KR102303626B1 - 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법 및 컴퓨팅 장치 - Google Patents

Abstract

전술한 과제를 해결하기 위한 본 개시의 일 실시예에서, 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법이 개시된다. 상기 방법은, 상기 프로세서가 학습 데이터 세트를 획득하는 단계, 상기 프로세서가 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하는 단계 및 상기 프로세서가 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성하는 단계를 포함할 수 있다.

Description

단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법 및 컴퓨팅 장치{METHOD AND COMPUTING DEVICE FOR GENERATING VIDEO DATA BASED ON A SINGLE IMAGE}

본 개시는 비디오 데이터를 생성하는 기술에 관한 것으로, 보다 구체적으로, 인공 신경망을 활용하여 단일 이미지 데이터에 기반하여 비디오 데이터를 생성하기 위함이다.

영화, 방송 드라마, 다큐멘터리 등 영상 콘텐츠는 다양한 예술 장르가 복합적으로 적용되는 종합 예술 장르일 뿐 아니라 거대 엔터테인먼트 산업을 형성하는 핵심 매체이다. 영상 콘텐츠는, 이미지, 음성, 텍스트 등 여타의 단일 모달리티 데이터와 달리 복합 모달리티를 가지는 데이터이며, 이들 복합 모달리티가 프레임을 통해서 순차적으로 표출된다. 영상 콘텐츠가 담고 있는 시대 상, 역사적 의미 등 시각적으로 관측하기 어려운 정보까지 고려하면 일반적인 데이터와는 극명하기 구분된다. 인공지능 기술 관점에서 영상 콘텐츠는 시각과 청각 정보를 담은 순차 데이터로 다룰 수 있다.

한편, 딥러닝의 제안 이후, 인공지능 기술 기반의 영상 콘텐츠 생성 기술은 크게 발전하고 있다. 특히 생성적 적대 신경망(GAN)의 제안은 데이터의 일반적인 구조적 특성뿐만 아니라 세부적인 정보를 재현할 수 있는 학습 방법을 제공함으로써, 흡사 인간에 의해 창작된 듯한 데이터의 생성을 가능하게 하였다. 적대적 생성 신경망은 생성자와 판별자 사이의 내쉬 균형을 찾는 것을 목표로 하여, 데이터의 분포 추정에 있어 기존 모델들의 성능을 크게 향상시켰다.

영상 콘텐츠 생성 기술은 크게 반자동 기술과 자동 기술로 분류된다. 반자동 기술은 영상 콘텐츠의 영상 생성 과정에서 결과물의 질적 향상을 위해 수동 정보 삽입 혹은 수정이 요구되는 기술을 의미하며, 자동 기술의 경우, 초기 입력을 기준으로 최종 결과물인 영상 콘텐츠 생성까지 인공지능 모델에 의해 전 과정이 수행되는 기술을 의미한다.

인공지능 기술을 기반으로 생성되는 결과물로 대내외에 알려지는 대부분의 영상 콘텐츠는 현재까지 반자동 기술을 기반으로 구축되었다. 이는 초기 개발 단계에 있는 영상 콘텐츠 생성 기술의 특성상 산출물의 질적 수준을 담보할 수 없기 때문이다.

인공 지능을 활용한 자동 영상 콘텐츠 생성 기술은 사용자의 의도에 부합하는 영상을 생성하는 데 목표를 두고 있다. 다만, 인공 지능 기반 자동 영상 콘텐츠 생성 기술의 개발은 이제 시작하는 단계로, 임의의 사용자 의도에 대해 적합한 프레임의 집합을 자동 생성하여 고품질의 영상 콘텐츠를 제공하는 데는 한계가 있다.

이에 따라, 당 업계에는 단일 이미지 프레임에 기반하여 복수의 프레임을 구성함으로써 특정 모션을 갖는 영상 콘텐츠를 제공하기 위한 컴퓨터 프로그램에 대한 수요가 존재할 수 있다.

대한민국 공개특허 2019-0139781

본 개시가 해결하고자 하는 과제는 상술한 문제점을 해결하기 위한 것으로서, 인공 신경망을 활용하여 단일 이미지 데이터에 기반하여 비디오 데이터를 생성하기 위함이다.

본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 개시의 다양한 실시예에 따른 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법이 개시된다. 상기 방법은, 상기 프로세서가 학습 데이터 세트를 획득하는 단계, 상기 프로세서가 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하는 단계 및 상기 프로세서가 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 학습 데이터 세트는, 복수의 학습 데이터를 포함하며, 상기 학습 데이터는, 학습 비디오 데이터에 관련한 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성된 학습 입력 데이터 및 상기 학습 비디오 데이터로 구성된 학습 출력 데이터를 포함할 수 있다.

대안적인 실시예에서, 상기 생성자 모델은, 상기 학습 입력 데이터를 입력으로 하여 상기 학습 비디오 데이터에 대응하는 비디오 데이터를 출력하는 신경망 모델이며, 상기 분류자 모델은, 상기 학습 비디오 데이터 및 상기 비디오 데이터를 입력으로 하여 진위 여부에 관한 정보 및 액션 라벨 데이터를 출력하는 신경망 모델이고, 상기 학습은, 상기 생성자 모델 및 상기 분류자 모델 간의 적대 로스(adversarial loss)가 반영된 전체 로스(total loss)를 이용하여 상기 생성자 모델 및 상기 분류자 모델의 파라미터를 업데이트함으로써 수행될 수 있다.

대안적인 실시예에서, 생성적 적대 신경망 모델은, 하나 이상의 어텐션(attention) 모듈을 더 포함하고, 상기 하나 이상의 어텐션 모듈은, 상기 분류자 모델에 구비되어, 상기 분류자 모델의 입력 및 출력에 관련하여 하나 이상의 프레임 간의 집중해야 할 요소를 강조하기 위한 연관 정보를 생성할 수 있다.

대안적인 실시예에서, 상기 프로세서가 상기 비디오 데이터의 연관 정보에 관련한 제 1 어텐션 마스크 및 상기 학습 비디오 데이터의 연관 정보에 관련한 제 2 어텐션 마스크 간의 로스에 대응하는 일시적 어텐션 로스(temporal attention loss)를 산출하는 단계를 더 포함하며, 상기 학습은, 상기 적대 로스 및 상기 일시적 어텐션 로스가 반영된 전체 로스를 이용하여 상기 생성자 모델 및 상기 분류자 모델의 파라미터를 업데이트함으로써 수행될 수 있다.

대안적인 실시예에서, 상기 학습 데이터 세트는, 복수의 학습 서브 데이터를 포함하며, 상기 학습 서브 데이터는, 학습 비디오 데이터로 구성된 학습 입력 서브 데이터 및 상기 학습 비디오 데이터에 관련한 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성된 학습 출력 서브 데이터를 포함할 수 있다.

대안적인 실시예에서, 상기 프로세서가 상기 복수의 학습 서브 데이터를 통해 제 1 생성자 모델 및 제 1 분류자 모델을 포함하는 제 1 생성적 적대 신경망 모델에 대한 학습을 수행하는 단계를 더 포함하고, 상기 제 1 생성자 모델은, 상기 학습 입력 서브 데이터를 입력으로 하여 키 프레임(key frame)에 관련한 단일 이미지 데이터를 출력하는 신경망 모델이며, 상기 제 1 분류자 모델은, 상기 키 프레임에 관련한 단일 이미지 데이터와 상기 학습 출력 서브 데이터를 입력으로 하여 제 1 진위 여부에 관한 정보 및 액션 라벨 데이터를 출력하는 신경망 모델일 수 있다.

대안적인 실시예에서, 상기 프로세서가 상기 생성자 모델 및 상기 제 1 생성자 모델을 활용한 순환 학습을 수행하는 단계를 더 포함하고, 상기 순환 학습은, 상기 제 1 생성자 모델의 출력을 상기 생성자 모델을 입력으로 처리하여 생성된 비디오 데이터를 상기 제 1 생성자 모델의 입력에 관련한 학습 비디오 데이터 간의 사이클 로스(cycle loss)가 반영된 전체 로스를 이용하여 상기 생성자 모델, 상기 분류자 모델, 상기 제 1 생성자 모델 및 상기 제 1 분류자 모델의 파라미터를 업데이트함으로써 수행될 수 있다.

대안적인 실시예에서, 상기 프로세서가 단일 이미지 데이터 및 액션 라벨 데이터를 획득하는 단계, 상기 프로세서가 상기 단일 프레임 이미지 데이터 및 상기 액션 라벨 데이터를 상기 비디오 생성 모델의 입력으로 처리하여 상기 액션 라벨 데이터에 대응하는 비디오 데이터를 생성하는 단계 및 상기 프로세서가 생성된 상기 비디오 데이터를 사용자 단말로 전송할 것을 결정하는 단계를 더 포함하고, 상기 액션 라벨 데이터는, 상기 단일 이미지 데이터에 기반한 비디오 데이터의 모션을 결정하기 위한 기준이 되는 데이터일 수 있다.

대안적인 실시예에서, 상기 프로세서가 상기 단일 이미지 데이터 내에 상기 액션 라벨 데이터에 대응하는 하나 이상의 오브젝트 또는 하나 이상의 백그라운드가 존재하는지 여부를 식별하는 단계, 상기 프로세서가 상기 하나 이상의 오브젝트 또는 상기 하나 이상의 백그라운드 중 적어도 하나가 존재하지 않는 것으로 식별한 경우, 상기 액션 라벨 데이터에 대응하는 추가 오브젝트에 관련한 오브젝트 이미지 데이터 또는 추가 백그라운드에 관련한 백그라운드 이미지 데이터를 획득하는 단계 및 상기 프로세서가 상기 오브젝트 이미지 데이터 및 상기 백그라운드 이미지 데이터 중 적어도 하나를 상기 단일 이미지의 적어도 일 영역에 삽입하는 단계를 더 포함할 수 있다.

본 개시의 다른 실시예에 따르면, 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는, 하나 이상의 코어를 포함하는 프로세서, 상기 프로세서에서 실행가능한 프로그램 코드들을 저장하는 메모리 및 사용자 단말과 데이터를 송수신하는 네트워크부를 포함하고, 상기 프로세서는, 학습 데이터 세트를 획득하고, 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하고, 그리고 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성할 수 있다.

본 개시의 다양한 실시예에 따라, 인공 신경망을 활용하여 단일 이미지 프레임에 기반하여 복수의 프레임을 구성함으로써 특정 모션을 구현하는 영상 콘텐츠 제공할 수 있다.

본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 일 실시예와 관련된 단일 이미지 데이터에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.
도 2는 본 개시의 일 실시예와 관련한 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치의 블록 구성도를 도시한다.
도 3는 본 개시의 일 실시예와 관련된 생성적 적대 신경망을 예시적으로 나타낸 예시도를 도시한다.
도 4는 본 개시의 일 실시예와 관련된 생성적 적대 신경망 및 제 1 생성적 적대 신경망의 입/출력 과정을 예시적으로 나타낸 예시도를 도시한다.
도 5는 본 개시의 일 실시예와 관련된 비디오 생성 모델을 예시적으로 나타낸 예시도를 도시한다.
도 6은 본 개시의 일 실시예와 관련된 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법을 수행하기 위한 단계들을 예시적으로 도시한 순서도이다.
도 7은 본 개시의 일 실시예와 관련된 하나 이상의 네트워크 함수를 나타낸 개략도이다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니다. 본 개시는 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

이하, 첨부된 도면을 참조하여 본 개시의 실시예를 상세하게 설명한다.

본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.

도 1은 본 개시의 일 실시예와 관련된 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.

본 개시의 실시예들에 따른 시스템은, 컴퓨팅 장치(100), 사용자 단말(10), 외부 서버(20) 및 네트워크를 포함할 수 있다. 도 1에서 도시되는 컴포넌트들은 예시적인 것으로서, 추가적인 컴포넌트들이 존재하거나 또는 도 1에서 도시되는 컴포넌트들 중 일부는 생략될 수 있다. 본 개시의 실시예들에 따른 컴퓨팅 장치(100), 사용자 단말(10) 및 외부 서버(20)는 네트워크를 통해, 본 개시의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.

본 개시의 실시예들에 따른 네트워크는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.

또한, 여기서 제시되는 네트워크는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.

본 개시의 실시예들에 따른 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.

본 개시의 일 실시예에 따르면, 사용자 단말(10)은 컴퓨팅 장치(100)에 엑세스하여 단일 이미지에 기반하여 생성된 비디오 데이터를 획득하고자 하는 사용자와 관련된 단말일 수 있다. 이러한 사용자 단말(10)은 컴퓨팅 장치(100)와 통신을 위하 메커니즘을 갖는 시스템에서의 임의의 형태의 엔티티(들)를 의미할 수 있다. 예를 들어, 이러한 사용자 단말(10)은 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 및 웨어러블 디바이스(wearable device) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다. 또한, 사용자 단말(10)은 에이전트, API(Application Programming Interface) 및 플러그-인(Plug-in) 중 적어도 하나에 의해 구현되는 임의의 서버를 포함할 수도 있다. 또한, 사용자 단말(10)은 애플리케이션 소스 및/또는 클라이언트 애플리케이션을 포함할 수 있다.

본 개시의 일 실시예에 따르면, 외부 서버(20)는 다양한 카테고리의 비디오 데이터들 및 각 비디오 데이터에 관련한 정보 등을 저장하는 서버일 수 있다. 외부 서버(20)에 저장된 정보들은 본 개시에서의 신경망을 학습시키기 위한 학습 데이터, 검증 데이터 및 테스트 데이터로 활용될 수 있다. 즉, 외부 서버(20)는 본 개시의 딥러닝 모델을 학습시키기 위한 데이터 세트에 관한 정보를 저장하고 있는 서버일 수 있다.

본 개시의 컴퓨팅 장치(100)는 외부 서버(20)로부터 다양한 카테고리의 비디오 데이터들 및 각 비디오 데이터에 관한 정보에 기반하여 학습 데이터 세트를 구축할 수 있으며, 학습 데이터 세트를 통해 하나 이상의 네트워크 함수를 포함하는 신경망 모델을 학습시킴으로써, 단일 이미지에 대응하는 비디오 데이터를 생성하기 위한 비디오 생성 모델을 생성할 수 있다.

외부 서버(20)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 외부 서버(20)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 단일 이미지에 기반하여 비디오 데이터를 생성할 수 있다. 여기서 비디오 데이터는, 복수의 프레임으로 구성되는 영상 콘텐츠를 의미할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 단일 이미지 데이터 및 액션 라벨 데이터를 획득할 수 있다. 예컨대, 컴퓨팅 장치(100)는 비디오 데이터를 생성하고자 하는 사용자에 관련한 사용자 단말(10)로부터 단일 이미지 데이터 및 액션 라벨 데이터를 수신할 수 있다.

단일 이미지 데이터는, 복수의 프레임으로 구성되는 비디오 데이터를 생성하는데 기반이 되는 이미지 데이터를 의미할 수 있다. 예컨대, 단일 이미지 데이터에 기반하여 생성된 비디오 데이터는 적어도 하나의 프레임으로써 단일 이미지 데이터를 포함할 수 있다. 이러한 단일 이미지 데이터는, 키 프레임에 관련한 이미지 데이터일 수 있다. 키 프레임이란, 영상 데이터의 시작 프레임과 마지막 프레임 중에서 해당 영상 데이터의 전체 정보 또는 대표성을 나타내는 프레임을 의미할 수 있다.

액션 라벨 데이터는, 단일 이미지 데이터에 기반한 비디오 데이터의 모션을 결정하기 위한 기준이 되는 데이터일 수 있다. 액션 라벨 데이터는, 비디오 데이터에 포함된 적어도 하나의 오브젝트의 동작 또는 모션을 결정하기 위한 기준이 되는 데이터일 수 있다. 예를 들어, 액션 라벨 데이터는, '축구'라는 특정 종목에 관련한 정보를 포함할 수 있다. 다른 예를 들어, 액션 라벨 데이터는, '피겨스케이팅'이라는 특정 종목에 관련한 정보를 포함할 수 있다. 전술한 액션 라벨 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

컴퓨팅 장치(100)는 단일 이미지 데이터 및 액션 라벨 데이터를 획득하는 경우, 단일 이미지 데이터를 적어도 하나의 프레임으로 포함하는 비디오 데이터를 생성할 수 있다. 이 경우, 컴퓨팅 장치(100)는 비디오 데이터에 포함된 적어도 하나의 오브젝트가 액션 라벨 데이터에 대응하는 모션을 수행하도록 나머지 복수의 프레임들을 생성할 수 있으며, 단일 이미지 데이터에 관련한 적어도 하나의 프레임과 나머지 프레임의 조합을 통해 비디오 데이터를 생성할 수 있다.

자세히 설명하면, 컴퓨팅 장치(100)는 단일 이미지 데이터 및 액션 라벨 데이터를 비디오 생성 모델의 입력으로 처리하여 액션 라벨 데이터에 대응하는 모션을 수행하는 비디오 데이터를 생성할 수 있다. 컴퓨팅 장치(100)는 외부 서버(20)로부터 획득한 학습 데이터 세트를 통해 하나 이상의 네트워크 함수를 포함하는 신경망 모델에 대한 학습을 수행할 수 있다. 컴퓨팅 장치(100)는 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행할 수 있으며, 학습이 완료되는 시점에 대응하여 생성자 모델을 통해 비디오 생성 모델을 생성할 수 있다. 생성적 적대 신경망 모델은, 생성자 모델 및 분류자 모델 두 신경망 모델의 경쟁을 통해 학습하고 결과물을 만들어 내는 모델일 수 있다. 생성자 모델 및 분류자 모델은 상반된 목적을 가진 신경망 모델일 수 있다. 생성자 모델은 실제 비디오 데이터를 학습하고 이를 바탕으로 가짜 비디오 데이터를 생성할 수 있다. 즉, 생성자 모델은 실제에 유사한 가짜 비디오 데이터를 생성하는 것을 목적으로 하는 신경망 모델일 수 있다. 분류자 모델은 생성자 모델를 통해 생성된 가짜 비디오 데이터 또는 실제 비디오 데이터 중 적어도 하나를 입력으로 하여 실제 데이터인지 또는 거짓 데이터인지 여부를 판별하는 모델일 수 있다. 즉, 분류자 모델은, 실제 비디오 데이터와 가짜 비디오 데이터를 보다 정확히 구별하는 것을 목적으로 하는 신경망 모델일 수 있다. 다시 말해, 생성자 모델은, 분류자 모델이 진위 여부를 구별하지 못하도록 진짜에 유사한 가짜 데이터(예컨대, 복수의 프레임으로 구성되는 가짜 영상 데이터)를 생성하도록 학습되며, 분류자 모델은, 생성자 모델의 출력과 관련한 가짜 데이터에 대한 진위 여부 판별을 보다 정확하게 수행하도록 학습될 수 있다. 즉, 생성적 적대 신경망 모델의 생성자 모델은, 분류자 모델과의 경쟁을 통한 학습 과정이 반복됨에 따라, 보다 정교한 영상 프레임들을 생성하도록 학습될 수 있다.

컴퓨팅 장치(100)는 학습 완료 시점에 대응하여 생성자 모델을 통해 본 개시의 비디오 생성 모델을 생성할 수 있다. 즉, 분류자 모델과의 적대적인 학습이 완료됨에 따라 생성자 모델은 단일 이미지 데이터와 액션 라벨 데이터를 입력으로 하여 비디오 데이터를 출력할 수 있다. 다시 말해, 컴퓨팅 장치(100)는 학습이 완료된 생성적 적대 신경망 모델에서 생상자 모델 만을 추출하여 단일 이미지 데이터에 기반한 비디오 데이터를 출력하기 위한 비디오 생성 모델을 생성할 수 있다. 이는 인공지능을 활용하여 단일 이미지에 기반한 비디오 데이터를 생성하는 알고리즘에서, 인공지능이 학습할 수 있는 방식으로 인간의 개입이 없이, 생성적 적대 신경망 모델의 생성자 모델 및 분류자 모델 간의 경쟁 과정 속에 스스로 학습을 가능하도록 할 수 있다. 즉, 대량의 데이터를 신경망 모델 스스로 학습하기 때문에 편의성 및 학습 효율의 향상을 야기킬 수 있다. 다시 말해, 비디오 생성 모델을 통해 직접 영상 콘텐츠에 관한 비디오 데이터를 생성해낸다는 점에서 지도 학습형 인공지능 알고리즘 기술들과 차별화될 수 있다.

이에 따라, 컴퓨팅 장치(100)는 단일 이미지 데이터 및 액션 라벨 데이터를 획득하는 경우, 단일 이미지 데이터 및 액션 라벨 데이터를 비디오 생성 모델의 입력으로 처리하여 복수의 프레임을 통해 모션을 구현하는 비디오 데이터를 출력하도록 할 수 있다. 이 경우, 비디오 생성 모델은 분류자 모델과의 적대적인 반복 학습을 통해 구현된 생성자 모델에 기반한 것이므로, 단일 이미지 데이터에 대응하여 보다 정교화된 비디오 데이터를 출력할 수 있다. 즉, 본 개시의 비디오 생성 모델은 단일 이미지 데이터에 기반하여 보다 풍부하고 정교한 복수의 이미지 데이터들을 생성할 수 있으며, 해당 복수의 이미지 데이터들을 포함하는 비디오 데이터를 통해 특정 모션을 갖는 영상 콘텐츠을 생성하여 제공할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 단말 또는 서버일 수 있으며, 임의의 형태의 장치는 모두 포함할 수 있다. 컴퓨팅 장치(100)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 컴퓨팅 장치(100)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 컴퓨팅 장치의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 보다 구체적으로, 컴퓨팅 장치(100)는 인터넷 기반 컴퓨팅의 일종으로 정보를 사용자의 컴퓨터가 아닌 인터넷에 연결된 다른 컴퓨터로 처리하는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 상기 클라우드 컴퓨팅 서비스는 인터넷 상에 자료를 저장해 두고, 사용자가 필요한 자료나 프로그램을 자신의 컴퓨터에 설치하지 않고도 인터넷 접속을 통해 언제 어디서나 이용할 수 있는 서비스일 수 있으며, 인터넷 상에 저장된 자료들을 간단한 조작 및 클릭으로 쉽게 공유하고 전달할 수 있다. 또한, 클라우드 컴퓨팅 서비스는 인터넷 상의 서버에 단순히 자료를 저장하는 것뿐만 아니라, 별도로 프로그램을 설치하지 않아도 웹에서 제공하는 응용프로그램의 기능을 이용하여 원하는 작업을 수행할 수 있으며, 여러 사람이 동시에 문서를 공유하면서 작업을 진행할 수 있는 서비스일 수 있다. 또한, 클라우드 컴퓨팅 서비스는 IaaS(Infrastructure as a Service), PaaS(Platform as a Service), SaaS(Software as a Service), 가상 머신 기반 클라우드 서버 및 컨테이너 기반 클라우드 서버 중 적어도 하나의 형태로 구현될 수 있다. 즉, 본 개시의 컴퓨팅 장치(100)는 상술한 클라우드 컴퓨팅 서비스 중 적어도 하나의 형태로 구현될 수 있다. 전술한 클라우드 컴퓨팅 서비스의 구체적인 기재는 예시일 뿐, 본 개시의 클라우드 컴퓨팅 환경을 구축하는 임의의 플랫폼을 포함할 수도 있다.

본 개시에서의 신경망에 대한 학습 방법, 학습 과정, 단일 이미지에 기반하여 비디오 데이터를 생성하는 구체적인 구성 및 이에 따른 효과에 대한 구체적인 설명은 이하의 도 2를 참조하여 후술하도록 한다.

도 2는 본 개시의 일 실시예와 관련한 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치의 블록 구성도를 도시한다.

도 2에 도시된 바와 같이, 컴퓨팅 장치(100)는 네트워크부(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다. 전술한 컴퓨팅 장치(100)에 포함된 컴포넌트들은 예시적인 것으로 본 개시내용의 권리범위가 전술한 컴포넌트들로 제한되지 않는다. 즉, 본 개시내용의 실시예들에 대한 구현 양태에 따라서 추가적인 컴포넌트들이 포함되거나 전술한 컴포넌트들 중 일부가 생략될 수 있다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 사용자 단말(10) 및 외부 서버(20)와 데이터를 송수신하는 네트워크부(110)를 포함할 수 있다. 네트워크부(110)는 본 개시의 일 실시예에 따른 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법을 수행하기 위한 데이터들 및 신경망 모델을 학습시키기 위한 학습 데이터 세트 등을 다른 컴퓨팅 장치(100), 서버 등과 송수신할 수 있다. 즉, 네트워크부(110)는 컴퓨팅 장치(100)와 사용자 단말(10) 및 외부 서버(20) 간의 통신 기능을 제공할 수 있다. 예를 들어, 네트워크부(110)는 사용자 단말(10)로부터 단일 이미지 데이터 및 액션 라벨 데이터를 수신할 수 있다. 다른 예를 들어, 네트워크부(110)는 외부 서버(20)로부터 본 개시의 생성적 적대 신경망을 학습시키기 위한 학습 데이터 세트를 수신할 수 있다. 추가적으로, 네트워크부(110)는 컴퓨팅 장치(100)로 프로시저를 호출하는 방식으로 컴퓨팅 장치(100)와 사용자 단말(10) 및 외부 서버(20) 간의 정보 전달을 허용할 수 있다.

본 개시의 일 실시예에 따른 네트워크부(110)는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.

또한, 본 명세서에서 제시되는 네트워크부(110)는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.

본 개시에서 네트워크부(110)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.

본 개시의 일 실시예에 따르면, 메모리(120)는 본 개시의 일 실시예에 따른 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법을 수행하기 위한 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 프로세서(130)에 의하여 판독되어 구동될 수 있다. 또한, 메모리(120)는 프로세서(130)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(110)가 수신한 임의의 형태의 정보를 저장할 수 있다. 또한, 메모리(120)는 단일 이미지 데이터에 관련한 정보들을 저장할 수 있다. 예를 들어, 메모리(120)는 입/출력되는 데이터들(예를 들어, 사용자의 입력에 관련한 단일 이미지 데이터, 액션 라벨 데이터 및 단일 이미지 데이터에 대응하여 생성된 비디오 데이터 등)을 임시 또는 영구 저장할 수 있다.

본 개시의 일 실시예에 따르면, 메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(120)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치(GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다.

프로세서(130)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 딥러닝을 위한 데이터 처리를 수행할 수 있다. 본 개시의 일 실시예에 따라 프로세서(130)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(130)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다.

또한, 프로세서(130)는 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.

본 명세서에서 네트워크 함수는 인공 신경망, 뉴럴 네트워크와 상호 교환 가능하게 사용될 수 있다. 본 명세서에서 네트워크 함수는 하나 이상의 뉴럴 네트워크를 포함할 수도 있으며, 이 경우 네트워크 함수의 출력은 하나 이상의 뉴럴 네트워크의 출력의 앙상블(ensemble)일 수 있다.

프로세서(130)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 비디오 생성 모델을 제공할 수 있다. 본 개시의 일 실시예에 따라, 프로세서(130)는 단일 이미지 데이터에 기반하여 비디오 데이터를 생성하기 위한 계산을 수행할 수 있다. 본 개시의 일 실시예에 따라 프로세서(130)는 비디오 생성 모델을 학습시키기 위한 계산을 수행할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 처리할 수 있다. 프로세서(130)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(120)에 저장된 응용 프로그램을 구동함으로써, 사용자 단말에게 적정한 정보 또는, 기능을 제공하거나 처리할 수 있다.

단일 이미지 데이터 및 액션 라벨 데이터에 기반하여 비디오 데이터를 생성하는 구체적인 구성 및 그에 따른 효과는 이하의 프로세서가 수행하는 단계에 걸쳐 상세히 설명하도록 한다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 학습 데이터 세트를 획득할 수 있다. 학습 데이터 세트의 획득은, 외부 서버(20)로부터 학습 데이터 세트를 수신하는 것을 의미할 수 있다. 학습 데이터 세트는 다양한 카테고리의 비디오 데이터들 및 각 비디오 데이터에 관련한 정보 등을 포함할 수 있다. 일 실시예에 따르면, 학습 데이터 세트는, 복수의 학습 데이터 및 복수의 학습 서브 데이터를 포함할 수 있다. 복수의 학습 데이터는 본 개시의 비디오 생성 모델을 생성하기 위해 활용되는 데이터일 수 있으며, 복수의 학습 서브 데이터는 본 개시의 제 1 생성적 적대 신경망 모델을 학습시키기 위해 활용되는 데이터일 수 있다.

본 개시의 일 실시예에 따르면, 학습 데이터 세트는 복수의 학습 데이터를 포함할 수 있다. 복수의 학습 데이터는 전술한 바와 같이, 본 개시의 비디오 생성 모델을 생성하기 위해 활용되는 데이터일 수 있다.

학습 데이터는 학습 비디오 데이터에 관련한 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성된 학습 입력 데이터를 포함할 수 있다. 여기서, 학습 단일 이미지 데이터는, 복수의 프레임으로 구성되는 비디오 데이터를 생성하는데 기반이 되는 이미지 데이터를 의미할 수 있다. 학습 단일 이미지 데이터는, 키 프레임 이미지 데이터와 관련한 것일 수 있다. 키 프레임이란, 영상 데이터의 시작 프레임과 마지막 프레임 중에서 해당 영상 데이터의 전체 정보 또는 대표성을 나타내는 프레임을 의미할 수 있다. 예컨대, 키 프레임 이미지 데이터는, 비디오 데이터를 구성하는 복수의 프레임 중 각 프레임 간 변화량이 가장 큰 프레임일 수 있으며, 복수의 프레임 상에 포함된 하나 이상의 오브젝트의 모션(또는 동작)의 변화량이 가장 큰 프레임을 의미할 수 있다. 전술한 키 프레임 이미지 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

학습 액션 라벨 데이터는, 단일 이미지 데이터에 기반한 비디오 데이터의 모션을 결정하기 위한 기준이 되는 데이터일 수 있다. 학습 액션 라벨 데이터는, 비디오 데이터에 포함된 적어도 하나의 오브젝트의 동작 또는 모션을 결정하기 위한 기준이 되는 데이터일 수 있다. 예를 들어, 학습 액션 라벨 데이터는, '축구'라는 특정 종목에 관련한 정보를 포함할 수 있다. 다른 예를 들어, 학습 액션 라벨 데이터는, '피겨스케이팅'이라는 특정 종목에 관련한 정보를 포함할 수 있다. 전술한 액션 라벨 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

또한, 학습 데이터는 학습 비디오 데이터로 구성된 학습 출력 데이터를 포함할 수 있다. 구체적인 예를 들어, 학습 입력 데이터는 제 1 학습 비디오 데이터에서의 제 1 시점에 대응하는 제 1 학습 단일 이미지 데이터와 '축구'라는 종목에 관련한 정보를 포함하는 학습 액션 라벨 데이터를 포함할 수 있으며, 학습 출력 데이터는 제 1 학습 비디오 데이터일 수 있다. 즉, 전체 영상에 관련한 비디오 데이터(즉, 전체 축구 영상)를 통해 학습 출력 데이터가 구성될 수 있으며, 전체 영상 중 특정 시점에 관련한 하나의 프레임인 단일 이미지 데이터와 액션 라벨 데이터가 학습 입력 데이터로 구성될 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행할 수 있다. 생성적 적대 신경망 모델 ?? 재 1 생성적 적대 신경망 모델에 대한 구체적인 설명은 도 3 및 도 4를 참조하여 이하에서 후술하도록 한다.

도 3에 도시된 바와 같이, 생성자 모델(210)은 학습 입력 데이터(201)를 입력으로 하여 학습 비디오 데이터(203)에 대응하는 비디오 데이터(202)를 출력하는 신경망 모델일 수 있다. 생성자 모델(210)은 차원 감소 서브 모델(예컨대, 인코더(encoder)) 및 차원 복원 서브 모델(예컨대, 디코더(decoder))을 포함할 수 있다.

구체적으로, 프로세서(130)는 생성자 모델(210)에 포함된 차원 감소 서브 모델에 학습 단일 이미지 데이터를 포함하는 학습 입력 데이터를 입력으로 하여 해당 학습 입력 데이터에 대응하는 피처를 출력하고, 그리고 출력된 피처를 차원 복원 서브 모델의 입력으로 처리하여 학습 비디오 데이터에 관련한 비디오 데이터를 출력할 수 있다. 프로세서(130)는 차원 복원 서브 모델의 출력인 비디오 데이터를 학습 출력 데이터와 비교하여 오차를 도출하고, 도출된 오차에 기초하여 각 모델의 가중치를 역전파(backpropagation) 방식으로 조정할 수 있다. 프로세서(130)는 학습 입력 데이터에 대한 차원 복원 서브 모델의 연산 결과와 학습 출력 데이터의 오차에 기초하여 차원 복원 서브 모델의 출력인 비디오 데이터가 학습 출력 데이터에 가까워지도록 하나 이상의 네트워크 함수의 가중치를 조정할 수 있다.

즉, 차원 감소 서브 모델은 프로세서(130)로부터 학습 단일 이미지 데이터 및 학습 액션 라벨 데이터를 포함하는 학습 입력 데이터를 수신하여 학습 입력 데이터의 특정 벡터에 관련한 피처를 출력으로 지정하여 입력 데이터가 피처로 변환되는 중간 과정을 학습할 수 있다.

다시 말해, 생성자 모델(210)은 차원 감소 서브 모델을 통해 학습 입력 데이터에 대한 피처를 추출하고, 해당 피처를 차원 복원 서브 모델에 입력으로 처리하여 학습 출력 데이터와 유사한 영상 데이터를 출력하도록 학습될 수 있다. 이 경우, 생성자 모델(210)의 출력과 관련한 영상 데이터는 실제(real) 데이터인 학습 출력 데이터와 유사한 가짜(fake) 데이터에 관련한 것일 수 있다.

분류자 모델(220)은 학습 비디오 데이터 또는 비디오 데이터를 입력으로 하여 진위 여부에 관한 정보 및 액션 라벨 데이터를 출력하는 신경망 모델일 수 있다. 이 경우, 분류자 모델(220)의 입력에 관련한 학습 비디오 데이터는, 실제 영상 콘텐츠에 관련한 비디오 데이터일 수 있으며, 비디오 데이터는, 생성자 모델(210)을 통해 출력된 실제 데이터와 유사한 가짜 비디오 데이터일 수 있다. 즉, 분류자 모델(220)은 실제 비디오 데이터 및 가짜 비디오 데이터 중 적어도 하나를 입력으로 하여, 입력에 관련한 데이터가 실제 데이터인지 또는 가짜 데이터인지 여부를 판별할 수 있다. 또한, 분류자 모델(220)은 입력에 관련한 비디오 데이터에 관련한 액션 라벨 데이터를 출력할 수 있다.

예를 들어, 분류자 모델(220)은 학습 비디오 데이터를 입력으로 하여 해당 학습 비디오 데이터가 실제 데이터라는 진위 여부에 관한 정보 및 해당 비디오 데이터가 '축구'라는 액션 라벨 데이터를 출력할 수 있다. 다른 예를 들어, 분류자 모델(220)은 비디오 데이터를 입력으로 하여 해당 비디오 데이터가 생성자 모델을 통해 생성된 가짜 데이터라는 진위 여부에 관한 정보 및 해당 비디오 데이터가 '테니스'라는 액션 라벨 데이터를 출력할 수 있다. 전술한 액션 라벨 데이터에 관련한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 생성자 모델과 분류자 모델을 포함하는 생성적 적대 신경망에 대한 학습을 수행할 수 있다. 구체적으로, 프로세서(130)는 생성자 모델(210)과 분류자 모델(220)의 적대 로스를 통한 학습을 수행할 수 있다. 적대 로스는, 생성자 모델(210) 및 분류자 모델(220) 간의 적대적 학습에 관련한 로스를 의미할 수 있다.

구체적인 예를 들어, 분류자 모델(220)은 진짜 비디오 데이터(예컨대, 학습 비디오 데이터)를 입력으로 하는 경우, 1에 가까운 확률값을 출력하고, 가짜 비디오 데이터(예컨대, 생성자 모델을 통해 출력된 비디오 데이터)를 입력으로 하는 경우, 0에 가까운 확률값을 출력하도록 학습될 수 있다. 진짜 비디오 데이터를 입력했을때의 출력값과 1의 차이, 그리고 가짜 비디오 데이터를 입력했을때의 출력값과 0과의 차이, 두 경우의 합이 분류자 모델의 로스(또는 손실 함수)일 수 있다. 생성자 모델(210)의 목적은 분류자 모델을 속이는 것(즉, 진짜 비디오 데이터와 유사한 가짜 데이터를 생성)으로, 생성자 모델(210)이 생성한 가짜 비디오 데이터를 분류자 모델(220)에 입력했을 때 출력값이 1에 가깝게 나오도록 학습될 수 있다. 해당 출력값과 1의 오차가 생성자 모델(210)의 로스일 수 있다. 즉, 프로세서(130)에 의해 각 모델은 로스가 최소화되는 방향으로 학습될 수 있다. 다시 말해, 프로세서(130)는 적대 로스가 최소화되는 방향으로 생성자 모델(210) 및 분류자 모델(220)의 파라미터를 업데이트함으로써, 생성적 적대 신경망에 대한 학습을 수행할 수 있다. 프로세서(130)는 생성자 모델(210)을 통해 최대한 정답에 가까운 가짜 비디오 데이터를 생성하도록 하고, 분류자 모델(220)을 통해 가짜 비디오 데이터를 가짜로 판별될 확률이 높도록 각 모델의 파라미터를 업데이트 함으로써 생성적 적대 신경망 모델(200)에 대한 학습을 수행할 수 있다.

즉, 프로세서(130)는 생성자 모델(210) 및 분류자 모델(220) 간의 적대 로스가 반영된 전체 로스를 통해 생성자 모델(210) 및 분류자 모델(220)의 파라미터를 업데이트함으로써, 생성적 적대 신경망 모델(200)에 대한 학습을 수행할 수 있다.

본 개시의 일 실시예에 따르면, 생성적 적대 신경망 모델(200)은 하나 이상의 어텐션 모듈을 포함할 수 있다. 구체적으로, 생성적 적대 신경망 모델에 포함된 분류자 모델에는 하나 이상의 어텐션 모듈이 구비될 수 있다. 프로세서(130)는 신경망 층을 포함하는 어텐션 모듈로 하여금 분류자 모델(220)의 입력과 출력 사이의 매칭 관계를 학습하도록 할 수 있다. 하나 이상의 어텐션 모듈은 분류자 모델(220)의 입력 및 출력에 관련하여 하나 이상의 프레임 간의 집중해야 할 요소를 강조하기 위한 연관 정보를 생성할 수 있다. 다시 말해, 하나 이상의 어텐션 모듈은 현재 분류자 모델(220)의 아웃풋 시퀀스가 어떤 인풋 시퀀스와 가장 높은 연관이 있는지에 대한 연관 정보를 생성할 수 있다.

자세히 설명하면, 분류자 모델(220)의 입력은 학습 비디오 데이터(즉, 실제 비디오 데이터) 또는 비디오 데이터(즉, 생성자 모델을 통해 출력된 가짜 비디오 데이터) 중 적어도 하나일 수 있으며, 출력은 입력에 관련한 데이터가 실제인지 또는 가짜인지에 관련한 진위 여부에 대한 정보일 수 있다. 이 경우, 실제 비디오 데이터 및 가짜 비디오 데이터는 복수의 프레임으로 구성된 비디오 데이터로, 시계열적인 정보를 포함할 수 있다.

예를 들어, 분류자 모델(220)은 학습 비디오 데이터를 입력으로 하는 경우, 해당 학습 비디오 데이터가 실제라는 진위 여부 정보를 출력할 수 있다. 하나 이상의 어텐션 모듈은 분류자 모델(220)의 진위 여부 판별 과정에서, 학습 비디오 이미지를 구성하는 복수의 프레임 중 어떠한 시점에 관련한 프레임이 해당 판별 결과에 영향을 미치는지, 즉, 진위 여부 판별 과정에서 어떠한 프레임에 집중해야하는지 여부에 관한 연관 정보를 생성할 수 있다.

다른 예를 들어, 분류자 모델(220)은 비디오 데이터(예컨대, 가짜 비디오 데이터)를 입력으로 하는 경우, 해당 비디오 데이터가 가짜라는 진위 여부 정보를 출력할 수 있다. 하나 이상의 어텐션 모듈은 분류자 모델(220)의 인위 여부 판별 과정에서 어떠한 프레임에 집중해야하는지 여부에 관한 연관 정보를 생성함으로써, 분류자 모델(220)로 하여금 프레임 간의 변화에 따른 진위 여부 판별의 정확도를 향상시킬 수 있다. 전술한 분류자 모델 및 어텐션 모듈에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 생성적 적대 신경망 모델(200)에 구비된 하나 이상의 어텐션 모듈은, 다양한 비디오 데이터(예컨대, 학습 비디오 데이터에 관련한 진짜 비디오 데이터 또는, 생성자 모델을 통해 출력된 가짜 비디오 데이터)에 대한 분류자 모델(220)의 진위 여부 판별 과정에서 분류자 모델(220)의 입력과 출력 시퀀스 간의 연관 정보를 통해 비디오 데이터를 구성하는 프레임 간의 집중해야 요소를 강조할 수 있다. 이는, 생성자 모델(210)로 하여금 프레임 간 변화가 보다 자연스러운 비디오 데이터를 생성하도록 하는 효과를 제공할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 비디오 데이터의 연관 정보에 관련한 제 1 어텐션 마스크 및 학습 비디오 데이터의 연관 정보에 관련한 제 2 어텐션 마스크 간의 로스에 대응하는 일시적 어텐션 로스(temporal attention loss)를 산출할 수 있다. 제 1 어텐션 마스크는, 생성자 모델(210)을 통해 출력된 비디오 데이터(즉, 가짜 비디오 데이터)와 진위 여부 정보(예컨대, 가짜 데이터) 간의 연관 정보일 수 있으며, 제 2 어텐션 마스크는, 실제 비디오 데이터(즉, 학습 비디오 데이터)와 진위 여부 정보(예컨대, 진짜 데이터) 간의 연관 정보일 수 있다. 이 경우, 제 1 어텐션 마스크와 제 2 어텐션 마스크는 서로 상이한 데이터 간의 연관 정보에 기초하여 산출됨에 따라 각 어텐션 마스크 간의 로스가 발생할 수 있으며, 해당 로스가 일시적 어텐션 로스일 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 생성자 모델(210) 및 분류자 모델(220)을 포함하는 생성적 적대 신경망에 대한 학습을 수행할 수 있다. 구체적으로, 프로세서(130)는 생성자 모델(210)과 분류자 모델(220)의 적대 로스 및 제 1 어텐션 마스크와 제 2 어텐션 마스크의 로스 간의 로스에 관련한 일시적 어텐션 로스를 통한 학습을 수행할 수 있다. 다시 말해, 프로세서(130)는 적대 로스 및 어텐션 로스가 반영된 전체 로스를 이용하여 생성자 모델 및 분류자 모델의 파라미터를 업데이트하여 학습을 수행할 수 있다.

적대 로스는, 생성자 모델(210)과 분류자 모델(220) 간의 적대적 학습에 관련한 로스일 수 있다. 이에 따라, 적대 로스가 전체 로스에 반영되는 학습(즉, 적대 로스가 최소가 되는 학습)이 수행되는 경우, 생성자 모델(210)을 통해 출력되는 가짜 비디오 데이터는 실제 비디오 데이터와의 유사도가 높아질 수 있다. 즉, 적대 로스가 반영된 전체 로스를 통해 학습으로 인해, 생성자 모델(210)은 단일 이미지 데이터에 기반하여 보다 풍부하고 정교한 비디오 데이터를 출력할 수 있다.

또한, 일시적 어텐션 로스는, 생성자 모델(210)을 통해 생성된 가짜 비디오 데이터와 진위 여부에 관련한 연관 정보에 대응하는 제 1 어텐션 마스크 및 학습 비디오 데이터인 실제 비디오 데이터에 관련한 연관 정보에 대응하는 제 2 어텐션 마스크 간의 로스일 수 있다. 이에 따라, 일시적 어텐션 로스가 전체 로스에 반영된 학습(즉, 일시적 어텐션 로스에 기반한 생성자 모델 및 분류자 모델의 파라미터를 업데이트)이 수행되는 경우, 생성자 모델(210)을 통해 출력되는 비디오 데이터는 각 프레임 간의 변화가 보다 자연스러울 수 있다.

자세히 설명하면, 실제 비디오 데이터와 진위 여부에 관련한 연관 정보인 제 2 어텐션 마스크에 가짜 비디오 데이터와 진위 여부에 관련한 연관 정보인 제 1 어센션 마스크 간의 일시적 어텐션 로스를 통한 학습을 통해 생성자 모델(210)은 실제 데이터와 유사한 연관 정보에 기반하여 가짜 비디오를 생성할 수 있다. 이에 따라, 일시적 어텐션 로스가 반영된 전체 로스를 통해 생성자 모델(210) 프레임 간 변화가 보다 자연스러우며 다이나믹한 비디오 데이터를 생성할 수 있다. 즉, 생성적 적대 신경망 모델(200)에 포함된 생성자 모델(210)과 분류자 모델(220) 간의 적대 로스 이외에 하나 이상의 어텐션 모듈을 통해 야기되는 일시적 어텐션 로스를 전체 로스로써 고려함에 따라 프레임 간 변화가 보다 자연스러우며 다이나믹한 비디오 데이터를 생성할 수 있다.

본 개시의 일 실시예에 따르면, 학습 데이터 세트는, 복수의 학습 서브 데이터를 포함할 수 있다. 복수의 학습 서브 데이터는, 본 개시의 제 1 생성적 적대 신경망 모델(300)을 학습시키기 위한 데이터로 활용될 수 있다.

학습 서브 데이터는 학습 비디오 데이터로 구성된 학습 입력 서브 데이터를 포함할 수 있다. 여기서, 학습 비디오 데이터는, 복수의 프레임으로 구성되는 비디오 데이터이며, 실제에 관련한 비디오 데이터를 의미할 수 있다.

또한, 학습 서브 데이터는 학습 비디오 데이터에 관련한 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성된 학습 출력 서브 데이터를 포함할 수 있다.

즉, 본 개시에서 이미지 데이터 생성 모델의 학습에 기반이 되는 복수의 학습 서브 데이터는, 학습 비디오 데이터로 구성된 학습 입력 서브 데이터 및 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성된 학습 출력 서브 데이터를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 복수의 학습 서브 데이터를 통해 제 1 생성자 모델(310) 및 제 1 분류자 모델(320)을 포함하는 제 1 생성적 적대 신경망 모델(300)에 대한 학습을 수행할 수 있다. 제 1 생성자 모델(310)은, 도 4에 도시된 바와 같이, 학습 입력 서브 데이터를 입력으로 하여 키 프레임에 관련한 단일 이미지 데이터를 출력하는 신경망 모델일 수 있다. 제 1 생성자 모델(310)은 제 1 차원 감소 서브 모델 및 제 1 차원 복원 서브 모델을 포함할 수 있다.

구체적으로, 프로세서(130)는 제 1 생성자 모델(310)에 포함된 차원 감소 서브 모델에 학습 비디오 데이터로 구성된 학습 입력 서브 데이터를 입력으로 하여 해당 학습 입력 서브 데이터에 대응하는 피처를 출력하고, 그리고 출력된 피처를 차원 복원 서브 모델의 입력으로 처리하여 학습 출력 서브 데이터에 포함된 단일 이미지 데이터를 출력할 수 있다. 프로세서(130)는 차원 복원 서브 모델의 출력인 단일 이미지 데이터를 학습 단일 이미지 데이터와 비교하여 오차를 도출하고, 도출된 오차에 기초하여 각 모델의 가중치를 역전파 방식으로 조정할 수 있다. 프로세서(130)는 학습 입력 서브 데이터에 대한 차원 복원 서브 모델의 연산 결과와 학습 출력 서브 데이터의 오차에 기초하여 차원 복원 서브 모델의 출력인 단일 이미지 데이터가 학습 출력 서브 데이터에 가까워지도록 하나 이상의 네트워크 함수의 가중치를 조정할 수 있다.

다시 말해, 제 1 생성자 모델(310)은 차원 감소 서브 모델을 통해 학습 입력 서브 데이터에 대한 피처를 추출하고, 해당 피처를 차웜 복원 서브 모델에 입력으로 처리하여 학습 출력 서브 데이터와 유사한 단일 이미지 데이터를 출력하도록 학습될 수 있다. 이 경우, 제 1 생성자 모델(310)의 출력과 관련한 단일 이미지 데이터는 실제 데이터인 학습 출력 서브 데이터와 유사한 가짜 데이터에 관련한 것일 수 있다.

제 1 분류자 모델(320)은 도 4에 도시된 바와 같이, 학습 단일 이미지 데이터 또는 단일 이미지 데이터를 입력으로 하여 제 1 진위 여부에 관한 정보를 출력하는 신경망 모델일 수 있다. 이 경우, 제 1 분류자 모델(320)의 입력에 관련한 학습 단일 이미지 데이터는, 실제 비디오 데이터에 관련한 단일 이미지 데이터와 액션 라벨 데이터일 수 있으며, 출력에 관련한 단일 이미지 데이터는 제 1 생성자 모델(310)을 통해 출력된 실제 데이터와 유사한 가짜 단일 이미지 데이터일 수 있다. 즉, 제 1 분류자 모델(320)은 실제 단일 이미지 데이터 또는 가짜 단일 이미지 데이터 중 적어도 하나를 입력으로 하여, 입력에 관련한 데이터가 실제 데이터인지 또는 가짜 데이터인지 여부를 판별하여 제 1 진위 여부 정보를 생성할 수 있다. 또한, 제 1 분류자 모델(320)은 입력에 관련한 단일 이미지 데이터에 관련한 액션 라벨 데이터를 출력할 수 있다.

예를 들어, 제 1 분류자 모델(320)은 학습 단일 이미지 데이터를 입력으로 하여 해당 단일 이미지 데이터가 실제 데이터라는 제 1 진위 여부에 관한 정보 및 해당 단일 이미지 데이터가 '농구'라는 액션 라벨 데이터를 출력할 수 있다. 다른 예를 들어, 제 1 분류자 모델(320)은 단일 이미지 데이터(예컨대, 제 1 생성자 모델을 통해 출력된 가짜 단일 이미지 데이터)를 입력으로 하여 해당 단일 이미지 데이터가 가짜 데이터라는 제 1 진위 여부에 관한 정보 및 해당 단일 이미지 데이터가 '아이스 스케이팅'이라는 액션 라벨 데이터를 출력할 수 있다. 전술한 액션 라벨 데이터에 관련한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 제 1 생성자 모델(310) 및 제 1 분류자 모델(320)을 포함하는 제 1 생성적 적대 신경망 모델(300)에 대한 학습을 수행할 수 있다. 구체적으로, 프로세서(130)는 제 1 생성자 모델(310) 및 제 1 분류자 모델(320)의 제 1 적대 로스를 통한 학습을 수행할 수 있다. 제 1 적대 로스는, 제 1 생성자 모델(310)과 제 1 분류자 모델 간의 적대적 학습에 관련한 로스를 의미할 수 있다.

즉, 프로세서(130)는 제 1 생성자 모델(310) 및 제 1 분류자 모델(320) 간의 제 1 적대 로스가 반영된 전체 로스를 통해 생성자 모델(210), 분류자 모델(220), 제 1 생성자 모델(310) 및 제 1 분류자 모델(320)의 파라미터를 업데이트 함으로써, 생성적 적대 신경망 모델(200) 및 제 1 생성적 적대 신경망 모델(300)에 대한 학습을 수행할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 생성자 모델(210) 및 제 1 생성자 모델(310)을 활용하여 생성적 적대 신경망 모델(200) 및 제 1 생성적 적대 신경망 모델(300)에 대한 순환 학습을 수행할 수 있다. 순환 학습은 제 1 생성자 모델(310)의 출력을 생성자 모델(210)의 입력으로 처리하여 생성된 비디오 데이터를 제 1 생성자 모델의 입력에 관련한 학습 비디오 데이터와 비교하여 산출된 사이클 로스(cycle loss)가 반영된 전체 로스를 이용하여 생성자 모델, 분류자 모델, 제 1 생생자 모델 및 제 1 분류자 모델의 파라미터를 업데이트함으로써 수행될 수 있다. 다시 말해, 순환 학습은, 학습 단일 이미지 데이터를 입력으로 하여 비디오 데이터를 출력하는 생성자 모델(210)과 비디오 데이터를 입력으로 하여 학습 단일 이미지 데이터를 출력하는 제 1 생성자 모델(310) 간의 순환 과정에서 발생하는 로스를 통해 생성적 적대 신경망 모델(200) 및 제 1 생성적 적대 신경망 모델을 구성하는 네트워크 함수 각각의 파라미터를 조정하는 것을 의미할 수 있다.

보다 자세히 설명하면, 제 1 생성자 모델(310)은 학습 비디오 데이터를 입력으로 하여 학습 단일 이미지 데이터(즉, 실제 단일 이미지 데이터)와 유사한 단일 이미지 데이터를 출력하는 모델일 수 있다. 이 경우, 제 1 생성자 모델(310)의 출력에 관련한 단일 이미지 데이터는 실제 단일 이미지 데이터와 유사한 가짜 단일 이미지 데이터일 수 있다. 프로세서(130)는 제 1 생성자 모델(310)의 출력인 가짜 단일 이미지 데이터를 생성자 모델(210)의 입력으로 처리할 수 있다. 이 경우, 생성자 모델(210)은 단일 이미지 데이터를 입력으로 하여 해당 단일 이미지 데이터에 대응하는 비디오 데이터를 출력하는 모델일 수 있다. 즉, 생성자 모델(210)을 프로세서(130)에 의해 제 1 생성자 모델(310)의 출력에 관련한 가짜 단일 이미지 데이터를 입력으로 하여 해당 가짜 단일 이미지 데이터에 대응하는 비디오 데이터(즉, 가짜 비디오 데이터)를 출력할 수 있다. 또한, 프로세서(130)는 생성자 모델(210)이 가짜 단일 이미지 데이터를 입력으로 하여 출력한 가짜 비디오 데이터와 제 1 생성자 모델(310)의 입력에 관련한 학습 비디오 데이터(즉, 실제 비디오 데이터) 간의 사이클 로스를 산출하고, 해당 사이클 로스가 반영된 전체 로스를 통해 생성자 모델(210), 분류자 모델(220), 제 1 생성자 모델(310) 및 제 1 분류자 모델(320)의 파라미터를 업데이트함으로써, 생성적 적대 신경망 모델(200) 및 제 1 생성적 적대 신경망 모델(300)에 대한 학습을 수행할 수 있다. 다시 말해, 제 1 생성자 모델(310)을 통해 출력된 가짜 단일 이미지 데이터에 기반하여 생성자 모델(210)은 가짜 비디오 데이터를 생성할 수 있으며, 순환 과정을 통해 생성된 가짜 비디오 데이터와 진짜 비디오 데이터 사이에 발생하는 사이클 로스를 통해 생성적 적대 신경망 모델(200) 및 제 1 생성적 적대 신경망 모델(300)에 대한 학습이 수행될 수 있다. 이에 따라, 생성적 적대 신경망 모델(200)의 생성자 모델(210)을 통해 구현되는 비디오 생성 모델(400)은 각 생성적 적대 신경망 모델 간의 순환 학습 과정에서 발생한 사이클 로스를 고려함으로써, 비디오 데이터를 구성하는 복수의 프레임에 관련한 이미지 데이터들을 생성하는 과정에서 이미지 데이터들의 품질을 향상시킬 수 있다. 예컨대, 사이클 로스가 반영된 전체 로스를 통한 학습이 수행되는 경우, 이미지 데이터들 각각에 위치하는 오브젝트 또는 배경에 관련한 해상도가 향상될 수 있다. 즉, 전술한 학습들의 완료 시점에 대응하여 생성된 비디오 생성 모델(400)은 향상된 해상도를 갖는 복수의 이미지들을 복수의 프레임으로써 포함하는 비디오 데이터를 생성함으로써, 비디오 데이터의 품질 향상을 도모할 수 있다.

즉, 본 개시에서 프로세서(130)가 수행하는 생성적 적대 신경망 모델(200) 및 제 1 생성적 적대 신경망 모델(300)에 대한 학습에 기반이 되는 전체 로스는, 적대 로스, 제 1 적대 로스, 일시적 어텐션 로스 및 사이클 로스가 반영된 것일 수 있다. 구체적으로, 프로세서(130)는 생성적 적대 신경망 모델(200)을 구성하는 생성자 모델(210) 및 분류자 모델(220) 간의 적대 로스, 제 1 생성적 적대 신경망 모델(300)을 구성하는 제 1 생성자 모델(310)과 제 1 분류자 모델(320) 간의 제 1 적대 로스, 분류자 모델(220)에 구비된 하나 이상의 어텐션 모듈의 동작에 대응하여 산출되는 일시적 어텐션 로스 및 생성자 모델(210) 및 제 1 생성자 모델(310) 간의 순환 학습을 통해 발생하는 사이클 로스가 반영된 것일 수 있다.

이에 따라, 각 신경망 모델 간의 적대 학습에 관련한 적대 로스 및 제 1 적대 로스가 전체 로스에 반영되는 학습이 수행되는 경우, 생성자 모델(210)을 통해 출력되는 가짜 비디오 데이터는 실제 비디오 데이터와의 유사도가 높아질 수 있다. 다시 말해, 적대 로스 및 제 1 적대 로스가 반영된 전체 로스를 통한 학습으로 인해, 생성자 모델(210)은 단일 이미지 데이터에 기반하여 보다 풍부하고 정교한 비디오 데이터를 출력할 수 있다.

또한, 일시적 어텐션 로스는, 생성자 모델(210)을 통해 생성된 가짜 비디오 데이터와 진위 여부에 관련한 연관 정보에 대응하는 제 1 어텐션 마스크 및 학습 비디오 데이터인 실제 비디오 데이터에 관련한 연관 정보에 대응하는 제 2 어텐션 마스크 간의 로스일 수 있다. 이에 따라, 일시적 어텐션 로스가 전체 로스에 반영된 학습(즉, 일시적 어텐션 로스에 기반한 생성자 모델 및 분류자 모델의 파라미터를 업데이트)이 수행되는 경우, 생성자 모델을 통해 출력되는 비디오 데이터는 각 프레임 간의 변화가 보다 자연스러울 수 있다.

추가적으로, 생성적 적대 신경망 모델(200) 및 제 1 생성적 적대 신경망 모델(300)의 학습을 위한 전체 로스에 생성자 모델(210) 및 제 1 생성자 모델(310) 간의 순환 학습에 관련한 사이클 로스가 반영됨에 따라, 본 개시의 생성적 적대 신경망 모델(200)의 생성자 모델(210)을 통해 구현되는 비디오 생성 모델(400)은 단일 이미지 내 존재하는 오브젝트 및 배경에 대한 해상도가 향상된 비디오 데이터를 제공할 수 있다.

즉, 본 개시의 비디오 생성 모델(400)은 생성적 적대 신경망 모델(200)에 포함된 생성자 모델(210)과 분류자 모델(220) 간의 적대 로스, 제 1 생성자 모델(310)과 분류자 모델(220) 간의 제 1 적대 로스, 하나 이상의 어텐션 모듈을 통해 야기되는 일시적 어텐션 로스 및 순환 학습에 따른 사이클 로스를 전체 로스로써 고려한 학습의 수행(즉, 각 신경망의 파라미터를 업데이트)을 통해 생성됨에 따라, 단일 이미지 데이터에 대응하는 비디오 데이터를 생성하는 과정에서 비디오 데이터를 구성하는 풍부하고 정교한 비디오 데이터를 생성하도록 하는 효과, 각 프레임의 자연스럽고 다이나믹한 변화가 가능하도록 하는 효과 및 각 프레임의 이미지 데이터 각각의 품질을 향상시키는 효과를 제공할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 단일 이미지 데이터 및 액션 라벨 데이터를 수신할 수 있다. 단일 이미지 데이터는, 영상 데이터 생성에 기반이 되는 이미지 데이터일 수 있다. 단일 이미지 데이터는 본 개시의 컴퓨팅 장치(100)를 통해 영상 데이터 생성되는 경우, 해당 영상 데이터를 구성하는 복수의 프레임 중 적어도 하나의 프레임을 구성할 수 있다. 즉, 단일 이미지 데이터는 생성된 비디오 데이터를 구성하는 복수의 프레임 중 적어도 하나의 프레임에 관련한 이미지 데이터일 수 있다. 예컨대, 단일 이미지 데이터는, 키 프레임에 관련한 이미지 데이터일 수 있다. 키 프레임에 관련한 이미지 데이터는, 비디오 데이터의 시작 프레임과 마지막 프레임 중에서 해당 영상 데이터의 전체 정보 또는 대표성을 나타내는 프레임에 관련한 이미지 데이터를 의미할 수 있다. 액션 라벨 데이터는, 단일 이미지 데이터 기반한 비디오 데이터의 모션을 결정하기 위한 기준이 되는 데이터일 수 있다.

추가적인 실시예에서, 프로세서(130)는 단일 이미지 데이터를 수신할 수 있으며, 해당 단일 이미지 데이터에 대한 딥러닝 기반 이미지 분석을 수행하여 액션 라벨 데이터를 획득할 수도 있다. 예컨대, 프로세서(130)는 단일 이미지 데이터에 대한 이미지 분석을 통해 해당 이미지 내에 특정 오브젝트가 존재함을 식별하고, 식별된 오브젝트에 기반하여 액션 라벨 데이터를 결정할 수 있다. 구체적인 예를 들어, 프로세서(130)가 수신한 단일 이미지 데이터에 대한 이미지 분석을 수행하여 해당 이미지 데이터 내에 축구공에 관련한 오브젝트가 식별되는 경우, 프로세서(130)는 단일 이미지 데이터에 대응하는 액션 라벨 데이터를 '축구'로 결정할 수 있다. 전술한 액션 라벨 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

또한, 프로세서(130)는 도 5에 도시된 바와 같이, 단일 이미지 데이터 및 액션 라벨 데이터(401)를 비디오 생성 모델(400)의 입력으로 처리하여 액션 라벨 데이터에 대응하는 비디오 데이터(402)를 생성할 수 있다. 즉, 비디오 생성 모델(400)을 통해 생성되는 비디오 데이터는 해당 단일 이미지 데이터에 관련한 이미지 데이터를 적어도 하나의 프레임으로써 포함하며, 복수의 프레임들의 조합을 통해 액션 라벨 데이터에 대응하는 모션을 구현하는 영상 콘텐츠일 수 있다. 구체적인 예를 들어, 단일 이미지 데이터가 제 1 사용자에 관련한 오브젝트를 포함하며, 액션 라벨 데이터가 농구에 관련한 데이터인 경우, 프로세서(130)는 제 1 사용자를 통해 농구에 관련한 모션을 구현하는 비디오 데이터를 생성할 수 있다. 전술한 오브젝트, 액션 라벨 데이터 및 비디오 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 액션 라벨 데이터를 식별하고 단일 이미지 내에 액션 라벨 데이터에 대응하는 하나 이상의 오브젝트 또는 하나 이상의 백그라운드가 존재하는지 여부를 식별할 수 있다. 예컨대, 액션 라벨 데이터가 '축구'인 경우, 단일 이미지 데이터 내에 축구에 관련한 하나 이상의 오브젝트(예컨대, 축구공, 축구선수 등) 또는 하나 이상의 백그라운드(예컨대, 경기장, 관중 등)가 존재하는지 여부를 식별할 수 있다. 전술한 액션 라벨 데이터, 오브젝트 및 백그라운드에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

또한, 프로세서(130)는 하나 이상의 오브젝트 또는 하나 이상의 백그라운드 중 적어도 하나가 존재하는 않는 것으로 식별한 경우, 액션 라벨 데이터에 대응하는 추가 오브젝트에 관련한 오브젝트 이미지 데이터 또는 추가 백그라운드에 관련한 백그라운드 이미지 데이터를 획득할 수 있다. 또한, 프로세서(130)는 오브젝트 이미지 데이터 및 백그라운드 이미지 데이터 중 적어도 하나를 단일 이미지의 적어도 일 영역에 삽입할 수 있다.

예를 들어, 제 1 단일 이미지 데이터에 기반하여 '축구'라는 액션 라벨 데이터를 가진 비디오 데이터 생성 과정에서, 프로세서(130)가 제 1 단일 이미지 데이터 내에 축구공이 존재하지 않음을 식별한 경우, 해당 액션 라벨 데이터를 통해 축구공에 관련한 오브젝트 이미지 데이터를 획득할 수 있다. 또한, 프로세서(130)는 축구공에 관련한 오브젝트 이미지 데이터를 단일 이미지 데이터의 적어도 일 영역에 삽입하여 image-in-image 형식의 단일 이미지 데이터로 조정할 수 있다. 상술한 제 1 단일 이미지 데이터 및 액션 라벨 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

다른 예를 들어, 제 2 단일 이미지 데이터에 기반하여 '아이스 스케이팅'이라는 액션 라벨 데이터를 가진 비디오 데이터 생성 과정에서, 프로세서(130)는 제 2 단일 이미지 데이터 내에 백그라운드가 존재하지 않는 것을 식별하고, 그리고 해당 백그라운드에 대응하는 백그라운드 이미지 데이터를 스케이팅 장과 비슷한 흰색으로 페인팅하여 단일 이미지 데이터를 조정할 수 있다. 상술한 제 2 단일 이미지 데이터 및 액션 라벨 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다. 전술한 단일 이미지 데이터, 액션 라벨 데이터에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 프로세서(130)는 비디오 데이터 생성에 기반이 되는 단일 이미지 데이터 내에 액션 라벨 데이터와 관련한 특정 오브젝트 또는 백그라운드가 식별되지 않는 경우, 해당 액셕 라벨 데이터에 기반하여 추가 오브젝트 및 추가 백그라운드를 식별하여 단일 이미지 데이터에 대한 조정을 수행할 수 있다. 예컨대, 비디오 데이터 생성에 기반이 되는 단일 이미지 데이터 내에 액션 라벨 데이터에 대응하는 오브젝트 또는 백그라운드가 존재하지 않는 경우, 비디오 생성 모델(400)의 출력의 정확도가 결여될 수 있다. 즉, 단일 이미지 데이터와 액션 라벨 데이터 사이의 의미적 차이(즉, gap)가 큰 경우, 해당 단일 이미지 데이터를 통해 비디오 데이터 생성이 어려울 수 있다.

즉, 본 개시는 오브젝트 이미지 데이터 또는 백그라운드 이미지 데이터를 통한 단일 이미지 데이터의 조정을 통해 비디오 생성 모델(400)을 활용하여 단일 이미지 데이터 기반 비디오 데이터를 생성하는 과정에서 모델의 성능 향상을 야기시킬 수 있다. 다시 말해, 본 개시의 비디오 생성 모델(400)은, 단일 이미지 데이터와 액션 라벨 데이터 같의 의미적 차이가 큰 경우에도 향상된 품질의 비디오 데이터를 제공할 수 있다.

도 6은 본 개시의 일 실시예와 관련된 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법을 수행하기 위한 단계들을 예시적으로 도시한 순서도이다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 학습 데이터를 세트를 획득할 수 있다(510).

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행할 수 있다(520).

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 학습이 완료된 시점에 대응하여 생성자 모델을 통해 비디오 생성 모델을 생성할 수 있다(530).

전술한 도 6에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 전술한 단계는 본 개시의 일 실시예에 불과할 뿐, 본 개시의 권리 범위는 이에 제한되지 않는다.

도 7은 본 개시의 일 실시예와 관련된 하나 이상의 네트워크 함수를 나타낸 개략도이다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 “노드”라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 “노드”들은 “뉴런(neuron)”들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의“링크”에 의해 상호 연결될 수 있다.

신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.

하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.

상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.

신경망은 하나 이상의 노드들을 포함하여 구성될 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다, 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.

최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다. 본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.

딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning) 및 반교사학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨이 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.

뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. (이하에서는 신경망으로 통일하여 기술한다.) 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수를 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 트레이닝을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.

데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 파라미터에 기초하여 출력 노드 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

본 개시의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 개시가 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 개시의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 개시의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.

여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.

제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (11)

1. 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법에 있어서,
   상기 프로세서가 학습 데이터 세트를 획득하는 단계;
   상기 프로세서가 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하는 단계; 및
   상기 프로세서가 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성하는 단계;
   를 포함하며,
   상기 학습 데이터 세트는,
   복수의 학습 데이터를 포함하며,
   상기 학습 데이터는, 학습 입력 데이터 및 학습 출력 데이터를 포함하며,
   상기 학습 입력 데이터는 학습 비디오 데이터에 관련한 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성되고, 상기 학습 출력 데이터는 상기 학습 비디오 데이터로 구성되며,
   상기 생성자 모델은,
   상기 학습 입력 데이터를 입력으로 하여 상기 학습 비디오 데이터에 대응하는 비디오 데이터를 출력하는 신경망 모델이며,
   상기 분류자 모델은,
   상기 학습 비디오 데이터 및 상기 비디오 데이터를 입력으로 하여 진위 여부에 관한 정보 및 액션 라벨 데이터를 출력하는 신경망 모델이며,
   상기 생성적 적대 신경망 모델은,
   상기 분류자 모델에 구비되어, 상기 분류자 모델의 입력 및 출력에 관련하여 하나 이상의 프레임 간의 집중해야 할 요소를 강조하기 위한 연관 정보를 생성하는 하나 이상의 어텐션(attention) 모듈을 더 포함하고,
   상기 방법은,
   상기 프로세서가 상기 비디오 데이터의 연관 정보에 관련한 제 1 어텐션 마스크 및 상기 학습 비디오 데이터의 연관 정보에 관련한 제 2 어텐션 마스크 간의 로스에 대응하는 일시적 어텐션 로스(temporal attention loss)를 산출하는 단계;를 더 포함하며,
   상기 학습은,
   상기 생성자 모델 및 상기 분류자 모델 간의 적대 로스(adversarial loss) 및 상기 일시적 어텐션 로스가 반영된 전체 로스를 이용하여 상기 생성자 모델 및 상기 분류자 모델의 파라미터를 업데이트함으로써 수행되는 것을 특징으로 하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법.
   
2. 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법에 있어서,
   상기 프로세서가 학습 데이터 세트를 획득하는 단계;
   상기 프로세서가 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하는 단계; 및
   상기 프로세서가 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성하는 단계;
   를 포함하며,
   상기 학습 데이터 세트는,
   복수의 학습 서브 데이터를 포함하며,
   상기 학습 서브 데이터는,
   학습 비디오 데이터로 구성된 학습 입력 서브 데이터 및 상기 학습 비디오 데이터에 관련한 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성된 학습 출력 서브 데이터를 포함하며,
   상기 방법은,
   상기 프로세서가 상기 복수의 학습 서브 데이터를 통해 제 1 생성자 모델 및 제 1 분류자 모델을 포함하는 제 1 생성적 적대 신경망 모델에 대한 학습을 수행하는 단계; 를 더 포함하고,
   상기 제 1 생성자 모델은,
   상기 학습 입력 서브 데이터를 입력으로 하여 키 프레임(key frame)에 관련한 단일 이미지 데이터를 출력하는 신경망 모델이며,
   상기 제 1 분류자 모델은,
   상기 키 프레임에 관련한 단일 이미지 데이터와 상기 학습 출력 서브 데이터를 입력으로 하여 제 1 진위 여부에 관한 정보 및 액션 라벨 데이터를 출력하는 신경망 모델인 것을 특징으로 하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법.
   
3. 제 2 항에 있어서,
   상기 프로세서가 상기 생성자 모델 및 상기 제 1 생성자 모델을 활용한 순환 학습을 수행하는 단계;
   를 더 포함하고,
   상기 순환 학습은,
   상기 제 1 생성자 모델의 출력을 상기 생성자 모델을 입력으로 처리하여 생성된 비디오 데이터와 상기 제 1 생성자 모델의 입력에 관련한 학습 비디오 데이터 간의 사이클 로스(cycle loss)가 반영된 전체 로스를 이용하여 상기 생성자 모델, 상기 분류자 모델, 상기 제 1 생성자 모델 및 상기 제 1 분류자 모델의 파라미터를 업데이트함으로써 수행되는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법.
   
4. 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법에 있어서,
   상기 프로세서가 학습 데이터 세트를 획득하는 단계;
   상기 프로세서가 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하는 단계;
   상기 프로세서가 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성하는 단계;
   상기 프로세서가 단일 이미지 데이터 및 액션 라벨 데이터를 획득하는 단계;
   상기 프로세서가 상기 단일 이미지 데이터 및 상기 액션 라벨 데이터를 상기 비디오 생성 모델의 입력으로 처리하여 상기 액션 라벨 데이터에 대응하는 비디오 데이터를 생성하는 단계; 및
   상기 프로세서가 생성된 상기 비디오 데이터를 사용자 단말로 전송할 것을 결정하는 단계;
   를 포함하며,
   상기 액션 라벨 데이터는,
   상기 단일 이미지 데이터에 기반한 비디오 데이터의 모션을 결정하기 위한 기준이 되는 데이터이고,
   상기 방법은,
   상기 프로세서가 상기 단일 이미지 데이터 내에 상기 액션 라벨 데이터에 대응하는 하나 이상의 오브젝트 또는 하나 이상의 백그라운드가 존재하는지 여부를 식별하는 단계;
   상기 프로세서가 상기 하나 이상의 오브젝트 또는 상기 하나 이상의 백그라운드 중 적어도 하나가 존재하지 않는 것으로 식별한 경우, 상기 액션 라벨 데이터에 대응하는 추가 오브젝트에 관련한 오브젝트 이미지 데이터 또는 추가 백그라운드에 관련한 백그라운드 이미지 데이터를 획득하는 단계; 및
   상기 프로세서가 상기 오브젝트 이미지 데이터 및 상기 백그라운드 이미지 데이터 중 적어도 하나를 상기 단일 이미지의 적어도 일 영역에 삽입하는 단계;
   를 더 포함하는,
   컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 방법.
   
5. 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치로서,
   하나 이상의 코어를 포함하는 프로세서;
   상기 프로세서에서 실행가능한 프로그램 코드들을 저장하는 메모리; 및
   사용자 단말과 데이터를 송수신하는 네트워크부;
   를 포함하고,
   상기 프로세서는,
   학습 데이터 세트를 획득하고, 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하고, 그리고 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성하며,
   상기 학습 데이터 세트는,
   복수의 학습 데이터를 포함하며,
   상기 학습 데이터는, 학습 입력 데이터 및 학습 출력 데이터를 포함하며,
   상기 학습 입력 데이터는 학습 비디오 데이터에 관련한 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성되고, 상기 학습 출력 데이터는 상기 학습 비디오 데이터로 구성되며,
   상기 생성자 모델은,
   상기 학습 입력 데이터를 입력으로 하여 상기 학습 비디오 데이터에 대응하는 비디오 데이터를 출력하는 신경망 모델이며,
   상기 분류자 모델은,
   상기 학습 비디오 데이터 및 상기 비디오 데이터를 입력으로 하여 진위 여부에 관한 정보 및 액션 라벨 데이터를 출력하는 신경망 모델이며,
   상기 생성적 적대 신경망 모델은,
   상기 분류자 모델에 구비되어, 상기 분류자 모델의 입력 및 출력에 관련하여 하나 이상의 프레임 간의 집중해야 할 요소를 강조하기 위한 연관 정보를 생성하는 하나 이상의 어텐션(attention) 모듈을 더 포함하고,
   상기 프로세서는 상기 비디오 데이터의 연관 정보에 관련한 제 1 어텐션 마스크 및 상기 학습 비디오 데이터의 연관 정보에 관련한 제 2 어텐션 마스크 간의 로스에 대응하는 일시적 어텐션 로스(temporal attention loss)를 산출하며,
   상기 학습은,
   상기 생성자 모델 및 상기 분류자 모델 간의 적대 로스(adversarial loss) 및 상기 일시적 어텐션 로스가 반영된 전체 로스를 이용하여 상기 생성자 모델 및 상기 분류자 모델의 파라미터를 업데이트함으로써 수행되는 것을 특징으로 하는,
   단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치.
   
6. 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치로서,
   하나 이상의 코어를 포함하는 프로세서;
   상기 프로세서에서 실행가능한 프로그램 코드들을 저장하는 메모리; 및
   사용자 단말과 데이터를 송수신하는 네트워크부;
   를 포함하고,
   상기 프로세서는,
   학습 데이터 세트를 획득하고, 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하고, 그리고 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성하며,
   상기 학습 데이터 세트는,
   복수의 학습 서브 데이터를 포함하며,
   상기 학습 서브 데이터는,
   학습 비디오 데이터로 구성된 학습 입력 서브 데이터 및 상기 학습 비디오 데이터에 관련한 학습 단일 이미지 데이터와 학습 액션 라벨 데이터로 구성된 학습 출력 서브 데이터를 포함하며,
   상기 프로세서는 추가적으로, 상기 복수의 학습 서브 데이터를 통해 제 1 생성자 모델 및 제 1 분류자 모델을 포함하는 제 1 생성적 적대 신경망 모델에 대한 학습을 수행하며,
   상기 제 1 생성자 모델은,
   상기 학습 입력 서브 데이터를 입력으로 하여 키 프레임(key frame)에 관련한 단일 이미지 데이터를 출력하는 신경망 모델이며,
   상기 제 1 분류자 모델은,
   상기 키 프레임에 관련한 단일 이미지 데이터와 상기 학습 출력 서브 데이터를 입력으로 하여 제 1 진위 여부에 관한 정보 및 액션 라벨 데이터를 출력하는 신경망 모델인 것을 특징으로 하는,
   단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치.
   
7. 단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치로서,
   하나 이상의 코어를 포함하는 프로세서;
   상기 프로세서에서 실행가능한 프로그램 코드들을 저장하는 메모리; 및
   사용자 단말과 데이터를 송수신하는 네트워크부;
   를 포함하고,
   상기 프로세서는,
   학습 데이터 세트를 획득하고, 상기 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행하고, 상기 학습이 완료되는 시점에 대응하여 상기 생성자 모델을 통해 비디오 생성 모델을 생성하며, 단일 이미지 데이터 및 액션 라벨 데이터를 획득하고, 상기 단일 이미지 데이터 및 상기 액션 라벨 데이터를 상기 비디오 생성 모델의 입력으로 처리하여 상기 액션 라벨 데이터에 대응하는 비디오 데이터를 생성하고, 그리고 생성된 상기 비디오 데이터를 사용자 단말로 전송할 것을 결정하며,
   상기 액션 라벨 데이터는,
   상기 단일 이미지 데이터에 기반한 비디오 데이터의 모션을 결정하기 위한 기준이 되는 데이터이고,
   상기 프로세서는 추가적으로, 상기 단일 이미지 데이터 내에 상기 액션 라벨 데이터에 대응하는 하나 이상의 오브젝트 또는 하나 이상의 백그라운드가 존재하는지 여부를 식별하고, 상기 하나 이상의 오브젝트 또는 상기 하나 이상의 백그라운드 중 적어도 하나가 존재하지 않는 것으로 식별한 경우, 상기 액션 라벨 데이터에 대응하는 추가 오브젝트에 관련한 오브젝트 이미지 데이터 또는 추가 백그라운드에 관련한 백그라운드 이미지 데이터를 획득하고, 그리고, 상기 오브젝트 이미지 데이터 및 상기 백그라운드 이미지 데이터 중 적어도 하나를 상기 단일 이미지의 적어도 일 영역에 삽입하는,
   단일 이미지에 기반하여 비디오 데이터를 생성하기 위한 컴퓨팅 장치.
   
8. 삭제
9. 삭제
10. 삭제
11. 삭제

Images