KR102403258B1

KR102403258B1 - 볼륨 추론 기반 3차원 모델링 방법 및 시스템

Info

Publication number: KR102403258B1
Application number: KR1020210180168A
Authority: KR
Inventors: 윤경원; 브롬버그 디마테 세르지오; 윤 레오나드; 반성훈
Original assignee: 주식회사 리콘랩스
Priority date: 2021-12-15
Filing date: 2021-12-15
Publication date: 2022-05-30
Anticipated expiration: 2041-12-15
Also published as: JP2024502918A; WO2023113093A1; US20230186562A1

Abstract

본 개시는 적어도 하나의 프로세서에 의해 실행되는 볼륨 추론 기반 3차원 모델링 방법에 관한 것이다. 볼륨 추론 기반 3차원 모델링 방법은, 특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지를 수신하는 단계, 각 이미지가 촬영된 위치 및 포즈를 추정하는 단계, 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습하는 단계 및 볼륨 추론 모델을 이용하여 대상 물체에 대한 3차원 모델을 생성하는 단계를 포함한다.

Description

볼륨 추론 기반 3차원 모델링 방법 및 시스템{METHOD AND SYSTEM FOR 3D MODELING BASED ON VOLUME ESTIMATION}

본 개시는 볼륨 추론 기반 3차원 모델링 방법 및 시스템에 관한 것으로, 구체적으로, 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지에 기초하여 볼륨 추론 모델을 학습하고, 학습된 볼륨 추론 모델을 이용하여 대상 물체에 대한 3차원 모델을 생성하는 방법 및 시스템에 관한 것이다.

종래에는 물체에 대한 3차원 모델을 제작하기 위해, 일반적으로 CAD와 같은 프로그램을 이용하여 3차원 모델링 작업을 수행하였다. 이러한 작업을 수행하기 위해서는 어느 정도 숙련된 기술이 필요하기 때문에, 대부분 전문가에 의해 3차원 모델링 작업이 수행되었다. 이에 따라 3차원 모델링 작업에 많은 시간과 비용이 소모되었고, 제작된 3차원 모델은 작업자에 따라 품질의 차이가 크다는 문제점이 있었다.

최근에는 대상 물체를 다양한 각도에서 촬영한 사진 또는 영상을 기반으로 3차원 모델링을 자동화하는 기술이 도입되어, 짧은 시간 내에 3차원 모델을 제작할 수 있게 되었다. 다만, 일반적인 3차원 모델링 자동화 기술들은 이미지에서 특징점(feature point)들을 추출하는 과정을 거치는데, 이러한 방식에 의하면, 물체의 특징에 따라 특징점이 제대로 추출되지 않거나, 물체의 형체가 정확하게 반영되지 않은 3차원 모델이 생성된다는 문제점이 있다.

본 개시는 상기와 같은 문제점을 해결하기 위한 볼륨 추론 기반 3차원 모델링 방법, 기록매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.

본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 실행되는 볼륨 추론 기반 3차원 모델링 방법은, 특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지를 수신하는 단계, 각 이미지가 촬영된 위치 및 포즈를 추정하는 단계, 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습하는 단계 및 볼륨 추론 모델을 이용하여 대상 물체에 대한 3차원 모델을 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 볼륨 추론 모델은 특정 공간 상의 위치 정보 및 시야 방향(viewing direction) 정보를 입력 받아, 색상 값과 볼륨 밀도(volume density) 값을 출력하도록 학습된 모델이다.

본 개시의 일 실시예에 따르면, 볼륨 추론 모델은 복수의 이미지에 포함된 픽셀 값과 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값 사이의 차이를 최소화하도록 학습된다.

본 개시의 일 실시예에 따르면, 대상 물체에 대한 3차원 모델을 생성하는 단계는, 볼륨 추론 모델을 이용하여 대상 물체의 3차원 깊이맵을 생성하는 단계, 생성된 3차원 깊이맵에 기초하여 대상 물체의 3차원 메쉬(mesh)를 생성하는 단계 및 3차원 메쉬 상에 텍스처 정보를 적용하여 대상 물체에 대한 3차원 모델을 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 대상 물체의 3차원 깊이맵은 볼륨 추론 모델에 의해 추론된 특정 공간 상의 복수의 지점에서의 볼륨 밀도 값에 기초하여 생성된다.

본 개시의 일 실시예에 따르면, 텍스처 정보는 볼륨 추론 모델에 의해 추론된 특정 공간 상의 복수의 지점 및 복수의 시야 방향에서의 색상 값에 기초하여 결정된다.

본 개시의 일 실시예에 따르면, 복수의 이미지에 기초하여 카메라 모델을 추정하는 단계 및 추정된 카메라 모델을 이용하여 복수의 이미지를 복수의 비왜곡(undistorted) 이미지로 변환하는 단계를 더 포함하고, 볼륨 추론 모델은 복수의 비왜곡 이미지를 이용하여 학습된 모델이다.

본 개시의 일 실시예에 따르면, 대상 물체에 대한 3차원 모델을 생성하는 단계는, 볼륨 추론 모델을 이용하여 대상 물체의 3차원 깊이맵을 생성하는 단계, 카메라 모델을 이용하여 3차원 깊이맵을 변환하는 단계, 변환된 3차원 깊이맵에 기초하여 대상 물체의 3차원 메쉬(mesh)를 생성하는 단계 및 3차원 메쉬 상에 텍스처 정보를 적용하여 대상 물체에 대한 3차원 모델을 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따른 볼륨 추론 기반 3차원 모델링 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 일 실시예에 따른 정보 처리 시스템은, 통신 모듈, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지를 수신하고, 각 이미지가 촬영된 위치 및 포즈를 추정하고, 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습하고, 볼륨 추론 모델을 이용하여 대상 물체에 대한 3차원 모델을 생성하기 위한 명령어들을 포함한다.

본 개시의 일부 실시예에 따르면, 볼륨 추론 모델을 학습시키고 학습된 볼륨 추론 모델을 이용하여 3차원 모델을 생성함으로써, 대상 물체의 형체 및/또는 텍스처를 정확하고 세밀하게 구현한 고품질의 3차원 모델을 생성할 수 있다.

본 개시의 일부 실시예에 따르면, 대상 물체가 위치한 특정 공간 내의 모든 위치 및 시야 방향에 대한 색상 값 및 볼륨 밀도 값을 추정할 수 있기 때문에, 높은 해상도의 정밀하고 정확한 깊이맵을 생성할 수 있고, 이에 기초하여 고품질의 3차원 모델을 생성할 수 있다.

본 개시의 일부 실시예에 따르면, 3차원 깊이맵을 생성하는 과정에서 이미지를 비왜곡 이미지로 변환하여 과정을 수행함으로써, 정밀하고 정확한 3차원 깊이맵을 생성할 수 있다.

본 개시의 일부 실시예에 따르면, 3차원 깊이맵을 기초로 3차원 모델을 생성하는 과정에서, 3차원 깊이맵을 역변환하여 과정을 수행함으로써, 사용자 단말을 통해 3차원 모델을 보는 사용자가 실제 물체를 카메라로 촬영하고 있는 것과 같이 느껴지는 현장감 있는 3차원 모델을 구현할 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자(“통상의 기술자”라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따라 사용자가 사용자 단말을 이용하여 대상 물체를 다양한 방향에서 촬영하고, 3차원 모델을 생성하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 3은 본 개시의 일 실시예에 따른 볼륨 추론 기반 3차원 모델링 방법의 예시를 나타내는 도면이다.
도 4는 본 개시의 일 실시예에 따른 볼륨 추론 모델을 학습하는 방법의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 3차원 모델링 방법에 의해 생성된 3차원 모델과 종래의 방법에 의해 생성된 3차원 모델을 비교한 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따른 카메라의 왜곡을 고려한 볼륨 추론 기반 3차원 모델링 방법의 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따른 왜곡된 이미지와 비왜곡 이미지를 비교한 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 볼륨 추론 기반 3차원 모델링 방법의 예시를 나타내는 흐름도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.

본 개시에서, '기계학습 모델'은 주어진 입력에 대한 해답(answer)을 추론하는데 사용하는 임의의 모델을 포함할 수 있다. 일 실시예에 따르면, 기계학습 모델은 입력 레이어(층), 복수 개의 은닉 레이어 및 출력 레이어를 포함한 인공신경망 모델을 포함할 수 있으며, 여기서, 각 레이어는 복수의 노드를 포함할 수 있다. 본 개시에서, 기계학습 모델은 인공신경망 모델을 지칭할 수 있으며, 인공신경망 모델은 기계학습 모델을 지칭할 수 있다. 본 개시에서, '볼륨 추론 모델'이 기계학습 모델로서 구현될 수 있다. 본 개시의 일부 실시예에서, 하나의 기계학습 모델로 설명된 모델은 복수 개의 기계학습 모델을 포함할 수 있으며, 또한, 별도의 기계학습 모델로 설명된 복수 개의 모델은 단일 기계학습 모델로서 구현될 수도 있다.

본 개시에서, '디스플레이'는 컴퓨팅 장치와 연관된 임의의 디스플레이 장치를 지칭할 수 있는데, 예를 들어, 컴퓨팅 장치에 의해 제어되거나 컴퓨팅 장치로부터 제공된 임의의 정보/데이터를 표시할 수 있는 임의의 디스플레이 장치를 지칭할 수 있다.

본 개시에서, '복수의 A의 각각' 또는 '복수의 A 각각'은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다.

본 개시의 일부 실시예에서, '복수의 이미지'는 복수의 이미지를 포함하는 영상을 지칭할 수 있으며, '영상'은 영상에 포함된 복수의 이미지를 지칭할 수 있다.

도 1은 본 개시의 일 실시예에 따라 사용자(110)가 사용자 단말(120)을 이용하여 대상 물체(130)를 다양한 방향에서 촬영하고, 3차원 모델을 생성하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 사용자(110)는 사용자 단말(120)에 구비된 카메라(또는 이미지 센서)를 이용하여, 3차원 모델링의 대상이 되는 물체(이하, 대상 물체)(130)를 다양한 방향에서 촬영하고, 3차원 모델 생성을 요청할 수 있다. 예를 들어, 사용자(110)는 사용자 단말(120)에 구비된 카메라를 이용하여, 대상 물체(130) 주위를 회전하면서, 대상 물체(130)를 포함하는 영상을 촬영할 수 있다. 그런 다음, 사용자(110)는 사용자 단말(120)을 통해, 촬영된 영상(또는 영상에 포함된 복수의 이미지)을 이용한 3차원 모델링을 요청할 수 있다. 다른 실시예에 따르면, 사용자(110)는 사용자 단말(120)에 저장된 영상 또는 사용자 단말(120)로부터 접근할 수 있는 다른 시스템에 저장된 영상을 선택한 뒤, 해당 영상(또는 영상에 포함된 복수의 이미지)을 이용한 3차원 모델링을 요청할 수 있다. 사용자(110)에 의해 3차원 모델링이 요청된 경우, 사용자 단말(120)은 촬영된 영상 또는 선택된 영상을 정보 처리 시스템으로 전송할 수 있다.

정보 처리 시스템은 대상 물체(130)에 대한 영상(또는 영상에 포함된 복수의 이미지)을 수신하고, 영상 내의 복수의 이미지 각각에 대해 촬영된 위치 및 포즈를 추정할 수 있다. 각 이미지가 촬영된 위치 및 포즈는, 각 이미지가 촬영된 시점에서 카메라의 위치 및 방향 등을 지칭할 수 있다. 그런 다음, 정보 처리 시스템은 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습할 수 있으며, 학습된 볼륨 추론 모델을 이용하여 대상 물체(130)에 대한 3차원 모델을 생성할 수 있다.

상술한 설명에서, 복수의 이미지를 이용하여 3차원 모델을 생성하는 과정은 정보 처리 시스템에 의해 수행되는 것으로 기재하였으나, 이에 한정되지 않으며 다른 실시예에서는 다르게 구현될 수 있다. 예를 들어, 복수의 이미지를 이용하여 3차원 모델을 생성하는 일련의 과정 중 적어도 일부 또는 모든 과정이 사용자 단말(120)에 의해 수행될 수 있다. 다만, 설명의 편의를 위해, 이하에서는 정보 처리 시스템에 의해 3차원 모델 생성 과정이 수행되는 것을 전제로 설명하고자 한다.

본 개시의 볼륨 기반 3차원 모델링 방법에 의하면, 이미지로부터 특징점을 추출하여 이를 기초로 3차원 모델을 생성하는 대신에, 볼륨 추론 모델을 학습시키고 학습된 볼륨 추론 모델을 이용하여 3차원 모델을 생성함으로써, 대상 물체(130)의 형체 및/또는 텍스처를 정확하고 세밀하게 구현할 수 있다.

도 2는 본 개시의 일 실시예에 따른 사용자 단말(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 3차원 모델링 애플리케이션, 웹 브라우저 등을 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 휴대폰 단말, 태블릿 단말, PC 단말 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(212), 프로세서(214), 통신 모듈(216) 및 입출력 인터페이스(218)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(232), 프로세서(234), 통신 모듈(236) 및 입출력 인터페이스(238)를 포함할 수 있다. 도 2에 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(216, 236)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(240)는 입출력 인터페이스(218)를 통해 사용자 단말(210)에 정보 및/또는 데이터를 입력하거나 사용자 단말(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

메모리(212, 232)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(212, 232)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 사용자 단말(210) 또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(212, 232)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 사용자 단말(210)에 설치되어 구동되는 3차원 모델링 애플리케이션 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(212, 232)와는 별도의 컴퓨터에서 판독가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 사용자 단말(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(212, 232)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(212, 232)에 로딩될 수 있다.

프로세서(214, 234)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(212, 232) 또는 통신 모듈(216, 236)에 의해 프로세서(214, 234)로 제공될 수 있다. 예를 들어, 프로세서(214, 234)는 메모리(212, 232)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(216, 236)은 네트워크(220)를 통해 사용자 단말(210)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 사용자 단말(210) 및/또는 정보 처리 시스템(230)이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 사용자 단말(210)의 프로세서(214)가 메모리(212) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 3차원 모델 생성 요청, 대상 물체를 다양한 방향에서 촬영한 복수의 이미지 또는 영상 등)는 통신 모듈(216)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(234)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(236)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(216)을 통해 사용자 단말(210)에 수신될 수 있다. 예를 들어, 사용자 단말(210)은 정보 처리 시스템(230)으로부터 통신 모듈(216)을 통해 대상 물체에 대한 3차원 모델 데이터 등을 수신할 수 있다.

입출력 인터페이스(218)는 입출력 장치(240)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(218)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 사용자 단말(210)의 프로세서(214)가 메모리(212)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 사용자 단말이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(218)를 통해 디스플레이에 표시될 수 있다. 도 2에서는 입출력 장치(240)가 사용자 단말(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 사용자 단말(210)과 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(238)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 2에서는 입출력 인터페이스(218, 238)가 프로세서(214, 234)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(218, 238)가 프로세서(214, 234)에 포함되도록 구성될 수 있다.

사용자 단말(210) 및 정보 처리 시스템(230)은 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 사용자 단말(210)은 상술된 입출력 장치(240) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 사용자 단말(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 사용자 단말(210)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 구성요소를 포함할 수 있으며, 예를 들어, 가속도 센서, 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 사용자 단말(210)에 더 포함되도록 구현될 수 있다. 일 실시예에 따르면, 사용자 단말(210)의 프로세서(214)는 3차원 모델 생성 서비스를 제공하는 애플리케이션 등이 동작하도록 구성될 수 있다. 이 때, 해당 애플리케이션 및/또는 프로그램과 연관된 코드가 사용자 단말(210)의 메모리(212)에 로딩될 수 있다.

3차원 모델 생성 서비스를 제공하는 애플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(214)는 입출력 인터페이스(218)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 메모리(212)에 저장하거나 통신 모듈(216) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 예를 들어, 프로세서(214)는 입출력 인터페이스(218)와 연결된 카메라를 통해 촬영된 대상 물체에 대한 복수의 이미지 또는 영상을 수신하고, 대상 물체에 대한 3차원 모델 생성을 요청하는 사용자 입력을 수신하여, 복수의 이미지 또는 영상을 통신 모듈(216) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 다른 예로, 프로세서(214)는 복수의 이미지 또는 영상에 대한 사용자의 선택을 나타내는 입력을 수신하여, 선택된 복수의 이미지 또는 영상을 통신 모듈(216) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다.

사용자 단말(210)의 프로세서(214)는 입력 장치(240), 다른 사용자 단말, 정보 처리 시스템(230) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(214)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(216) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공될 수 있다. 사용자 단말(210)의 프로세서(214)는 입출력 인터페이스(218)를 통해 입출력 장치(240)로 정보 및/또는 데이터를 전송하여, 출력할 수 있다. 예를 들면, 프로세서(214)는 수신한 정보 및/또는 데이터를 사용자 단말의 화면에 디스플레이할 수 있다.

정보 처리 시스템(230)의 프로세서(234)는 복수의 사용자 단말(210) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(234)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(236) 및 네트워크(220)를 통해 사용자 단말(210)에 제공할 수 있다. 예를 들어, 정보 처리 시스템(230)의 프로세서(234)는 사용자 단말(210)로부터 복수의 이미지를 수신하고, 각 이미지가 촬영된 위치 및 포즈를 추정한 뒤, 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습할 수 있으며, 학습된 볼륨 추론 모델을 이용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다. 정보 처리 시스템(230)의 프로세서(234)는 이렇게 생성된 3차원 모델을 통신 모듈(236) 및 네트워크(220)를 통해 사용자 단말(210)로 제공할 수 있다.

정보 처리 시스템(230)의 프로세서(234)는 사용자 단말(210)의 디스플레이 출력 가능 장치(예: 터치 스크린, 디스플레이 등), 음성 출력 가능 장치(예: 스피커) 등의 출력 장치(240)를 통해 처리된 정보 및/또는 데이터를 출력하도록 구성될 수 있다. 예를 들어, 정보 처리 시스템(230)의 프로세서(234)는, 대상 물체에 대한 3차원 모델을 통신 모듈(236) 및 네트워크(220)를 통해 사용자 단말(210)로 제공하고, 3차원 모델을 사용자 단말(210)의 디스플레이 출력 가능 장치 등을 통해 출력하도록 구성될 수 있다.

도 3은 본 개시의 일 실시예에 따른 볼륨 추론 기반 3차원 모델링 방법의 예시를 나타내는 도면이다. 먼저, 정보 처리 시스템은 특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지 또는 대상 물체를 다양한 방향에서 촬영한 영상을 수신할 수 있다(310). 정보 처리 시스템이 영상을 수신한 경우, 정보 처리 시스템은 영상 내에 포함된 복수의 이미지를 획득할 수 있다. 예를 들어, 정보 처리 시스템은 대상 물체 주위를 회전하면서 촬영한 영상을 사용자 단말로부터 수신하고, 영상으로부터 복수의 이미지를 획득할 수 있다.

그런 다음, 정보 처리 시스템은 각 이미지가 촬영된 위치 및 포즈를 추정할 수 있다(320). 여기서, 각 이미지가 촬영된 위치 및 포즈는, 각 이미지가 촬영된 시점에서 카메라의 위치 및 방향 등을 지칭할 수 있다. 위치 및 포즈 추정에는 이미지로부터 위치 및 포즈를 추정하기 위한 다양한 추정 방법이 사용될 수 있다. 예를 들어, 복수의 이미지로부터 특징점을 추출하고, 이를 이용하여 각 이미지가 촬영된 위치 및 포즈를 추정하는 사진 측량 기술이 사용될 수 있으나 이에 한정되지 않으며, 다양한 위치 및 포즈 추정 방법이 사용될 수 있다.

그 후, 정보 처리 시스템은 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습할 수 있다(330). 여기서, 볼륨 추론 모델은 기계학습 모델(예를 들어, 인공신경망 모델)일 수 있다. 일 실시예에 따르면, 볼륨 추론 모델은 특정 공간 상의 위치 정보 및 시야 방향(viewing direction) 정보를 입력 받아, 색상 값과 볼륨 밀도(volume density) 값을 출력하도록 학습된 모델일 수 있다. 예를 들어, 볼륨 추론 모델은 다음과 같은 수학식으로 표현될 수 있다.

여기서,

는 볼륨 추론 모델,

는 볼륨 추론 모델의 파라미터,

,

는 각각 특정 공간 상의 위치 정보 및 시야 방향,

,

는 각각 색상 값과 볼륨 밀도 값을 나타낸다. 구체적 예로, 색상 값

는 위치

에 대해 시야 방향

로 바라봤을 때 보여지는 색상 값(예를 들어, RGB 색상 값)을 나타낼 수 있으며, 볼륨 밀도 값

는 위치

에 대해 시야 방향

로 바라봤을 때, 물체가 존재하지 않으면 0의 값을 가지고, 물체가 존재하면 투명도에 따라 0 초과 1 이하의 임의의 실수 값을 가질 수 있다(즉, 볼륨 밀도는 빛이 차단되는 비율을 의미할 수 있다). 학습된 볼륨 추론 모델을 이용하면, 대상 물체가 위치한 특정 공간 내의 임의의 위치 및 시야 방향에 대한 색상 값 및 볼륨 밀도 값을 추정할 수 있다.

일 실시예에서, 볼륨 추론 모델은 복수의 이미지에 포함된 픽셀 값과 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값 사이의 차이를 최소화하도록 학습될 수 있다. 즉, 이미지에 포함된 픽셀 값과 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값 사이의 차이에 기초하여, 손실 함수(loss function)가 정의될 수 있다. 예를 들어, 볼륨 추론 모델을 학습하기 위한 손실 함수는 다음과 같은 수학식으로 표현될 수 있다.

여기서,

,

은 각각 이미지에 포함된 정답(Ground Truth) 픽셀 값, 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값을 나타낸다. 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 추정 픽셀 값(

)을 산출하는 방법은 도 4를 참조하여 상세히 후술된다.

볼륨 추론 모델의 학습이 완료된 후, 정보 처리 시스템은 볼륨 추론 모델을 이용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다. 일 실시예에서, 학습된 볼륨 추론 모델을 이용하면 대상 물체가 위치한 특정 공간 내의 임의의 위치 및 시야 방향에 대한 색상 값 및 볼륨 밀도 값을 추정할 수 있기 때문에, 이를 이용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다.

일 실시예에 따르면, 정보 처리 시스템은 대상 물체에 대한 3차원 모델을 생성하기 위해, 먼저, 볼륨 추론 모델을 이용하여 대상 물체의 3차원 깊이맵을 생성할 수 있다(340). 예를 들어, 특정 위치 및 특정 포즈로 대상 물체가 위치한 특정 공간을 바라봤을 때 0이 아닌 볼륨 밀도 값을 가지는 가장 가까운 지점까지의 거리를 물체까지의 거리로 추정할 수 있다. 이와 같은 방식에 따라, 정보 처리 시스템은 볼륨 추론 모델을 이용하여 대상 물체의 3차원 깊이맵을 생성할 수 있다.

그런 다음, 정보 처리 시스템은 생성된 3차원 깊이맵에 기초하여 대상 물체의 3차원 메쉬(mesh)를 생성할 수 있으며(350), 3차원 메쉬 상에 텍스처 정보를 적용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다(360). 일 실시예에 따르면, 여기서 텍스처 정보는 볼륨 추론 모델에 의해 추론된 특정 공간 상의 복수의 지점 및 복수의 시야 방향에서의 색상 값에 기초하여 결정될 수 있다.

종래의 3차원 모델링 방식에 의하면, 복수의 이미지에서 공통적으로 추출한 특징점을 기초로 3차원 모델을 생성하기 때문에, 복수의 이미지로부터 추출할 수 있는 특징점의 수가 적은 경우 희소한(sparse) 깊이맵이 생성되며, 희소한 깊이맵으로부터 밀집된(dense) 깊이맵을 추론하더라도 정보의 손실으로 인해 불완전한 깊이맵이 생성된다. 이에 반해, 본 개시의 일 실시예에 따른 학습된 볼륨 추론 모델을 이용하면 대상 물체가 위치한 특정 공간 내의 모든 위치 및 시야 방향에 대한 색상 값 및 볼륨 밀도 값을 추정할 수 있기 때문에, 곧바로 밀집된 깊이맵을 생성할 수 있다. 즉, 본 개시에 따르면, 높은 해상도의 정밀하고 정확한 깊이맵을 생성할 수 있다. 또한, 이미지 슈퍼 레졸루션(image super resolution) 기술을 활용하여 깊이맵의 해상도를 더욱 더 향상시킬 수도 있다. 이와 같이, 고품질의 3차원 깊이맵을 이용하여 3차원 모델을 생성함으로써 실사에 가까운 고품질의 3차원 모델을 생성할 수 있다.

도 4는 본 개시의 일 실시예에 따른 볼륨 추론 모델을 학습하는 방법의 예시를 나타내는 도면이다. 일 실시예에 따르면, 볼륨 추론 모델(

)은 특정 공간 상의 위치 정보(

) 및 시야 방향 정보(

)를 입력 받아, 색상 값(

)과 볼륨 밀도 값(

)을 추론할 수 있다. 예를 들어, 볼륨 추론 모델은 상술한 수학식 1로 표현될 수 있다. 여기서, 볼륨 추론 모델은 복수의 이미지에 포함된 픽셀 값과 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값 사이의 차이를 최소화하도록 학습될 수 있다. 예를 들어, 볼륨 추론 모델을 학습하기 위한 손실 함수는 상술한 수학식 2로 표현될 수 있다.

상술한 수학식 2에서,

은 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값을 나타내는데, 예를 들어, 추정 픽셀 값은 다음과 같은 과정에 의해 산출될 수 있다.

우선, 정보 처리 시스템은 대상 물체를 촬영한 복수의 이미지의 초점 중심(o)으로부터 상면(image plane) 상의 한 점(한 픽셀)을 잇는 가상의 반직선(이하, 레이(ray; 광로),

)을 상정할 수 있다. 그런 다음, 레이 상에 존재하는 복수의 샘플링 지점들(420, 430, 440, 450, 460, 470, 480)을 추출할 수 있다. 예를 들어, 정보 처리 시스템은 레이 상에서, 균등한 간격으로 복수의 샘플링 지점들(420, 430, 440, 450, 460, 470, 480)을 추출할 수 있다. 그런 다음, 정보 처리 시스템은 복수의 샘플링 지점들(420, 430, 440, 450, 460, 470, 480)의 위치 정보 및 시야 방향 정보(샘플링 지점으로부터 초점 중심으로 향하는 방향)를 볼륨 추론 모델에 입력하여, 해당 지점들의 색상 값과 볼륨 밀도 값을 추론할 수 있다. 그런 다음, 복수의 샘플링 지점들(420, 430, 440, 450, 460, 470, 480)에 대해 추론된 색상 값 및 볼륨 밀도 값에 기초하여, 상면(image plane)(구체적으로, 해당 레이와 상면이 만나는 지점, 즉, 픽셀)에 맺힌 추정 픽셀 값을 산출할 수 있다. 예를 들어, 복수의 샘플링 지점들(420, 430, 440, 450, 460, 470, 480)에 대해 추론된 각 색상 값을 추론된 각 볼륨 밀도 값에 비례하여 누적시켰을 때의 색상 값을 산출함으로써, 상면에 맺힌 추정 픽셀 값을 산출할 수 있다. 구체적으로, 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 추정 픽셀 값을 산출하는 과정은 아래의 수학식 3으로 표현될 수 있다.

여기서,

은 레이,

은 산출되는 추정 픽셀 값,

,

은 각각 가까운 경계(예를 들어, 볼륨 밀도가 0이 아닌 가장 가까운 지점), 먼 경계(예를 들어, 볼륨 밀도가 0이 아닌 가장 먼 지점),

는 볼륨 밀도 값,

는 색상 값,

,

는 각각 샘플링 지점의 위치 정보, 시야 방향 정보를 나타내며,

는

부터

까지 누적 투과율(즉, 레이(빛)가

부터

까지 다른 입자와 부딪히지 않고 이동할 수 있는 확률)을 나타낸다. 이러한 추정 픽셀 값을 산출하는 과정을 복수의 이미지 내의 모든 픽셀에 대해 수행할 수 있다.

볼륨 추론 모델은 이렇게 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값과 실제 이미지에 포함된 픽셀 값과 사이의 차이가 최소화되도록 학습될 수 있다. 구체적 예로, 볼륨 추론 모델을 학습하기 위한 손실 함수는 아래와 같은 수학식 4로 표현될 수 있다.

여기서,

은 레이,

은 복수의 이미지에 대한 레이들의 집합,

,

은 각각 레이

에 대한 정답(Ground Truth) 픽셀 값, 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값을 나타낸다.

추가적으로 또는 대안적으로, 정보 처리 시스템은 레이 상에 존재하는 복수의 샘플링 지점들(420, 430, 440, 450, 460, 470, 480)을 추출하고, 추정 픽셀 값을 산출하는 과정을 복수 번 수행할 수 있다. 예를 들어, 정보 처리 시스템은 계층적 볼륨 샘플링 과정을 수행할 수 있다. 구체적으로, 하나의 볼륨 추정 모델을 사용하는 대신에 거친(coarse) 모델과 정밀한(fine) 모델 두가지를 사용할 수 있다. 우선, 상술한 방법에 따라 거친 모델로부터 출력된 색상 값 및 볼륨 밀도 값을 추론할 수 있다. 그런 다음, 거친 모델의 출력 값을 이용하여, 대상 물체(구체적 예로, 대상 물체의 표면(surface))가 존재할 것으로 추정되는 부분에서 더 많은 샘플링 지점들을 추출하고, 대상 물체가 존재하지 않을 것으로 추정되는 부분에서 더 적은 샘플링 지점들을 추출하여, 정밀한 모델을 학습할 수 있다. 여기서, 정밀한 모델을 학습하기 위한 손실 함수는 아래와 같은 수학식 5로 표현될 수 있다.

여기서,

은 복수의 이미지에 대한 레이들의 집합,

,

는 각각 ray

에 대한 정답 픽셀 값, 거친 모델에 의한 추정 색상 값, 정밀한 모델에 의한 추정 색상 값을 나타낼 수 있다. 최종적으로, 학습된 정밀한 모델을 이용하여, 대상 물체에 대한 3차원 모델을 생성할 수 있다.

추가적으로 또는 대안적으로, 직접 볼륨 밀도를 추정하는 대신, 부호 있는 거리 함수(Signed Distance Function; SDF)로 레이 상의 볼륨 밀도를 표현하여 대상 물체의 표면(surface) 위치에 대한 추정의 정확도를 향상시킬 수 있다. 예를 들어, 볼륨 밀도는 학습 가능한 SDF의 변형으로 모델링될 수 있다. 구체적 예로, 볼륨 밀도는 아래와 같은 수학식 6으로 모델링될 수 있다.

여기서,

,

이고,

여기서,

는 볼륨 밀도 함수,

,

는 학습 가능한 파라미터,

는 평균이 0이고

의 스케일 파라미터를 갖는 라플라스 분포의 누적 분포 함수,

는 대상 물체가 차지하는 영역,

는 대상 물체의 경계면,

는 지점

가 대상 물체가 차지하는 영역 내에 있으면 1, 아니면 0인 함수,

는 지점

가 대상 물체가 차지하는 영역 내에 있으면 양수, 아니면 음수를 가지면서, 경계면에 대한 거리에 따라 값이 변하는 함수를 나타낸다.

이 경우, 볼륨 추론 모델의 학습을 위한 손실 함수는 색상 손실 및 아이코날(Eikonal) 손실에 기초하여 정의될 수 있다. 여기서, 색상 손실은 상술한 방법(예를 들어, 수학식 2, 수학식 4 또는 수학식 5)과 유사하게 산출될 수 있으며, 아이코날 손실은 기하학적 패널티를 나타내는 손실이다. 구체적 예로, 손실 함수는 아래와 같은 수학식 7으로 정의될 수 있다.

여기서,

는 총 손실,

는 색상 손실,

는 아이코날 손실,

는 하이퍼 파라미터(예를 들어, 0.1)를 나타낸다.

상술한 바와 같이, 정보 처리 시스템은 볼륨 추론 모델을 다양한 방식에 따라 학습할 수 있으며, 학습된 볼륨 추론 모델을 이용하여 3차원 모델을 생성할 수 있다.

도 5는 본 개시의 일 실시예에 따른 3차원 모델링 방법에 의해 생성된 3차원 모델(520)과 종래의 방법에 의해 생성된 3차원 모델(510)을 비교한 예시를 나타내는 도면이다. 종래의 3차원 모델링 방법에 따르면, 대상 물체를 촬영한 이미지에서 특징점(feature point)들을 추출하고, 특징점들의 3차원 공간 내 위치 값들을 추정할 수 있다. 여기서, 특징점이란, 복수의 이미지에서 동일한 지점으로 추측할 수 있는 점을 의미할 수 있다. 그런 다음, 추정된 특징점들의 위치 값들을 기초로 3차원 형태에 대한 깊이맵을 생성하거나 포인트 클라우드(Point Cloud)를 생성하고, 깊이맵 또는 포인트 클라우드에 기초하여 대상 물체에 대한 3차원 메쉬를 생성할 수 있다.

다만, 종래의 방법에 따라 3차원 모델을 생성하는 경우, 대상 물체의 특징에 따라 물체의 형태가 제대로 반영되지 않을 수 있다. 예를 들어, 특징점을 특정하기 어려운 텍스처(예: 단색의 플라스틱, 금속 등)를 가진 물체의 경우, 특징점이 현저히 적게 추출되어 3차원 모델에 물체의 형체가 제대로 반영되지 않을 수 있다. 다른 예로, 반사가 있거나 투명한 재질을 가진 물체의 경우, 빛의 반사 또는 굴절으로 인해 실제 물체와 다른 위치에서 특징점이 추출되거나, 실제 물체에서는 같은 위치인 지점이 여러 다른 위치에서 특징점으로 추출되어, 비정상적인 형태와 텍스처를 가진 3차원 모델이 생성될 수 있다. 또 다른 예로, 물체에 얇고 가는 부분이 포함된 경우, 해당 부분에 면(surface)을 특정할 수 있을 만큼의 충분히 넓은 면적의 특징점들이 분포되어 있지 않아, 3차원 메쉬를 생성하는 단계에서 면이 아닌 점으로 인식되어 생략될 수 있다. 이와 같이, 종래의 방법에 의하면 대상 물체의 특징에 따라, 3차원 모델이 제대로 생성되지 않을 수 있다.

종래의 방법에 의해 생성된 3차원 모델(510)의 예시가 도 5에 도시되어 있다. 종래의 방법에 의해 생성된 3차원 모델(510)은, 도시된 바와 같이, 실제 대상 물체의 표면 위치를 정확하게 반영하지 못해 표면이 매끄럽지 않으며, 일 부 부분이 생략되는 등의 문제가 있다.

이에 반해, 본 개시의 일 실시예에 따른 3차원 모델링 방법에 따르면, 이미지로부터 특징점들을 추출하는 대신, 볼륨 추론 모델을 이용함으로써 물체가 위치한 특정 공간 상의 모든 점에 대한 색상 값, 볼륨 밀도 값을 추정할 수 있고, 이에 따라 실제 대상 물체를 보다 정확하게 반영하는 3차원 모델을 생성할 수 있다.

본 개시의 일 실시예에 따른 방법에 의해 생성된 3차원 모델(520)의 예시가 도 5에 도시되어 있다. 본 개시의 일 실시예에 따른 방법에 의해 생성된 3차원 모델(520)은, 도시된 바와 같이, 실제 대상 물체의 형태나 텍스처를 보다 정밀하고 정확하게 반영할 수 있다. 이에 따라, 본 개시의 방법에 따르면, 실사에 가까운 고품질의 3차원 모델을 생성할 수 있다.

도 6은 본 개시의 일 실시예에 따른 카메라의 왜곡을 고려한 볼륨 추론 기반 3차원 모델링 방법의 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 카메라의 왜곡을 고려하여, 3차원 모델링 방법을 수행할 수 있다. 도 6에서는 카메라의 왜곡을 고려함에 따라 추가되거나 변경되는 부분을 중심으로 설명하며, 도 3에서 상술한 과정과 중복되는 부분에 대하여는 간략히 서술하고자 한다.

정보 처리 시스템은 특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지 또는 대상 물체를 다양한 방향에서 촬영한 영상을 수신할 수 있다(610). 그런 다음, 정보 처리 시스템은 복수의 이미지에 기초하여 카메라 모델을 추정할 수 있다(620). 예를 들어, 사진측량 기술(photogrammetry)을 이용하여, 복수의 이미지를 촬영한 카메라 모델을 추정할 수 있다. 그 후, 정보 처리 시스템은 추정된 카메라 모델을 이용하여, 복수의 이미지를 비왜곡(undistorted) 이미지로 변환할 수 있다(630).

그런 다음, 정보 처리 시스템은 각 이미지가 촬영된 위치 및 포즈를 추정할 수 있다(640). 예를 들어, 정보 처리 시스템은 변환된 복수의 비왜곡 이미지에 기초하여, 각 이미지가 촬영된 위치 및 포즈를 추정할 수 있다. 다른 예로, 정보 처리 시스템은 수신한 복수의 이미지(왜곡된 이미지)에 기초하여, 각 이미지가 촬영된 위치 및 포즈를 추정하고, 카메라 모델을 이용하여 추정된 위치 및 포즈를 보정/변환할 수 있다. 그 후, 정보 처리 시스템은 변환된 복수의 비왜곡 이미지에 기초하여 볼륨 추론 모델을 학습할 수 있다(650).

그런 다음, 정보 처리 시스템은 비왜곡 이미지에 기초하여 학습된 볼륨 추론 모델을 이용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다. 예를 들어, 정보 처리 시스템은 대상 물체의 3차원 깊이맵을 생성하고(660), 카메라 모델을 이용하여 3차원 깊이맵을 다시 원래의(왜곡된) 이미지에 대한 3차원 깊이맵으로 변환할 수 있다(670). 그런 다음, 변환된 3차원 깊이맵에 기초하여 대상 물체의 3차원 메쉬를 생성하고(680), 3차원 메쉬 상에 텍스처 정보를 적용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다(690). 이와 같이, 3차원 깊이맵을 생성하는 과정에서는 이미지를 비왜곡 이미지로 변환하여 과정을 수행함으로써, 정밀하고 정확한 3차원 깊이맵을 생성할 수 있으며, 3차원 깊이맵을 기초로 3차원 모델을 생성하는 과정에서는 3차원 깊이맵을 역변환하여 과정을 수행함으로써, 사용자 단말을 통해 3차원 모델을 보는 사용자가 실제 물체를 카메라(왜곡이 있는 카메라)로 촬영하고 있는 것과 같이 느껴지는 현장감 있는 3차원 모델을 구현할 수 있다.

도 7은 본 개시의 일 실시예에 따른 왜곡된 이미지와 비왜곡 이미지를 비교한 예시를 나타내는 도면이다. 도 7에 도시된 점 그래프(700)에서, 원 모양의 점은 비왜곡 이미지의 가로, 세로를 일정한 간격으로 나누어 점을 찍은 좌표이며, 사각형 모양의 점은 비왜곡 이미지에서의 원 모양의 점에 해당하는 부분이 왜곡된 이미지에서 나타나는 위치를 표시한 좌표이다. 점 그래프(700)를 살펴보면, 동일한 부분에 대해, 비왜곡 이미지와 왜곡된 이미지에서 표시되는 위치가 다른 것을 확인할 수 있으며, 특히 이미지의 가장자리로 갈수록 위치 차이가 커지는 것을 확인할 수 있다. 즉, 이미지의 가장자리로 갈수록 왜곡이 심해지는 것을 확인할 수 있다.

한편, 3차원 모델링 방법의 적어도 일부의 과정은 이미지에 왜곡이 없다는 가정(핀홀 카메라 가정) 하에 수행될 수 있다. 예를 들어, 이미지에 기초하여 카메라의 위치 또는 포즈를 추정하는 단계, 카메라의 초점 중심으로부터 상면의 특정 픽셀을 지나는 반직선(ray)을 그어, 해당 반직선 위의 복수의 점에 대한 색상, 밀도 값을 추정하여 특정 픽셀의 색상 값을 추정하는 단계 등은 이미지에 왜곡이 없다는 가정 하에 수행될 수 있다. 일반적으로, 상용화되고 있는 카메라에는 대부분 왜곡이 존재하기 때문에, 왜곡된 이미지를 이용하여 3차원 모델링 방법을 수행하는 경우, 세밀한 부분에서 실제 물체와 차이가 생길 수 있다.

이에 따라, 본 개시의 일부 실시예에 따른 3차원 모델링 방법에서는 이미지로부터 카메라 모델을 추정하고, 추정된 카메라 모델을 이용하여 이미지를 비왜곡 이미지로 변환하여 방법을 수행함으로써, 실제 물체를 세밀한 부분까지 정확하게 반영하는 3차원 모델을 생성할 수 있다.

도 8은 본 개시의 일 실시예에 따른 볼륨 추론 기반 3차원 모델링 방법(800)의 예시를 나타내는 흐름도이다. 도 8의 흐름도 및 도 8을 참조하여 후술할 설명은 하나의 예시일 뿐이며, 다른 실시예에서는 다양하게 변형되어 구현될 수 있음을 미리 밝혀 둔다. 볼륨 추론 기반 3차원 모델링 방법(800)은 정보 처리 시스템 또는 사용자 단말의 적어도 하나의 프로세서에 의해 수행될 수 있다.

일 실시예에 따르면, 방법(800)은 프로세서가 특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지를 수신함으로써 방법이 개시될 수 있다(S810). 예를 들어, 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)는 대상 물체 주위를 회전하면서 촬영한 영상을 사용자 단말로부터 수신하고, 영상으로부터 복수의 이미지를 획득할 수 있다.

그런 다음, 프로세서는 각 이미지가 촬영된 위치 및 포즈를 추정할 수 있다(S820). 여기서, 각 이미지가 촬영된 위치 및 포즈는, 각 이미지가 촬영된 시점에서 카메라의 위치 및 방향 등을 지칭할 수 있다. 위치 및 포즈 추정에는 이미지로부터 위치 및 포즈를 추정하기 위한 다양한 추정 방법이 사용될 수 있다. 예를 들어, 복수의 이미지로부터 특징점을 추출하고, 이를 이용하여 각 이미지가 촬영된 위치 및 포즈를 추정하는 사진 측량 기술이 사용될 수 있으나 이에 한정되지 않으며, 다양한 위치 및 포즈 추정 방법이 사용될 수 있다.

그 후, 프로세서는 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습할 수 있다(S830). 일 실시예에 따르면, 볼륨 추론 모델은 특정 공간 상의 위치 정보 및 시야 방향(viewing direction) 정보를 입력 받아, 색상 값과 볼륨 밀도(volume density) 값을 출력하도록 학습된 모델일 수 있다. 또한, 일 실시예에서, 볼륨 추론 모델은 복수의 이미지에 포함된 픽셀 값과 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값 사이의 차이를 최소화하도록 학습될 수 있다.

그런 다음, 프로세서는 볼륨 추론 모델을 이용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다(S840). 예를 들어, 프로세서는 볼륨 추론 모델을 이용하여 대상 물체의 3차원 깊이맵을 생성하고, 생성된 3차원 깊이맵에 기초하여 대상 물체의 3차원 메쉬(mesh)를 생성한 뒤, 3차원 메쉬 상에 텍스처 정보를 적용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다. 일 실시예에 따르면, 대상 물체의 3차원 깊이맵은 볼륨 추론 모델에 의해 추론된 특정 공간 상의 복수의 지점에서의 볼륨 밀도 값에 기초하여 생성될 수 있다. 또한, 일 실시예에 따르면, 텍스처 정보는 볼륨 추론 모델에 의해 추론된 특정 공간 상의 복수의 지점 및 복수의 시야 방향에서의 색상 값에 기초하여 결정될 수 있다.

추가적으로 또는 대안적으로, 프로세서는 카메라 모델을 추정하고, 추정된 카메라 모델을 이용하여 왜곡된 이미지를 비왜곡(undistorted) 이미지로 변환한 후 상술한 과정을 수행할 수 있다. 예를 들어, 프로세서는 복수의 이미지에 기초하여 카메라 모델을 추정하고, 추정된 카메라 모델을 이용하여 복수의 이미지를 복수의 비왜곡 이미지로 변환할 수 있으며, 변환된 복수의 비왜곡 이미지를 이용하여 볼륨 추론 모델을 학습할 수 있다. 이 경우, 추정된 각 이미지가 촬영된 위치 및 포즈는 카메라 모델을 이용하여 변환되거나, 혹은 비왜곡 이미지를 이용하여 각 이미지가 촬영된 위치 및 포즈를 추정할 수 있다. 그런 다음, 프로세서는 비왜곡 이미지에 기초하여 학습된 볼륨 추론 모델을 이용하여 대상 물체의 3차원 깊이맵을 생성하고, 카메라 모델을 이용하여 3차원 깊이맵을 다시 왜곡된 이미지에 대한 3차원 깊이맵으로 변환할 수 있다. 그 후, 변환된 3차원 깊이맵에 기초하여 대상 물체의 3차원 메쉬를 생성하고 3차원 메쉬 상에 텍스처 정보를 적용하여 대상 물체에 대한 3차원 모델을 생성할 수 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록 수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되는 경우, 상기 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk) 와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 사용자
120: 사용자 단말
130: 대상 물체

Claims

적어도 하나의 프로세서에 의해 실행되는 볼륨 추론 기반 3차원 모델링 방법에 있어서,
특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지를 수신하는 단계;
각 이미지가 촬영된 위치 및 포즈를 추정하는 단계;
상기 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습하는 단계; 및
상기 볼륨 추론 모델을 이용하여 상기 대상 물체에 대한 3차원 모델을 생성하는 단계
를 포함하고,
상기 볼륨 추론 모델은,
상기 특정 공간 상의 위치 정보 및 시야 방향(viewing direction) 정보를 입력 받아, 색상 값과 볼륨 밀도(volume density) 값을 출력하도록 학습된 모델인, 볼륨 추론 기반 3차원 모델링 방법.
삭제
제1항에 있어서,
상기 볼륨 추론 모델은 상기 복수의 이미지에 포함된 픽셀 값과 상기 볼륨 추론 모델에 의해 추정된 색상 값과 볼륨 밀도 값에 기초하여 산출되는 추정 픽셀 값 사이의 차이를 최소화하도록 학습되는, 볼륨 추론 기반 3차원 모델링 방법.
제1항에 있어서,
상기 대상 물체에 대한 3차원 모델을 생성하는 단계는,
상기 볼륨 추론 모델을 이용하여 상기 대상 물체의 3차원 깊이맵을 생성하는 단계;
상기 생성된 3차원 깊이맵에 기초하여 상기 대상 물체의 3차원 메쉬(mesh)를 생성하는 단계; 및
상기 3차원 메쉬 상에 텍스처 정보를 적용하여 상기 대상 물체에 대한 3차원 모델을 생성하는 단계
를 포함하는, 볼륨 추론 기반 3차원 모델링 방법.
적어도 하나의 프로세서에 의해 실행되는 볼륨 추론 기반 3차원 모델링 방법에 있어서,
특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지를 수신하는 단계;
각 이미지가 촬영된 위치 및 포즈를 추정하는 단계;
상기 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습하는 단계; 및
상기 볼륨 추론 모델을 이용하여 상기 대상 물체에 대한 3차원 모델을 생성하는 단계
를 포함하고,
상기 대상 물체에 대한 3차원 모델을 생성하는 단계는,
상기 볼륨 추론 모델을 이용하여 상기 대상 물체의 3차원 깊이맵을 생성하는 단계;
상기 생성된 3차원 깊이맵에 기초하여 상기 대상 물체의 3차원 메쉬(mesh)를 생성하는 단계; 및
상기 3차원 메쉬 상에 텍스처 정보를 적용하여 상기 대상 물체에 대한 3차원 모델을 생성하는 단계
를 포함하고,
상기 대상 물체의 3차원 깊이맵은 상기 볼륨 추론 모델에 의해 추론된 상기 특정 공간 상의 복수의 지점에서의 볼륨 밀도 값에 기초하여 생성되는, 볼륨 추론 기반 3차원 모델링 방법.
적어도 하나의 프로세서에 의해 실행되는 볼륨 추론 기반 3차원 모델링 방법에 있어서,
특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지를 수신하는 단계;
각 이미지가 촬영된 위치 및 포즈를 추정하는 단계;
상기 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습하는 단계; 및
상기 볼륨 추론 모델을 이용하여 상기 대상 물체에 대한 3차원 모델을 생성하는 단계
를 포함하고,
상기 대상 물체에 대한 3차원 모델을 생성하는 단계는,
상기 볼륨 추론 모델을 이용하여 상기 대상 물체의 3차원 깊이맵을 생성하는 단계;
상기 생성된 3차원 깊이맵에 기초하여 상기 대상 물체의 3차원 메쉬(mesh)를 생성하는 단계; 및
상기 3차원 메쉬 상에 텍스처 정보를 적용하여 상기 대상 물체에 대한 3차원 모델을 생성하는 단계
를 포함하고,
상기 텍스처 정보는 상기 볼륨 추론 모델에 의해 추론된 상기 특정 공간 상의 복수의 지점 및 복수의 시야 방향에서의 색상 값에 기초하여 결정되는, 볼륨 추론 기반 3차원 모델링 방법.
제1항에 있어서,
상기 복수의 이미지에 기초하여 카메라 모델을 추정하는 단계; 및
상기 추정된 카메라 모델을 이용하여 상기 복수의 이미지를 복수의 비왜곡(undistorted) 이미지로 변환하는 단계
를 더 포함하고,
상기 볼륨 추론 모델은 상기 복수의 비왜곡 이미지에 기초하여 학습된, 볼륨 추론 기반 3차원 모델링 방법.
제7항에 있어서,
상기 대상 물체에 대한 3차원 모델을 생성하는 단계는,
상기 볼륨 추론 모델을 이용하여 상기 대상 물체의 3차원 깊이맵을 생성하는 단계;
상기 카메라 모델을 이용하여 상기 3차원 깊이맵을 변환하는 단계;
상기 변환된 3차원 깊이맵에 기초하여 상기 대상 물체의 3차원 메쉬(mesh)를 생성하는 단계; 및
상기 3차원 메쉬 상에 텍스처 정보를 적용하여 상기 대상 물체에 대한 3차원 모델을 생성하는 단계
를 포함하는, 볼륨 추론 기반 3차원 모델링 방법.
제1항 및 제3항 내지 제8항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
정보 처리 시스템로서,
통신 모듈;
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로그램은,
특정 공간 상에 위치한 대상 물체를 서로 다른 방향에서 촬영한 복수의 이미지를 수신하고,
각 이미지가 촬영된 위치 및 포즈를 추정하고,
상기 복수의 이미지 및 각 이미지가 촬영된 위치 및 포즈에 기초하여 볼륨 추론 모델을 학습하고,
상기 볼륨 추론 모델을 이용하여 상기 대상 물체에 대한 3차원 모델을 생성하기 위한 명령어들을 포함하고,
상기 볼륨 추론 모델은,
상기 특정 공간 상의 위치 정보 및 시야 방향(viewing direction) 정보를 입력 받아, 색상 값과 볼륨 밀도(volume density) 값을 출력하도록 학습된 모델인, 정보 처리 시스템.