141303A (en) | 2022-03-31 | 2022-03-31 | System for creating background data for artificial intelligent by forming environment in virtual space |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230141303A (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101947650B1 (en) | 2017-11-14 | 2019-05-20 | 국방과학연구소 | Apparatus and method for generating learning image in game engine-based machine learning |
| KR20190054782A (en) | 2017-11-14 | 2019-05-22 | 국방과학연구소 | Apparatus and method for enhancing learning capacility for machine learning |
| KR20200064044A (en) | 2018-11-13 | 2020-06-05 | 현대모비스 주식회사 | Method And Apparatus for Managing Automatic Learning |
-
2022
- 2022-03-31 KR KR1020220040686A patent/KR20230141303A/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101947650B1 (en) | 2017-11-14 | 2019-05-20 | 국방과학연구소 | Apparatus and method for generating learning image in game engine-based machine learning |
| KR20190054782A (en) | 2017-11-14 | 2019-05-22 | 국방과학연구소 | Apparatus and method for enhancing learning capacility for machine learning |
| KR20200064044A (en) | 2018-11-13 | 2020-06-05 | 현대모비스 주식회사 | Method And Apparatus for Managing Automatic Learning |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11521009B2 (en) | Automatically generating training data for a lidar using simulated vehicles in virtual space | |
| Prakash et al. | Structured domain randomization: Bridging the reality gap by context-aware synthetic data | |
| Li et al. | The ParallelEye dataset: A large collection of virtual images for traffic vision research | |
| Wrenninge et al. | Synscapes: A photorealistic synthetic dataset for street scene parsing | |
| CN110622213B (en) | System and method for depth localization and segmentation using 3D semantic maps | |
| Liu et al. | FG-Net: Fast large-scale LiDAR point clouds understanding network leveraging correlated feature mining and geometric-aware modelling | |
| Chen et al. | Camdar‐adv: generating adversarial patches on 3D object | |
| CN110110621B (en) | Oblique photography point cloud classification method based on multi-feature integration deep learning model | |
| CN107315998B (en) | Vehicle class division method and system based on lane line | |
| US11094134B1 (en) | System and method for generating synthetic data | |
| Brekke et al. | Multimodal 3d object detection from simulated pretraining | |
| WO2024016877A1 (en) | Roadside sensing simulation system for vehicle-road collaboration | |
| Balakrishnan et al. | Multimedia concepts on object detection and recognition with F1 car simulation using convolutional layers | |
| CN114519819B (en) | Remote sensing image target detection method based on global context awareness | |
| Ren et al. | Object insertion based data augmentation for semantic segmentation | |
| Uggla et al. | Towards synthesized training data for semantic segmentation of mobile laser scanning point clouds: Generating level crossings from real and synthetic point cloud samples | |
| Liu et al. | Software-defined active lidars for autonomous driving: A parallel intelligence-based adaptive model | |
| Xu et al. | Classification of 3-D point clouds by a new augmentation convolutional neural network | |
| JP2024511043A (en) | System and method for point cloud data augmentation using model injection | |
| CN109064556B (en) | Landform high-precision simulation modeling system facing ISR | |
| Stauner et al. | SynPeDS: A synthetic dataset for pedestrian detection in urban traffic scenes | |
| Gomez-Donoso et al. | Three-dimensional reconstruction using SFM for actual pedestrian classification | |
| KR20230141303A (en) | System for creating background data for artificial intelligent by forming environment in virtual space | |
| WO2023231793A1 (en) | Method for virtualizing physical scene, and electronic device, computer-readable storage medium and computer program product | |
| CN117036733A (en) | Urban road scene characteristic line extraction method |