KR102400082B1 - 디스플레이 장치 및 이의 제어 방법 - Google Patents

디스플레이 장치 및 이의 제어 방법 Download PDF

Info

Publication number
KR102400082B1
KR102400082B1 KR1020200013257A KR20200013257A KR102400082B1 KR 102400082 B1 KR102400082 B1 KR 102400082B1 KR 1020200013257 A KR1020200013257 A KR 1020200013257A KR 20200013257 A KR20200013257 A KR 20200013257A KR 102400082 B1 KR102400082 B1 KR 102400082B1
Authority
KR
South Korea
Prior art keywords
dimensional
color information
output
input
leds
Prior art date
Application number
KR1020200013257A
Other languages
English (en)
Other versions
KR20210011868A (ko
Inventor
임태규
이호영
김찬열
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to PCT/KR2020/009440 priority Critical patent/WO2021015500A1/ko
Priority to EP20843410.0A priority patent/EP3985650A4/en
Publication of KR20210011868A publication Critical patent/KR20210011868A/ko
Priority to US17/579,272 priority patent/US12069225B2/en
Application granted granted Critical
Publication of KR102400082B1 publication Critical patent/KR102400082B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
    • G09G3/2003—Display of colours
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
    • G09G3/22—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters using controlled light sources
    • G09G3/30—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters using controlled light sources using electroluminescent panels
    • G09G3/32—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters using controlled light sources using electroluminescent panels semiconductive, e.g. using light-emitting diodes [LED]
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2320/00—Control of display operating conditions
    • G09G2320/06—Adjustment of display parameters
    • G09G2320/0666—Adjustment of display parameters for control of colour parameters, e.g. colour temperature
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2320/00—Control of display operating conditions
    • G09G2320/06—Adjustment of display parameters
    • G09G2320/0693—Calibration of display systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Indicators Other Than Cathode Ray Tubes (AREA)

Abstract

디스플레이 장치 및 디스플레이 장치의 제어 방법이 개시된다. 본 개시에 따른 디스플레이 장치는 3 차원의 색상 정보를 포함하는 입력 데이터를 바탕으로 디스플레이 장치에 포함된 복수의 LED 각각을 구동하여, 복수의 LED가 출력하는 색상에 대한 3 차원의 색상 정보를 포함하는 출력 데이터를 획득하고, 입력 데이터 및 출력 데이터를 바탕으로, 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 복수의 LED 별로 획득하며, 이미지를 표시하기 위한 입력이 수신되면, 획득된 4 차원의 보정 계수를 바탕으로 이미지에 포함된 색상을 출력하도록 복수의 LED를 제어할 수 있다.

Description

디스플레이 장치 및 이의 제어 방법{DISPLAY DEVICE AND CONTROL METHOD THEREOF}
본 개시는 디스플레이 장치 및 디스플레이 장치의 제어 방법에 관한 것으로서, 구체적으로는 디스플레이 장치에 포함된 LED가 출력하는 색상을 보정할 수 있는 디스플레이 장치 및 이의 제어 방법에 관한 것이다.
절대 색상에 대한 정보를 포함하는 입력 데이터를 바탕으로 디스플레이 장치에 포함된 LED를 구동하는 경우, 실제 디스플레이 장치의 디스플레이 상에 표시되는 색상은 입력 데이터에 포함되는 절대 색상에 대한 정보와는 상이할 수 있다. 뿐만 아니라, 복수의 LED의 제조 과정에서 필연적으로 발생할 수 있는 복수의 LED 상호 간의 물리적 성질의 차이로 인하여, 동일한 입력 데이터가 입력되더라도 복수의 LED 각각이 출력하는 색상은 서로 상이할 수 있다.
따라서, 디스플레이 장치에 포함된 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정(calibration 또는 correction)하기 위한 기술이 필요하며, 일 예로서 3 차원의 보정 계수를 바탕으로 LED가 출력하는 색상을 보정하는 기술이 적용되고 있다.
그런데, 최근 기술 발전이 가속화되고 있는 마이크로 LED의 경우 소자의 크기와 제조 공정 상의 특징으로 말미암아 LED가 출력하는 색상의 휘도 및 색도 사이에 비선형적인 관계가 나타나기 때문에, 휘도 및 색도 사이의 비선형적인 관계를 고려한 색상 보정 기술이 필요하다.
이에 따라 휘도 및 색도 사이의 관계가 비선형적인 LED에 대한 색상 보정이 개발되고 있으나, 종래 기술에 따르면 휘도 및 색도 사이의 비선형적인 관계를 고려하여 수 차례 보정을 반복하거나, 휘도 레벨 별로 3 차원의 보정 계수를 모두 획득하여 저장하여야 하기 때문에, 저장 용량과 처리 속도에 관한 측면에서 문제점이 지적되고 있는 것이 현실이다.
본 개시는 상술한 바와 같은 문제점을 극복하기 위해 안출된 것으로서, 본 개시의 목적은 4 차원의 보정 계수를 바탕으로 LED가 출력하는 색상을 효율적이고 신속하게 보정할 수 있는 디스플레이 장치 및 이의 제어 방법을 제공함에 있다.
상술한 바와 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 디스플레이 장치는 복수의 LED를 포함하는 디스플레이, 적어도 하나의 인스트럭션(instruction)을 저장하는 메모리 및 상기 적어도 하나의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써, 3 차원의 색상 정보를 포함하는 입력 데이터를 바탕으로 상기 복수의 LED 각각을 구동하여, 상기 복수의 LED가 출력하는 색상에 대한 3 차원의 색상 정보를 포함하는 출력 데이터를 획득하고, 상기 입력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득하고, 상기 4 차원의 색상 정보를 포함하는 입력 데이터 및 상기 4 차원의 색상 정보를 포함하는 출력 데이터를 바탕으로, 상기 복수의 LED가 출력하는 색상을 상기 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 상기 복수의 LED 별로 획득하며, 이미지를 표시하기 위한 입력이 수신되면, 상기 획득된 4 차원의 보정 계수를 바탕으로 상기 이미지에 포함된 색상을 출력하도록 상기 복수의 LED를 제어할 수 있다.
여기서, 상기 프로세서는 상기 입력 데이터 및 상기 출력 데이터를 학습된 신경망 모델에 입력하여, 상기 4 차원의 보정 계수를 획득할 수 있다.
여기서, 상기 신경망 모델은 상기 입력 데이터 및 상기 입력 데이터를 외부 디스플레이 장치에 입력하여 획득된 출력 데이터를 바탕으로, 상기 4 차원의 보정 계수를 획득하도록 학습될 수 있다.
한편, 상기 프로세서는 상기 입력 데이터에 포함된 3 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보를 각각 동차 좌표(homogeneous coordinate)로 변환(transformation)하여, 상기 입력 데이터에 포함된 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 4 차원의 색상 정보를 획득할 수 있다.
한편, 상기 디스플레이 장치는 회로를 포함하는 통신부를 더 포함하고, 상기 출력 데이터는 외부 측정 장치에서 측정되어, 상기 통신부를 통해 상기 외부 장치로부터 수신될 수 있다.
한편, 상기 프로세서는 상기 이미지를 표시하기 위한 입력이 수신되면, 상기 이미지에 포함된 3 차원의 입력 색상 정보를 변환하여 4 차원의 입력 색상 정보를 획득하고, 상기 4 차원의 보정 계수를 바탕으로 상기 4 차원의 입력 색상 정보를 변환하여 4 차원의 출력 색상 정보를 획득하며, 상기 4 차원의 출력 색상 정보를 정규화(normalization)하여 상기 이미지를 출력하기 위한 3 차원의 출력 색상 정보를 획득하고, 상기 3 차원의 출력 색상 정보를 바탕으로 상기 이미지를 출력하도록 상기 복수의 LED를 제어할 수 있다.
여기서, 상기 4 차원의 보정 계수는 상기 4 차원의 입력 색상 정보를 상기 4 차원의 출력 색상 정보로 변환하기 위한 복수의 엘리먼트를 포함하며, 상기 복수의 엘리먼트는 회전(rotation), 기울기(shear), 스케일(scale), 평행 이동(translation) 및 투영(projection) 및 스큐(skew)에 관련된 엘리먼트를 포함할 수 있다.
여기서, 상기 4 차원의 입력 색상 정보는 상기 3 차원의 입력 색상 정보 및 상기 3 차원의 입력 색상 정보와 상이한 추가 정보를 포함하고, 상기 추가 정보는 상기 복수의 LED 소자 각각의 온도에 대한 정보를 포함할 수 있다.
한편, 상술한 바와 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 디스플레이 장치의 제어 방법은 3 차원의 색상 정보를 포함하는 입력 데이터를 바탕으로 상기 디스플레이 장치에 포함된 복수의 LED 각각을 구동하여, 상기 복수의 LED가 출력하는 색상에 대한 3 차원의 색상 정보를 포함하는 출력 데이터를 획득하는 단계, 상기 입력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득하는 단계, 상기 4 차원의 색상 정보를 포함하는 입력 데이터 및 상기 4 차원의 색상 정보를 포함하는 출력 데이터를 바탕으로, 상기 복수의 LED가 출력하는 색상을 상기 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 상기 복수의 LED 별로 획득하는 단계 및 이미지를 표시하기 위한 입력이 수신되면, 상기 획득된 4 차원의 보정 계수를 바탕으로 상기 이미지에 포함된 색상을 출력하도록 상기 복수의 LED를 제어하는 단계를 포함할 수 있다.
여기서, 상기 4 차원의 보정 계수를 획득하는 단계는 상기 입력 데이터 및 상기 출력 데이터를 학습된 신경망 모델에 입력하여, 상기 4 차원의 보정 계수를 획득할 수 있다.
여기서, 상기 신경망 모델은 상기 입력 데이터 및 상기 입력 데이터를 외부 디스플레이 장치에 입력하여 획득된 출력 데이터를 바탕으로, 상기 4 차원의 보정 계수를 획득하도록 학습될 수 있다.
한편, 상기 4 차원의 색상 정보를 획득하는 단계는 상기 입력 데이터에 포함된 3 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보를 각각 동차 좌표(homogeneous coordinate)로 변환(transformation)하여, 상기 입력 데이터에 포함된 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 4 차원의 색상 정보를 획득하는 단계를 포함할 수 있다.
한편, 상기 출력 데이터는 외부 측정 장치에서 측정되어, 상기 외부 장치로부터 수신될 수 있다.
한편, 상기 복수의 LED를 제어하는 단계는 상기 이미지를 표시하기 위한 입력이 수신되면, 상기 이미지에 포함된 3 차원의 입력 색상 정보를 변환(transformation)하여 4 차원의 입력 색상 정보를 획득하는 단계, 상기 4 차원의 보정 계수를 바탕으로 상기 4 차원의 입력 색상 정보를 변환하여 4 차원의 출력 색상 정보를 획득하는 단계, 상기 4 차원의 출력 색상 정보를 정규화(normalization)하여 상기 이미지를 출력하기 위한 3 차원의 출력 색상 정보를 획득하는 단계 및 상기 3 차원의 출력 색상 정보를 바탕으로 상기 이미지를 출력하도록 상기 복수의 LED를 제어하는 단계를 포함할 수 있다.
여기서, 상기 4 차원의 보정 계수는 상기 4 차원의 입력 색상 정보를 상기 4 차원의 출력 색상 정보로 변환하기 위한 복수의 엘리먼트를 포함하며, 상기 복수의 엘리먼트는 회전(rotation), 기울기(shear), 스케일(scale), 평행 이동(translation) 및 투영(projection) 및 스큐(skew)에 관련된 엘리먼트를 포함할 수 있다.
여기서, 상기 4 차원의 입력 색상 정보는 상기 3 차원의 입력 색상 정보 및 상기 3 차원의 입력 색상 정보와 상이한 추가 정보를 포함하고, 상기 추가 정보는 상기 복수의 LED 소자 각각의 온도에 대한 정보를 포함할 수 있다.
한편, 상술한 바와 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 디스플레이 장치의 제어 방법을 실행하는 프로그램을 포함하는 컴퓨터 판독 가능 기록매체에 있어서, 상기 디스플레이 장치의 제어 방법은 3 차원의 색상 정보를 포함하는 입력 데이터를 바탕으로 상기 디스플레이 장치에 포함된 복수의 LED 각각을 구동하여, 상기 복수의 LED가 출력하는 색상에 대한 3 차원의 색상 정보를 포함하는 출력 데이터를 획득하는 단계, 상기 입력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득하는 단계, 상기 4 차원의 색상 정보를 포함하는 입력 데이터 및 상기 4 차원의 색상 정보를 포함하는 출력 데이터를 바탕으로, 상기 복수의 LED가 출력하는 색상을 상기 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 상기 복수의 LED 별로 획득하는 단계 및 이미지를 표시하기 위한 입력이 수신되면, 상기 획득된 4 차원의 보정 계수를 바탕으로 상기 이미지에 포함된 색상을 출력하도록 상기 복수의 LED를 제어하는 단계를 포함할 수 있다.
도 1은 본 개시의 일 실시 예에 따른 디스플레이 장치의 제어 과정을 간략하게 설명하기 위한 개념도,
도 2a는 본 개시의 일 실시 예에 따른 디스플레이 장치의 구성을 간략하게 나타내는 블록도,
도 2b는 본 개시의 일 실시 예에 따른 디스플레이 장치의 구성을 상세하게 나타내는 블록도,
도 3은 본 개시에 따른 4 차원의 보정 계수 및 4 차원의 보정 계수에 포함된 복수의 엘리먼트에 대해 구체적으로 설명하기 위한 도면,
도 4는 본 개시의 일 실시 예에 따른 입력 데이터와 4 차원의 보정 계수를 바탕으로 보정된 입력 데이터를 3 차원의 색 공간 상에 나타내는 그래프,
도 5는 본 개시에 따른 4 차원의 보정 계수를 바탕으로 보정된 입력 데이터의 정확도를 나타내는 그래프, 그리고,
도 6은 본 개시의 일 실시 예에 따른 디스플레이 장치의 제어 방법을 나타내는 흐름도이다.
본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
덧붙여, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.
본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하에서는 첨부한 도면을 참고하여 본 개시에 따른 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 제어 과정을 간략하게 설명하기 위한 개념도이다.
도 1에 도시된 바와 같이, 본 개시에 따른 디스플레이 장치(100)는 입력 데이터를 바탕으로 출력 데이터를 획득할 수 있다.
여기서, 입력 데이터란 LED를 구동하기 위한 절대 색상에 대한 정보를 포함하는 데이터를 말한다. 구체적으로, 입력 데이터는 3 차원의 색상 정보를 포함하며, 특히 RGB 색 공간의 좌표 값에 대응되는 3 차원의 색상 정보를 포함할 수 있다. 예를 들어, 입력 데이터는 (80, 188, 223)의 조합으로 이루어진 RGB 값을 포함할 수 있다.
그리고, 출력 데이터란 입력 데이터에 대응되는 데이터로서, 입력 데이터를 바탕으로 LED를 구동한 결과 LED를 통해 출력되는 색상에 대한 정보를 포함하는 데이터를 말한다. 구체적으로, 출력 데이터는 입력 데이터와 마찬가지로 3 차원의 색상 정보를 포함하며, 특히 RGB 색 공간의 좌표 값에 대응되는 3 차원의 색상 정보를 포함할 수 있다.
출력 데이터는 입력 데이터를 바탕으로 디스플레이 장치(100)에 포함된 복수의 LED를 구동하고, 외부 측정 장치에 의해 디스플레이 장치(100)에 포함된 복수의 LED가 출력하는 색상을 측정함으로써 획득될 수 있다. 그리고, 외부 장치에 의해 출력 데이터가 획득되면, 디스플레이 장치(100)는 외부 장치로부터 출력 데이터를 수신하여 획득할 수 있다.
여기서, 외부 측정 장치는 스펙트럼 광도계(spectral photometer) 및 광전 색채 측정기(photoelectric colorimeter) 중 적어도 하나로 구현될 수 있다. 스펙트럼 광도계는 프리즘 또는 회절 격자 또는 스펙트럼 필터를 사용하여 샘플로부터 오는 광을 파장 성분들로 분리하고 각 기본 파장 요소의 세기를 검출함으로써 색도(chromaticity)와 휘도(luminance)를 측정할 수 있으며, 측정된 색도 및 휘도를 바탕으로 본 개시에 따른 출력 데이터를 획득할 수 있다. 그리고, 광전 색채 측정기는 삼자극 값에 근접한 광학 필터를 포함하며, 이 광학 필터를 통과하는 광의 세기를 검출함으로써 복수의 LED가 출력하는 색도와 휘도를 측정할 수 있으며, 그에 따라 본 개시에 따른 출력 데이터를 획득할 수 있다.
상술한 바와 같은 입력 데이터를 바탕으로 디스플레이 장치(100)에 포함된 복수의 LED를 구동하는 경우, 실제 디스플레이 장치(100)의 디스플레이 상에 표시되는 색상은 입력 데이터에 포함되는 절대 색상에 대한 정보와는 상이할 수 있다. 다시 말해, 복수의 LED가 출력하는 색상에 대한 출력 데이터는 입력 데이터에 의해 출력되도록 지정된 색상과는 상이할 수 있다.
예를 들어, 입력 데이터에 포함된 RGB 값이 (80, 188, 223)인 경우, 그에 따른 출력 데이터에 포함되는 RGB 값은 (88, 183, 220)일 수 있다. 뿐만 아니라, 복수의 LED의 제조 과정에서 필연적으로 발생할 수 있는 복수의 LED 상호 간의 물리적 성질의 차이로 인하여, 동일한 입력 데이터가 입력되더라도 복수의 LED 각각이 출력하는 색상에 대한 출력 데이터는 서로 상이할 수 있다.
따라서, 디스플레이 장치(100)에 포함된 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정(calibration 또는 correction)하기 위한 기술이 필요하다. 특히, 마이크로 LED의 경우 소자의 크기와 제조 공정 상의 특징으로 말미암아 LED가 출력하는 색상의 휘도 및 색도 사이에 비선형적인 관계가 나타나기 때문에, 휘도 및 색도 사이의 비선형적인 관계를 고려한 색상 보정 기술이 필요하다.
본 개시는 상술한 바와 같은 보정 기술의 필요성에 따른 것으로서, 본 개시에 따른 디스플레이 장치(100)는 입력 데이터 및 출력 데이터를 바탕으로, 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 복수의 LED 별로 획득할 수 있다. 여기서, 복수의 LED 별로 4 차원의 보정 계수를 획득하는 것은 전술한 바와 같은 복수의 LED 상호 간의 물리적 성질의 차이에 기인하는 것이다.
도 1에 도시된 바와 같이, 디스플레이 장치(100)는 입력 데이터 및 출력 데이터를 학습된 신경망 모델(10)에 입력하여 4 차원의 보정 계수를 획득할 수 있다. 여기서, 학습된 신경망 모델(10)은 입력 데이터 및 입력 데이터를 디스플레이 장치(100) 또는 외부 디스플레이 장치(100)에 입력하여 획득된 출력 데이터를 바탕으로, 4 차원의 보정 계수를 출력하도록 기 학습된 신경망 모델(10)일 수 있다. 본 개시에 있어서, 신경망 모델(10)은 신경망(neural network)을 포함하는 인공 지능 모델을 말하며, 따라서 신경망 모델이라는 용어는 인공 지능 모델이라는 용어로 대체될 수 있다.
구체적으로, 신경망 모델(10)은 입력 데이터에 의해 출력되도록 지정된 색상 정보와 출력 데이터에 포함된 색상 정보가 매핑되도록 4 차원의 보정 계수를 조정하는 과정을 통해 학습될 수 있다. 보다 구체적으로, 신경망 모델(10)은 입력 데이터에 의해 출력되도록 지정된 색상 정보와 실제 입력 데이터에 따라 출력된 색상에 대한 색상 정보 사이의 오차를 역전파(backpropagation)하여 신경망 모델(10)에 포함된 가중치를 조정하는 과정을 통해 학습될 수 있다.
한편, 신경망 모델(10)의 학습에 이용되는 입력 데이터는 3 차원의 색상 정보가 표현할 수 있는 모든 색상 정보를 포함하는 것이 바람직하다. 예를 들어, 신경망 모델(10)의 학습에 이용되는 입력 데이터는 RGB 색 공간의 모든 좌표 값에 대응되는 256x256x256 개의 RGB 값을 포함하는 것이 바람직하다. 나아가, 신경망 모델(10)의 학습은 보다 많은 수의 LED를 구동하는 과정을 통해 이루어지는 것이 바람직하다.
상술한 바와 같이 많은 양의 입력 데이터를 바탕으로 신경망 모델(10)의 학습이 이루어지면, 학습된 신경망 모델(10)을 바탕으로 본 개시에 따른 4 차원의 보정 계수를 획득하는 과정은 상대적으로 적은 양의 입력 데이터, 예를 들어 RGB 색 공간의 좌표 값 중 일부가 샘플링된 RGB 값만으로도 수행될 수 있다.
이상에서는 신경망 모델(10)을 통해 본 개시에 따른 4 차원의 보정 계수를 획득하는 과정에 대해 설명하였으나, 본 개시가 이에 국한되는 것은 아니다. 즉, 본 개시에 따른 4 차원의 보정 계수는 SVD(singular vector decomposition) 알고리즘 등과 같은 공지된 알고리즘 또는 공지된 알고리즘들의 조합을 통해 획득될 수도 있음은 물론이다.
상술한 바와 같이 4 차원의 보정 계수가 획득되면, 디스플레이 장치(100)는 획득된 4 차원의 보정 계수를 바탕으로 이미지에 포함된 색상을 출력하도록 복수의 LED를 제어할 수 있다. 구체적으로, 디스플레이 장치(100)는 이미지에 포함된 3 차원의 입력 색상 정보를 변환하여 4 차원의 입력 색상 정보를 획득하고, 4 차원의 보정 계수를 바탕으로 4 차원의 입력 색상 정보를 변환(transformation)하여 4 차원의 출력 색상 정보를 획득하며, 4 차원의 출력 색상 정보를 정규화(normalization)하여 이미지를 출력하기 위한 3 차원의 출력 색상 정보를 획득하고, 3 차원의 출력 색상 정보를 바탕으로 이미지를 출력하도록 복수의 LED를 제어할 수 있다.
4 차원의 보정 계수를 바탕으로 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하는 과정에 대해서는 도 2a 내지 도 4를 참조하여 상세하게 설명한다.
도 2a는 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 구성을 간략하게 나타내는 블록도, 도 2b는 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 구성을 상세하게 나타내는 블록도이다.
도 2a에 도시된 바와 같이, 본 개시에 따른 디스플레이 장치(100)는 디스플레이(110), 메모리(120) 및 프로세서(130)를 포함할 수 있으며, 도 2b에 도시된 바와 같이, 통신부(140) 및 입력부(150) 등을 더 포함할 수 있다. 그러나, 이와 같은 구성은 예시적인 것으로서, 본 개시를 실시함에 있어 이와 같은 구성에 더하여 새로운 구성이 추가되거나 일부 구성이 생략될 수 있음을 물론이다.
디스플레이(110)는 프로세서(130)의 제어에 의하여 이미지를 출력할 수 있다. 구체적으로, 디스플레이(110)는 프로세서(130)의 제어에 의하여 메모리(120)에 저장된 이미지 데이터를 바탕으로 디스플레이(110) 상에 이미지를 표시할 수 있다. 특히, 본 개시의 일 실시 예에 따른 디스플레이(110)는 복수의 LED를 포함할 수 있다. 그리고, 프로세서(130)가 복수의 LED를 제어함에 따라, 디스플레이(110)는 디스플레이(110) 상에 이미지를 표시할 수 있다.
메모리(120)에는 디스플레이 장치(100)에 관한 적어도 하나의 인스트럭션(instruction)이 저장될 수 있다. 그리고, 메모리(120)에는 디스플레이 장치(100)를 구동시키기 위한 O/S(Operating System)가 저장될 수 있다. 또한, 메모리(120)에는 본 개시의 다양한 실시 예들에 따라 디스플레이 장치(100)가 동작하기 위한 각종 소프트웨어 프로그램이나 애플리케이션이 저장될 수도 있다. 그리고, 메모리(120)는 플래시 메모리(Flash Memory) 등과 같은 반도체 메모리나 하드디스크(Hard Disk) 등과 같은 자기 저장 매체 등을 포함할 수 있다.
구체적으로, 메모리(120)에는 본 개시의 다양한 실시 예에 따라 디스플레이 장치(100)가 동작하기 위한 각종 소프트웨어 모듈이 저장될 수 있으며, 프로세서(130)는 메모리(120)에 저장된 각종 소프트웨어 모듈을 실행하여 디스플레이 장치(100)의 동작을 제어할 수 있다. 즉, 메모리(120)는 프로세서(130)에 의해 액세스되며, 프로세서(130)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다.
한편, 본 개시에서 메모리(120)라는 용어는 메모리(120), 프로세서(130) 내 롬(미도시), 램(미도시) 또는 디스플레이 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함하는 의미로 사용될 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 메모리(120)에는 본 개시에 따른 입력 데이터, 출력 데이터, 신경망 모델에 대한 데이터, 4 차원의 보정 계수, 3 차원의 입력 색상 정보, 3 차원의 출력 색상 정보, 4 차원의 입력 색상 정보 및 4 차원의 출력 색상 정보 등과 같은 다양한 정보 및 데이터가 저장될 수 있다. 그 밖에도 본 개시의 목적을 달성하기 위한 범위 내에서 필요한 다양한 정보가 메모리(120)에 저장될 수 있으며, 메모리(120)에 저장된 정보는 서버 또는 외부 장치로부터 수신되거나 사용자에 의해 입력됨에 따라 갱신될 수도 있다.
프로세서(130)는 디스플레이 장치(100)의 전반적인 동작을 제어한다. 구체적으로, 프로세서(130)는 상술한 바와 같은 디스플레이(110), 통신부(140), 입력부(150) 및 메모리(120) 등을 포함하는 디스플레이 장치(100)의 구성과 연결되며, 상술한 바와 같은 메모리(120)에 저장된 적어도 하나의 인스트럭션을 실행함으로써 디스플레이 장치(100)의 동작을 전반적으로 제어할 수 있다.
프로세서(130)는 다양한 방식으로 구현될 수 있다. 예를 들어, 프로세서(130)는 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 임베디드 프로세서, 마이크로 프로세서, 하드웨어 컨트롤 로직, 하드웨어 유한 상태 기계(hardware Finite State Machine, FSM), 디지털 신호 프로세서(Digital Signal Processor, DSP) 중 적어도 하나로 구현될 수 있다. 한편, 본 개시에서 프로세서(130)라는 용어는 CPU(Central Processing Unit), GPU(Graphic Processing Unit) 및 MPU(Main Processing Unit)등을 포함하는 의미로 사용될 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 프로세서(130)는 본 개시에 따른 4 차원의 보정 계수의 획득 과정, 그리고 4 차원의 보정 계수를 바탕으로 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하는 과정 등을 제어할 수 있는바, 이에 대해서는 통신부(140) 및 입력부(150)에 대한 설명 이후에 상술한다.
통신부(140)는 회로를 포함하며, 외부 장치와의 통신을 수행할 수 있다. 구체적으로, 프로세서(130)는 통신부(140)를 통해 연결된 외부 장치로부터 각종 데이터 또는 정보를 수신할 수 있으며, 외부 장치로 각종 데이터 또는 정보를 전송할 수도 있다. 통신부(140)는 WiFi 모듈, Bluetooth 모듈, 무선 통신 모듈, 및 NFC 모듈 중 적어도 하나를 포함할 수 있으며, 그에 따라 각각의 모듈에 따른 통신 방식에 따라 외부 장치와의 통신을 수행할 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 통신부(140)는 외부 디스플레이 장치(100)를 통해 학습된 신경망 모델에 대한 데이터를 수신할 수 있다. 그리고, 통신부(140)는 외부 측정 장치로부터 측정된 출력 데이터를 수신할 수 있다.
입력부(150)는 회로를 포함하며, 프로세서(130)는 입력부(150)를 통해 디스플레이 장치(100)의 동작을 제어하기 위한 사용자 명령을 수신할 수 있다. 구체적으로, 입력부(150)는 마이크, 카메라 및 리모컨 신호 수신부 등을 포함할 수 있다. 그리고, 입력부(150)는 터치 스크린으로서 디스플레이(110)에 포함된 형태로 구현될 수도 있다. 특히, 본 개시에 따른 다양한 실시 예에 있어서, 입력부(150)는 이미지를 표시하기 위한 사용자 명령을 수신할 수 있다.
이하에서 본 개시의 다양한 실시 예에 따른 프로세서(130)의 제어 과정에 대해 상술한다. 다만, 본 개시에 따른 입력 데이터 및 출력 데이터의 의미 등에 대해서는 도 1을 참조하여 상술하였으므로 본 개시를 명확하게 설명하기 위한 경우가 아닌 한 중복 설명은 생략한다.
프로세서(130)는 입력 데이터를 바탕으로 출력 데이터를 획득할 수 있다. 구체적으로, 출력 데이터는 입력 데이터를 바탕으로 디스플레이 장치(100)에 포함된 복수의 LED를 구동하고, 외부 측정 장치에 의해 디스플레이 장치(100)에 포함된 복수의 LED가 출력하는 색상을 측정함으로써 획득될 수 있다. 그리고, 외부 장치에 의해 출력 데이터가 획득되면, 디스플레이 장치(100)는 통신부(140)를 통해 외부 장치로부터 출력 데이터를 수신하여 획득할 수 있다.
입력 데이터 및 출력 데이터가 획득되면, 프로세서(130)는 입력 데이터 및 출력 데이터 각각에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득할 수 있다. 즉, 프로세서(130)는 입력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보 및 출력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득할 수 있다.
구체적으로, 프로세서(130)는 입력 데이터에 포함된 3 차원의 색상 정보 및 출력 데이터에 포함된 3 차원의 색상 정보를 각각 동차 좌표(homogeneous coordinate)로 변환(transformation)하여, 입력 데이터에 포함된 4 차원의 색상 정보 및 출력 데이터에 포함된 4 차원의 색상 정보를 획득할 수 있다.
입력 데이터에 포함된 4 차원의 색상 정보 및 출력 데이터에 포함된 4 차원의 색상 정보가 획득되면, 프로세서(130)는 입력 데이터 및 출력 데이터를 학습된 신경망 모델에 입력하여 4 차원의 보정 계수를 획득할 수 있다. 구체적으로, 프로세서(130)는 4 차원의 색상 정보를 포함하는 입력 데이터 및 4 차원의 색상 정보를 포함하는 출력 데이터를 바탕으로, 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 복수의 LED 별로 획득할 수 있다.
여기서, 학습된 신경망 모델은 입력 데이터 및 입력 데이터를 디스플레이 장치(100) 또는 외부 디스플레이 장치(100)에 입력하여 획득된 출력 데이터를 바탕으로, 4 차원의 보정 계수를 출력하도록 기 학습된 신경망 모델일 수 있다.
구체적으로, 신경망 모델은 입력 데이터에 의해 출력되도록 지정된 색상 정보와 출력 데이터에 포함된 색상 정보가 매핑되도록 4 차원의 보정 계수를 조정하는 과정을 통해 학습될 수 있다. 보다 구체적으로, 신경망 모델은 입력 데이터에 의해 출력되도록 지정된 색상 정보와 실제 입력 데이터에 따라 출력된 색상에 대한 색상 정보 사이의 오차를 역전파(backpropagation)하여 신경망 모델에 포함된 가중치를 조정하는 과정을 통해 학습될 수 있다.
한편, 신경망 모델의 학습에 이용되는 입력 데이터는 3 차원의 색상 정보가 표현할 수 있는 모든 색상 정보를 포함하는 것이 바람직하다. 예를 들어, 신경망 모델의 학습에 이용되는 입력 데이터는 RGB 색 공간의 모든 좌표 값에 대응되는 256x256x256 개의 RGB 값을 포함하는 것이 바람직하다. 나아가, 신경망 모델의 학습은 보다 많은 수의 LED를 구동하는 과정을 통해 이루어지는 것이 바람직하다.
상술한 바와 같이 많은 양의 입력 데이터를 바탕으로 신경망 모델의 학습이 이루어지면, 학습된 신경망 모델을 바탕으로 본 개시에 따른 4 차원의 보정 계수를 획득하는 과정은 상대적으로 적은 양의 입력 데이터, 예를 들어 RGB 색 공간의 좌표 값 중 일부가 샘플링된 RGB 값만으로도 수행될 수 있다. 이에 대해서는 도 5a 내지 도 5c를 참조하여 보다 구체적으로 설명한다.
이상에서는 신경망 모델을 통해 본 개시에 따른 4 차원의 보정 계수를 획득하는 과정에 대해 설명하였으나, 본 개시가 이에 국한되는 것은 아니다. 즉, 본 개시에 따른 4 차원의 보정 계수는 SVD(singular vector decomposition) 알고리즘 등과 같은 공지된 알고리즘 또는 공지된 알고리즘들의 조합을 통해 획득될 수도 있음은 물론이다.
한편, 이하에서 4 차원의 보정 계수를 바탕으로 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하는 과정을 상술하기에 앞서, 먼저 도 3을 참조하여 본 개시에 따른 4 차원의 보정 계수 및 4 차원의 보정 계수에 포함된 복수의 엘리먼트에 대해 구체적으로 설명한다.
도 3에 도시된 바와 같이, 본 개시에 따른 4 차원의 보정 계수는 복수의 엘리먼트를 포함하는 4 차원의 매트릭스로 나타낼 수 있다. 예를 들어, 4 차원의 보정 계수는 도 3에 도시된 바와 같이 16 개의 엘리먼트를 포함하는 4x4의 매트릭스로 나타낼 수 있다.
구체적으로, 복수의 엘리먼트는 회전(rotation), 기울기(shear) 및 스케일(scale)에 관련된 제1 엘리먼트(310), 평행 이동(translation)에 대한 제2 엘리먼트(320), 영(projection)에 관련된 제3 엘리먼트(330) 및 스큐(skew)에 관련된 제4 엘리먼트(340)를 포함할 수 있다. 복수의 엘리먼트는 3 차원의 입력 색상 정보에 대한 회전 변환, 기울기 변환, 스케일 변환 및 평행 이동 등을 통해 3 차원의 입력 색상에 대한 정보를 4 차원의 공간에 매핑시키고, 이를 다시 3 차원의 공간에 투영하는 역할을 수행할 수 있다.
한편, 도 3에서는 4 차원의 보정 계수의 예로서 4x4의 매트릭스를 예로 들었으나, 본 개시의 다른 실시 예에 따르면, 4 차원의 보정 계수는 4xn의 매트릭스로 나타낼 수도 있다. 즉, 4 차원의 보정 계수는 이미지의 픽셀 별 비트 수의 증가, 입력 색상 정보가 포함하는 정보의 개수의 증가, 그리고 LED 소자가 갖는 휘도 및 색도 간의 비선형성의 증가 등을 고려하여 도 3에 도시된 바와 같은 복수의 엘리먼트 이외에도 다양한 엘리먼트를 더 포함하도록 구현될 수 있다.
이하에서는 4 차원의 보정 계수를 바탕으로 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하는 과정에 대해 상세하게 설명한다.
이미지를 표시하기 위한 입력이 수신되면, 프로세서(130)는 이미지에 포함된 3 차원의 입력 색상 정보를 변환(transformation)하여 4 차원의 입력 색상 정보를 획득할 수 있다. 보다 구체적으로, 프로세서(130)는 4 차원의 보정 계수와의 연산을 수행할 수 있도록, 3 차원의 입력 색상 정보를 동차 좌표(homogeneous coordinate)로 변환하여 4 차원의 입력 색상 정보를 획득할 수 있다.
예를 들어, 3 차원의 입력 색상 정보를 [R, G, B]T 라는 3x1의 매트릭스로 나타내는 경우(여기서, 위 첨자 T는 전치 행렬(transposed matrix))을 의미한다), 4 차원의 입력 색상 정보는 [R, G, B, W]T 와 같은 4x1의 매트릭스로 나타낼 수 있다. 즉, 4 차원의 입력 색상 정보는 3 차원의 입력 색상 정보(R, G, B) 및 3 차원의 입력 색상 정보와 상이한 추가 정보(W)를 포함할 수 있다. 특히, 추가 정보(W)는 1일 수 있으며, 이는 추가 정보(W)가 0 인 경우 [R, G, B, W]T 가 RGB 색 공간에서의 백터를 의미하는 것과는 달리, [R, G, B, W]T 가 RGB 색 공간에서의 점을 의미하도록 한다.
한편, 추가 정보(W)는 복수의 LED 소자 각각의 온도에 대한 정보를 포함할 수 있다. 추가 정보(W)가 복수의 LED 소자 각각의 온도에 대한 정보를 포함하는 경우, 복수의 LED 소자 각각의 온도에 대한 정보를 포함하는 4 차원의 입력 색상에 대한 정보 및 4 차원의 입력 색상 정보에 대응되는 4 차원의 출력 색상 정보를 신경망 모델에 입력하여 4 차원의 보정 계수를 획득할 수 있다. 이 경우 4 차원의 보정 계수는 복수의 LED 소자 각각의 온도에 대한 정보까지 고려하여 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 보정 계수가 된다.
4 차원의 입력 색상 정보가 획득되면, 프로세서(130)는 4 차원의 보정 계수를 바탕으로 4 차원의 입력 색상 정보를 변환하여 4 차원의 출력 색상 정보를 획득할 수 있다. 구체적으로, 4 차원의 입력 색상 정보가 [R, G, B, W]T이고 4 차원의 보정 계수가 4x4 매트릭스인 경우, 프로세서(130)는 4 차원의 입력 색상 정보와 4 차원의 보정 계수 사이의 행렬 곱 연산을 수행하여, 4 차원의 출력 색상 정보로서 [R', G', B', W']T 와 같은 4x1의 매트릭스를 획득할 수 있다.
4 차원의 출력 색상 정보가 획득되면, 프로세서(130)는 4 차원의 출력 색상 정보를 정규화(normalization)하여 이미지를 출력하기 위한 3 차원의 출력 색상 정보를 획득할 수 있다. 예를 들어, W 및 W'이 1인 경우, 4 차원의 출력 색상 정보로서 [R', G', B', W']T와 같은 매트릭스가 획득되면, 프로세서(130)는 4 차원의 출력 색상 정보를 정규화하여 3 차원의 출력 색상 정보로서 [R', G', B']T와 같은 매트릭스를 획득할 수 있다.
상술한 바와 같은 과정을 통해 3 차원의 출력 색상 정보가 획득되면, 프로세서(130)는 획득된 3 차원의 출력 색상 정보를 바탕으로 이미지를 출력할 수 있다. 이에 따라, 프로세서(130)는 4 차원의 보정 계수를 바탕으로 복수의 LED가 출력하는 색상을 입력 데이터에 의해 지정된 색상으로 보정하여 출력할 수 있게 된다.
이상에서 상술한 바와 같은 본 개시의 다양한 실시 예에 따르면, 4 차원의 보정 계수를 바탕으로 LED가 출력하는 색상을 효율적이고 신속하게 보정할 수 있는 디스플레이 장치를 제공할 수 있다.
도 4는 본 개시의 일 실시 예에 따른 입력 데이터와 4 차원의 보정 계수를 바탕으로 보정된 입력 데이터를 3 차원의 색 공간 상에 나타내는 그래프이고, 도 5는 본 개시에 따른 4 차원의 보정 계수를 바탕으로 보정된 입력 데이터의 정확도를 나타내는 그래프이다.
도 4의 좌측 그래프(410)는 보정 전 입력 데이터에 포함된 3 차원의 색상 정보를 나타내는 그래프이다. 다시 말해, 좌측 그래프(410)는 LED를 구동하기 위한 절대 색상에 대한 정보를 RGB 색 공간의 좌표 값으로 나타내는 그래프이다.
도 4의 우측 그래프(420)는 본 개시의 일 실시 예에 따라 4 차원의 보정 계수를 바탕으로 보정된 입력 데이터를 나타내는 그래프이다. 우측 그래프(430)에 도시된 바와 같이, 본 개시의 일 실시 예에 따라 보정된 입력 데이터의 경우, 복수의 계조 레벨에 대응되는 각각의 레이어 사이의 기울기 차이가 크지 않으며, 전체 색 공간 내에서 균일성(uniformity)를 갖추고 있다는 점을 확인할 수 있다.
도 5의 그래프(550)에서 x자로 표시된 점들은 복수의 휘도 단계 별로 16 개의 3 차원의 보정 계수를 획득하고, 획득된 16 개의 3 차원의 보정 계수를 바탕으로 입력 데이터를 보정한 결과를 나타내는 것이다. 그리고, 도 5의 그래프(550)에서 o자로 표시된 점들은 본 개시에 따른 4 차원의 보정 계수를 바탕으로 입력 데이터를 보정한 결과를 나타내는 것이다. 도 5에 도시된 바와 같이, 양 자의 결과는 거의 일치한다는 것을 확인할 수 있다. 특히, RGB 색 공간의 모든 좌표 값 중 4335 개의 샘플링된 좌표 값을 입력 데이터로 사용하여 실험을 수행한 결과, 양 자의 오차는 약 0.91%에 불과한 것으로 확인되었다.
도 6은 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 제어 방법을 나타내는 흐름도이다.
도 6에 도시된 바와 같이, 본 개시에 따른 디스플레이 장치(100)는 입력 데이터를 바탕으로 복수의 LED 각각을 구동하여 복수의 LED가 출력하는 색상에 대한 출력 데이터를 획득할 수 있다(S610).
여기서, 입력 데이터란 LED를 구동하기 위한 절대 색상에 대한 정보를 포함하는 데이터이며, 출력 데이터란 입력 데이터에 대응되는 데이터로서, 입력 데이터를 바탕으로 LED를 구동한 결과 LED를 통해 출력되는 색상에 대한 정보를 포함하는 데이터라는 점은 전술한 바와 같다.
특히, 출력 데이터는 입력 데이터를 바탕으로 디스플레이 장치(100)에 포함된 복수의 LED를 구동하고, 외부 측정 장치에 의해 디스플레이 장치(100)에 포함된 복수의 LED가 출력하는 색상을 측정함으로써 획득될 수 있다. 그리고, 외부 장치에 의해 출력 데이터가 획득되면, 디스플레이 장치(100)는 외부 장치로부터 출력 데이터를 수신하여 획득할 수 있다.
디스플레이 장치(100)는 입력 데이터 및 출력 데이터 각각에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득할 수 있다. 즉, 디스플레이 장치(100)는 입력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보 및 출력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득할 수 있다.
구체적으로, 디스플레이 장치(100)는 입력 데이터에 포함된 3 차원의 색상 정보 및 출력 데이터에 포함된 3 차원의 색상 정보를 각각 동차 좌표(homogeneous coordinate)로 변환(transformation)하여, 입력 데이터에 포함된 4 차원의 색상 정보 및 출력 데이터에 포함된 4 차원의 색상 정보를 획득할 수 있다.
디스플레이 장치(100)는 입력 데이터 및 출력 데이터를 바탕으로 4 차원의 보정 계수를 복수의 LED 별로 획득할 수 있다(S630). 구체적으로, 디스플레이 장치(100)는 4 차원의 색상 정보를 포함하는 입력 데이터 및 4 차원의 색상 정보를 포함하는 출력 데이터를 바탕으로, 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 복수의 LED 별로 획득할 수 있다.
특히, 디스플레이 장치(100)는 입력 데이터 및 출력 데이터를 학습된 신경망 모델에 입력하여 4 차원의 보정 계수를 획득할 수 있다. 여기서, 학습된 신경망 모델은 입력 데이터 및 입력 데이터를 디스플레이 장치(100) 또는 외부 디스플레이 장치(100)에 입력하여 획득된 출력 데이터를 바탕으로, 4 차원의 보정 계수를 출력하도록 기 학습된 신경망 모델일 수 있다.
이미지를 표시하기 위한 입력이 수신되면, 디스플레이 장치(100)는 획득된 4 차원의 보정 계수를 바탕으로 이미지에 포함된 색상을 출력할 수 있다(S640). 구체적으로, 상술한 바와 같이 4 차원의 보정 계수가 획득되면, 디스플레이 장치(100)는 획득된 4 차원의 보정 계수를 바탕으로 이미지에 포함된 색상을 출력하도록 복수의 LED를 제어할 수 있다.
보다 구체적으로, 디스플레이 장치(100)는 이미지에 포함된 3 차원의 입력 색상 정보를 변환하여 4 차원의 입력 색상 정보를 획득하고, 4 차원의 보정 계수를 바탕으로 4 차원의 입력 색상 정보를 변환(transformation)하여 4 차원의 출력 색상 정보를 획득하며, 4 차원의 출력 색상 정보를 정규화(normalization)하여 이미지를 출력하기 위한 3 차원의 출력 색상 정보를 획득하고, 3 차원의 출력 색상 정보를 바탕으로 이미지를 출력하도록 복수의 LED를 제어할 수 있다.
본 개시에 따른 4 차원의 보정 계수는 회전(rotation), 기울기(shear), 스케일(scale), 평행 이동(translation), 투영(projection) 및 스큐(skew)에 관련된 복수의 엘리먼트를 포함하는 4x4의 매트릭스로 나타낼 수 있다. 그러나 이에 국한되는 것은 아니며, 4 차원의 보정 계수는 4xn 개의 엘리먼트를 포함할 수도 있다.
한편, 본 개시에 따른 4 차원의 입력 색상 정보는 3 차원의 입력 색상 정보 및 3 차원의 입력 색상 정보와 상이한 추가 정보를 포함할 수 있으며, 여기서 추가 정보는 복수의 LED 소자 각각의 온도에 대한 정보를 포함할 수 있다.
한편, 상술한 실시 예에 따른 디스플레이 장치(100)의 제어 방법은 프로그램으로 구현되어 디스플레이 장치(100)에 제공될 수 있다. 특히, 디스플레이 장치(100)의 제어 방법을 포함하는 프로그램은 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장되어 제공될 수 있다.
구체적으로, 디스플레이 장치(100)의 제어 방법을 실행하는 프로그램을 포함하는 컴퓨터 판독 가능 기록매체에 있어서, 디스플레이 장치(100)의 제어 방법은 3 차원의 색상 정보를 포함하는 입력 데이터를 바탕으로 디스플레이 장치(100)에 포함된 복수의 LED 각각을 구동하여, 복수의 LED가 출력하는 색상에 대한 3 차원의 색상 정보를 포함하는 출력 데이터를 획득하는 단계, 입력 데이터 및 출력 데이터를 바탕으로, 복수의 LED가 출력하는 색상을 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 복수의 LED 별로 획득하는 단계 및 이미지를 표시하기 위한 입력이 수신되면, 획득된 4 차원의 보정 계수를 바탕으로 이미지에 포함된 색상을 출력하도록 복수의 LED를 제어하는 단계를 포함할 수 있다.
여기서, 비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
이상에서 디스플레이 장치(100)의 제어 방법, 그리고 디스플레이 장치(100)의 제어 방법을 실행하는 프로그램을 포함하는 컴퓨터 판독 가능 기록매체에 대해 간략하게 설명하였으나, 이는 중복 설명을 생략하기 위한 것일 뿐이며, 디스플레이 장치(100)에 대한 다양한 실시 예는 디스플레이 장치(100)의 제어 방법, 그리고 디스플레이 장치(100)의 제어 방법을 실행하는 프로그램을 포함하는 컴퓨터 판독 가능 기록매체에 대해서도 적용될 수 있음은 물론이다.
상술한 바와 같은 본 개시의 다양한 실시 예에 따르면, 4 차원의 보정 계수를 바탕으로 LED가 출력하는 색상을 효율적이고 신속하게 보정할 수 있는 디스플레이 장치를 제공할 수 있다.
특히, 디스플레이 장치에 포함된 LED 별로 모든 계조에 대응할 수 있는 4 차원의 보정 계수를 획득하고, 획득된 4 차원의 보정 계수를 바탕으로 LED가 출력하는 색상을 보정함으로써, 휘도 및 색도 사이의 비선형적인 관계를 고려하여 수 차례 보정을 반복하거나 휘도 레벨 별로 3 차원의 보정 계수를 모두 획득하여 저장하여야 하는 종래 기술에 비하여, 현저하게 높은 처리 속도와 메모리 용량의 저감을 달성할 수 있다.
나아가, 최근 제조되고 있는 고밀도 및 고집적도를 갖는 디스플레이 장치의 경우, 그리고 LED 자체가 디스플레이 패널의 픽셀을 구성하는 서브 픽셀을 표현하도록 구현되는 디스플레이 장치의 경우, 본 개시에 따른 효과는 더욱 극대화될 수 있다.
한편, 본 개시에 따른 인공 지능과 관련된 기능은 메모리(120) 및 프로세서(130)를 통해 수행될 수 있다.
프로세서(130)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서(130)는 CPU, AP 등과 같은 범용 프로세서, GPU. VPU 등과 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서일 수 있다.
하나 또는 복수의 프로세서(130)는, 비휘발성 메모리 및 휘발성 메모리에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델(또는 신경망 모델)에 따라, 입력 데이터를 처리하도록 제어한다. 기 정의된 동작 규칙 또는 인공 지능 모델은 학습을 통해 만들어진 것을 특징으로 한다.
여기서, 학습을 통해 만들어진다는 것은, 다수의 학습 데이터들에 학습 알고리즘을 적용함으로써, 원하는 특성의 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공 지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버/시스템을 통해 이루어 질 수도 있다.
인공 지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 각 레이어는 복수의 가중치(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치의 연산을 통해 레이어의 연산을 수행한다. 신경망의 예로는, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network), GAN(Generative Adversarial Networks) 및 심층 Q-네트워크 (Deep Q-Networks)이 있으며, 본 개시에서의 신경망은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
학습 알고리즘은, 다수의 학습 데이터들을 이용하여 소정의 대상 기기(예컨대, 로봇)을 훈련시켜 소정의 대상 기기 스스로 결정을 내리거나 예측을 할 수 있도록 하는 방법이다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으며, 본 개시에서의 학습 알고리즘은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
한편, 본 개시에서 사용된 용어 "부" 또는 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "부" 또는 "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 개시의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100: 디스플레이 장치 110: 디스플레이
120: 메모리 130: 프로세서
140: 통신부 150: 입력부

Claims (17)

  1. 디스플레이 장치에 있어서,
    복수의 LED를 포함하는 디스플레이;
    적어도 하나의 인스트럭션(instruction)을 저장하는 메모리; 및
    상기 적어도 하나의 인스트럭션을 실행하는 프로세서; 를 포함하고,
    상기 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써,
    3 차원의 색상 정보를 포함하는 입력 데이터를 바탕으로 상기 복수의 LED 각각을 구동하여, 상기 복수의 LED가 출력하는 색상에 대한 3 차원의 색상 정보를 포함하는 출력 데이터를 획득하고,
    상기 입력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득하고,
    상기 4 차원의 색상 정보를 포함하는 입력 데이터 및 상기 4 차원의 색상 정보를 포함하는 출력 데이터를 바탕으로, 상기 복수의 LED가 출력하는 색상을 상기 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 상기 복수의 LED 별로 획득하며,
    이미지를 표시하기 위한 입력이 수신되면, 상기 획득된 4 차원의 보정 계수를 바탕으로 상기 이미지에 포함된 색상을 출력하도록 상기 복수의 LED를 제어하는 디스플레이 장치.
  2. 제1 항에 있어서,
    상기 프로세서는,
    상기 입력 데이터 및 상기 출력 데이터를 학습된 신경망 모델에 입력하여, 상기 4 차원의 보정 계수를 획득하는 디스플레이 장치.
  3. 제2 항에 있어서,
    상기 신경망 모델은 상기 입력 데이터 및 상기 입력 데이터를 외부 디스플레이 장치에 입력하여 획득된 출력 데이터를 바탕으로, 상기 4 차원의 보정 계수를 획득하도록 학습된 디스플레이 장치.
  4. 제1 항에 있어서,
    상기 프로세서는,
    상기 입력 데이터에 포함된 3 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보를 각각 동차 좌표(homogeneous coordinate)로 변환(transformation)하여, 상기 입력 데이터에 포함된 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 4 차원의 색상 정보를 획득하는 디스플레이 장치.
  5. 제1 항에 있어서,
    회로를 포함하는 통신부; 를 더 포함하고,
    상기 출력 데이터는 외부 측정 장치에서 측정되어, 상기 통신부를 통해 상기 외부 측정 장치로부터 수신되는 디스플레이 장치.
  6. 제1 항에 있어서,
    상기 프로세서는,
    상기 이미지를 표시하기 위한 입력이 수신되면, 상기 이미지에 포함된 3 차원의 입력 색상 정보를 변환하여 4 차원의 입력 색상 정보를 획득하고,
    상기 4 차원의 보정 계수를 바탕으로 상기 4 차원의 입력 색상 정보를 변환하여 4 차원의 출력 색상 정보를 획득하며,
    상기 4 차원의 출력 색상 정보를 정규화(normalization)하여 상기 이미지를 출력하기 위한 3 차원의 출력 색상 정보를 획득하고,
    상기 3 차원의 출력 색상 정보를 바탕으로 상기 이미지를 출력하도록 상기 복수의 LED를 제어하는 디스플레이 장치.
  7. 제6 항에 있어서,
    상기 4 차원의 보정 계수는 상기 4 차원의 입력 색상 정보를 상기 4 차원의 출력 색상 정보로 변환하기 위한 복수의 엘리먼트를 포함하며,
    상기 복수의 엘리먼트는 회전(rotation), 기울기(shear), 스케일(scale), 평행 이동(translation) 및 투영(projection) 및 스큐(skew) 에 관련된 엘리먼트를 포함하는 디스플레이 장치.
  8. 제7 항에 있어서,
    상기 4 차원의 입력 색상 정보는 상기 3 차원의 입력 색상 정보 및 상기 3 차원의 입력 색상 정보와 상이한 추가 정보를 포함하고,
    상기 추가 정보는 상기 복수의 LED 소자 각각의 온도에 대한 정보를 포함하는 디스플레이 장치.
  9. 디스플레이 장치의 제어 방법에 있어서,
    3 차원의 색상 정보를 포함하는 입력 데이터를 바탕으로 상기 디스플레이 장치에 포함된 복수의 LED 각각을 구동하여, 상기 복수의 LED가 출력하는 색상에 대한 3 차원의 색상 정보를 포함하는 출력 데이터를 획득하는 단계;
    상기 입력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득하는 단계;
    상기 4 차원의 색상 정보를 포함하는 입력 데이터 및 4 차원의 색상 정보를 포함하는 상기 출력 데이터를 바탕으로, 상기 복수의 LED가 출력하는 색상을 상기 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 상기 복수의 LED 별로 획득하는 단계; 및
    이미지를 표시하기 위한 입력이 수신되면, 상기 획득된 4 차원의 보정 계수를 바탕으로 상기 이미지에 포함된 색상을 출력하도록 상기 복수의 LED를 제어하는 단계; 를 포함하는 디스플레이 장치의 제어 방법.
  10. 제9 항에 있어서,
    상기 4 차원의 보정 계수를 획득하는 단계는,
    상기 입력 데이터 및 상기 출력 데이터를 학습된 신경망 모델에 입력하여, 상기 4 차원의 보정 계수를 획득하는 디스플레이 장치의 제어 방법.
  11. 제10 항에 있어서,
    상기 신경망 모델은 상기 입력 데이터 및 상기 입력 데이터를 외부 디스플레이 장치에 입력하여 획득된 출력 데이터를 바탕으로, 상기 4 차원의 보정 계수를 획득하도록 학습된 디스플레이 장치의 제어 방법.
  12. 제9 항에 있어서,
    상기 4 차원의 색상 정보를 획득하는 단계는,
    상기 입력 데이터에 포함된 3 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보를 각각 동차 좌표(homogeneous coordinate)로 변환(transformation)하여, 상기 입력 데이터에 포함된 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 4 차원의 색상 정보를 획득하는 단계를 포함하는 디스플레이 장치의 제어 방법.
  13. 제9 항에 있어서,
    상기 출력 데이터는 외부 측정 장치에서 측정되어, 상기 외부 측정 장치로부터 수신되는 디스플레이 장치의 제어 방법.
  14. 제9 항에 있어서,
    상기 복수의 LED를 제어하는 단계는,
    상기 이미지를 표시하기 위한 입력이 수신되면, 상기 이미지에 포함된 3 차원의 입력 색상 정보를 변환하여 4 차원의 입력 색상 정보를 획득하는 단계;
    상기 4 차원의 보정 계수를 바탕으로 상기 4 차원의 입력 색상 정보를 변환하여 4 차원의 출력 색상 정보를 획득하는 단계;
    상기 4 차원의 출력 색상 정보를 정규화(normalization)하여 상기 이미지를 출력하기 위한 3 차원의 출력 색상 정보를 획득하는 단계; 및
    상기 3 차원의 출력 색상 정보를 바탕으로 상기 이미지를 출력하도록 상기 복수의 LED를 제어하는 단계; 를 포함하는 디스플레이 장치의 제어 방법.
  15. 제14 항에 있어서,
    상기 4 차원의 보정 계수는 상기 4 차원의 입력 색상 정보를 상기 4 차원의 출력 색상 정보로 변환하기 위한 복수의 엘리먼트를 포함하며,
    상기 복수의 엘리먼트는 회전(rotation), 기울기(shear), 스케일(scale), 평행 이동(translation) 및 투영(projection) 및 스큐(skew) 에 관련된 엘리먼트를 포함하는 디스플레이 장치의 제어 방법.
  16. 제15 항에 있어서,
    상기 4 차원의 입력 색상 정보는 상기 3 차원의 입력 색상 정보 및 상기 3 차원의 입력 색상 정보와 상이한 추가 정보를 포함하고,
    상기 추가 정보는 상기 복수의 LED 소자 각각의 온도에 대한 정보를 포함하는 디스플레이 장치의 제어 방법.
  17. 디스플레이 장치의 제어 방법을 실행하는 프로그램을 포함하는 컴퓨터 판독 가능 기록매체에 있어서,
    상기 디스플레이 장치의 제어 방법은,
    3 차원의 색상 정보를 포함하는 입력 데이터를 바탕으로 상기 디스플레이 장치에 포함된 복수의 LED 각각을 구동하여, 상기 복수의 LED가 출력하는 색상에 대한 3 차원의 색상 정보를 포함하는 출력 데이터를 획득하는 단계;
    상기 입력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보 및 상기 출력 데이터에 포함된 3 차원의 색상 정보에 대응되는 4 차원의 색상 정보를 획득하는 단계;
    상기 4 차원의 색상 정보를 포함하는 입력 데이터 및 4 차원의 색상 정보를 포함하는 상기 출력 데이터를 바탕으로, 상기 복수의 LED가 출력하는 색상을 상기 입력 데이터에 의해 출력되도록 지정된 색상으로 보정하기 위한 4 차원의 보정 계수를 상기 복수의 LED 별로 획득하는 단계; 및
    이미지를 표시하기 위한 입력이 수신되면, 상기 획득된 4 차원의 보정 계수를 바탕으로 상기 이미지에 포함된 색상을 출력하도록 상기 복수의 LED를 제어하는 단계; 를 포함하는 컴퓨터 판독 가능 기록매체.
KR1020200013257A 2019-07-23 2020-02-04 디스플레이 장치 및 이의 제어 방법 KR102400082B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/KR2020/009440 WO2021015500A1 (ko) 2019-07-23 2020-07-17 디스플레이 장치 및 이의 제어 방법
EP20843410.0A EP3985650A4 (en) 2019-07-23 2020-07-17 DISPLAY DEVICE AND METHOD OF CONTROL THEREOF
US17/579,272 US12069225B2 (en) 2019-07-23 2022-01-19 Display device and control method for same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962877447P 2019-07-23 2019-07-23
US62/877,447 2019-07-23

Publications (2)

Publication Number Publication Date
KR20210011868A KR20210011868A (ko) 2021-02-02
KR102400082B1 true KR102400082B1 (ko) 2022-05-19

Family

ID=74559859

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200013257A KR102400082B1 (ko) 2019-07-23 2020-02-04 디스플레이 장치 및 이의 제어 방법

Country Status (1)

Country Link
KR (1) KR102400082B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024063287A1 (ko) * 2022-09-21 2024-03-28 삼성전자 주식회사 디스플레이 장치 및 그 동작 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000315070A (ja) 1999-04-28 2000-11-14 Matsushita Electric Ind Co Ltd フルカラーディスプレイ
JP2007310008A (ja) 2006-05-16 2007-11-29 Sharp Corp Ｌｅｄを用いた表示装置
US20180047325A1 (en) 2015-03-17 2018-02-15 Sony Semiconductor Solutions Corporation Display apparatus and correction method

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1414012B1 (en) * 2001-07-27 2017-01-04 Sony Corporation Non-linear processing apparatus, image display apparatus
WO2014088975A1 (en) * 2012-12-03 2014-06-12 Entertainment Experience Llc Method for producing a color image and imaging device employing same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000315070A (ja) 1999-04-28 2000-11-14 Matsushita Electric Ind Co Ltd フルカラーディスプレイ
JP2007310008A (ja) 2006-05-16 2007-11-29 Sharp Corp Ｌｅｄを用いた表示装置
US20180047325A1 (en) 2015-03-17 2018-02-15 Sony Semiconductor Solutions Corporation Display apparatus and correction method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024063287A1 (ko) * 2022-09-21 2024-03-28 삼성전자 주식회사 디스플레이 장치 및 그 동작 방법

Also Published As

Publication number Publication date
KR20210011868A (ko) 2021-02-02

Similar Documents

Publication Publication Date Title
JP2019032833A (ja) 固定小数点量子化ニューラルネットワークのための方法及び装置
US20190164057A1 (en) Mapping and quantification of influence of neural network features for explainable artificial intelligence
US11048988B2 (en) Learning device, print control device, and learned model
US20210182687A1 (en) Apparatus and method with neural network implementation of domain adaptation
CN111811694B (zh) 一种温度校准方法、装置、设备及存储介质
KR20200144398A (ko) 클래스 증가 학습을 수행하는 장치 및 그의 동작 방법
JP2021179833A (ja) 情報処理装置、情報処理方法及びプログラム
WO2019188573A1 (ja) 演算装置、演算方法およびプログラム
JP7370922B2 (ja) 学習方法、プログラム及び画像処理装置
US12096131B2 (en) Method of generating noise-reduced image data and electronic device for performing the same
KR102400082B1 (ko) 디스플레이 장치 및 이의 제어 방법
US12069225B2 (en) Display device and control method for same
US8831375B2 (en) Method of obtaining variance data or standard deviation data for reducing noise, and digital photographing apparatus including recording medium storing variance data or standard deviation data for reducing noise
US11625816B2 (en) Learning device, image generation device, learning method, image generation method, and program
US11526691B2 (en) Learning device, learning method, and storage medium
Amani et al. Color calibration on human skin images
US11615609B2 (en) Learning apparatus, inferring apparatus, learning method, program, and inferring method
JP7443030B2 (ja) 学習方法、プログラム、学習装置、および、学習済みウエイトの製造方法
JP7192854B2 (ja) 演算装置、演算方法、プログラムおよび判別システム
CN112613373A (zh) 图像识别方法、装置、电子设备及计算机可读存储介质
US20230021444A1 (en) Image processing device, processing method thereof, and image processing system including the image processing device
KR20240050257A (ko) UDC(under display camera) 이미지 복원을 수행하는 방법 및 전자 장치
KR20240009108A (ko) 화질 개선을 수행하는 신경망 모델을 학습시키는 전자 장치 및 그 제어 방법
JP4615430B2 (ja) 画像生成装置、画像生成方法および画像生成プログラム
CN111814818B (zh) 显示设备及其图像处理方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant