KR102536808B1 - 멀티뷰 이미지 기반 관심 물체 인식 방법, 서버 및 컴퓨터 프로그램 - Google Patents

Abstract

전술한 바와 같은 과제를 실현하기 위한 본 발명의 다양한 실시예에 따른 멀티뷰 이미지 기반 관심 물체 인식 방법이 개시된다. 상기 방법은, 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 방법에 있어서, 다양한 시점에 관련한 복수의 이미지를 포함하는 멀티뷰 이미지를 획득하는 단계, 상기 멀티뷰 이미지로부터 관심 물체 영역을 추출하는 단계, 추출된 상기 관심 물체 영역에 대한 보정을 수행하는 단계, 상기 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계, 상기 참조 이미지에 기초하여 비용 볼륨을 생성하는 단계 및 상기 비용 볼륨에 기초하여 최종 관심 물체 영역을 구성하는 단계를 포함할 수 있다.

Description

멀티뷰 이미지 기반 관심 물체 인식 방법, 서버 및 컴퓨터 프로그램{METHOD, SERVER AND COMPUTER PROGRAM FOR COMPOSITING NATURAL LANGUAGE-BASED BACKGROUND IMAGE}

본 발명의 다양한 실시예는 관심 물체 인식 방법에 관한 것으로, 보다 구체적으로, 다양한 시점에 관련한 복수의 이미지를 포함하는 멀티뷰 이미지에 기반하여 관심 물체를 인식하는 방법, 서버 및 컴퓨터 프로그램에 관한 것이다.

최근 스마트폰에서의 증강현실, 미적 효과의 증대(예컨대, 라이브 포커싱) 등의 어플리케이션을 제공하기 위해 모바일 기기에서 3차원 복원 기술에 대한 관심이 증가하고 있다. 3차원 복원 기술은, 여러 시점에 대응하는 장면(또는 이미지)에서 같은 점을 찾아 좌표를 계산하여 2차원을 3차원으로 변환하는 기술이다.

3차원 복원을 위해서는 관심 물체의 위치 인식이 중요하며, 이러한 관심 물체의 위치 인식 기술의 경우, 비디오 내에서 물체의 위치 변화가 있더라도, 이전의 프레임에서와 비교해 위치의 일관성이 유지되어야 한다.

하지만, 기존의 관심 물체 인식 방식은, 다중 시점에서 본 같은 지점에 대한 예측 일관성을 유지시키기 어려울 수 있다. 구체적으로, 일반적인 관심 물체 인식 방식은, 단일 이미지에 기반하여 관심 물체를 인식할 수 있을 뿐, 다중 시점 이미지 즉, 멀티뷰 이미지를 기반으로 일관성이 유지된 상태에서 관심 물체를 인식하지 못한다는 문제점이 있다.

공개특허공보 제10-2020-0058260호(2020.05.27.)

본 발명이 해결하고자 하는 과제는 전술한 배경기술에 대응하여 안출된 것으로, 다양한 시점에 관련한 복수의 이미지를 포함하는 멀티뷰 이미지에 기반하여 관심 물체를 인식하는 방법을 제공하기 위함이다.

본 발명이 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 발명의 일 실시예에 따른 멀티뷰 이미지 기반 관심 물체 인식 방법이 개시된다. 상기 방법은, 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 방법에 있어서, 다양한 시점에 관련한 복수의 이미지를 포함하는 멀티뷰 이미지를 획득하는 단계, 상기 멀티뷰 이미지로부터 관심 물체 영역을 추출하는 단계, 추출된 상기 관심 물체 영역에 대한 보정을 수행하는 단계, 상기 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계, 상기 참조 이미지에 기초하여 비용 볼륨을 생성하는 단계 및 상기 비용 볼륨에 기초하여 최종 관심 물체 영역을 구성하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 관심 물체 영역을 추출하는 단계는, 물체 인식 모델을 활용하여 상기 복수의 이미지 각각에 대응하는 관심 물체 영역을 식별하는 단계; 를 포함할 수 있다.

대안적인 실시예에서, 상기 보정을 수행하는 단계는, 상기 물체 인식 모델의 출력을 보정 네트워크 함수의 입력으로 처리하여 상기 관심 물체 영역에 대응하는 보정된 관심 물체 영역을 출력하는 단계를 포함하며, 상기 보정 네트워크 함수는, 이전 입력에 관련한 이미지에 대응하는 관심 물체 영역을 가이드로 하여 이미지에 대한 보정을 수행하는 것을 특징으로 할 수 있다.

대안적인 실시예에서, 상기 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계는, 상기 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득하는 단계 및 상기 깊이 정보 및 카메라 정보에 기초하여 상기 참조 이미지를 선별하는 단계를 포함하며, 상기 참조 이미지는, 상기 예측하고자 하는 프레임에 대해 참고하고자 하는 시점들에 관한 이미지일 수 있다.

대안적인 실시예에서, 상기 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득하는 단계는, 상기 복수의 이미지 각각에서 특징점을 추출하는 단계, 상기 추출된 특징점을 인접 이미지와 매칭하는 단계, 상기 매칭된 점들을 기반으로 각 이미지에 대응하는 초기 카메라 정보를 획득하는 단계 및 상기 초기 카메라 정보에 대한 최적화 수행하여 각 이미지에 대응하는 상기 카메라 정보를 획득하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득하는 단계는, MVS(Multi-View Stereo) 알고리즘을 활용하여 각 이미지에 대응하는 깊이 정보를 추출하는 단계를 포함하고, 상기 깊이 정보는, 각 이미지에 포함된 객체들이 카메라로부터 떨어진 거리에 관련한 정보를 포함할 수 있다.

대안적인 실시예에서, 상기 비용 볼륨을 생성하는 단계는, 상기 깊이 정보 및 상기 카메라 정보를 기반으로 상기 참조 이미지를 왜곡하여 예측 시점으로 변환하는 단계 및 상기 예측 시점으로 변환된 이미지들을 쌓아 상기 비용 볼륨을 생성하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 최종 관심 물체 영역을 구성하는 단계는, 잡음 제거 알고리즘을 통해 상기 예측 시점의 이미지에서의 윤곽을 보정하여 상기 최종 관심 물체 영역을 구성하는 단계를 포함할 수 있다.

본 발명의 다른 실시예에 따르면, 멀티뷰 이미지 기반 관심 물체 인식 방법을 수행하는 서버가 개시된다. 상기 서버는 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 전술한 멀티뷰 이미지 기반 관심 물체 인식 방법을 수행할 수 있다.

본 발명의 또 다른 실시예에 따르면, 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 하드웨어인 컴퓨터와 결합되어, 멀티뷰 이미지 기반 관심 물체 인식 방법을 수행할 수 있다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명의 다양한 실시예에 따르면, 다중 시점에 관련한 이미지들에 대응하여 일관성이 유지된 객체 인식 예측 결과를 제공할 수 있다.

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

도 1은 본 발명의 일 실시예와 관련된 멀티뷰 이미지 기반 관심 물체 인식 방법을 구현하기 위한 시스템을 개략적으로 도시한 예시도이다.
도 2는 본 발명의 일 실시예와 관련된 멀티뷰 이미지 기반 관심 물체 인식 방법을 제공하는 서버의 하드웨어 구성도이다.
도 3은 본 발명의 일 실시예와 관련된 멀티뷰 이미지 기반 관심 물체 인식 방법을 예시적으로 나타낸 순서도를 도시한다.
도 4는 본 발명의 일 실시예와 관련된 멀티뷰 이미지에 포함된 복수의 이미지를 예시적으로 나타낸 예시도이다.
도 5는 본 발명의 일 실시예와 관련된 멀티뷰 이미지로부터 참조 이미지들을 선별하는 과정을 설명하기 위한 예시도이다.
도 6는 본 발명의 일 실시예와 관련된 멀티뷰 이미지에 대응하여 추출된 관심 물체 영역에 대한 보정을 수행하는 과정을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예와 관련된 참조 이미지들에 기반하여 비용 볼륨을 생성하고, 이를 통해 최종 관심 물체 영역을 구성하는 과정을 설명하기 위한 예시도이다.
도 8은 본 발명의 일 실시예와 관련된 하나 이상의 네트워크 함수를 나타낸 개략도이다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 발명의 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 예시 적 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 발명내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니다. 본 발명은 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 발명의 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 발명의 일 실시예와 관련된 멀티뷰 이미지 기반 관심 물체 인식 방법을 구현하기 위한 시스템을 개략적으로 도시한 예시도이다.

도 1에 도시된 바와 같이, 본 발명의 실시예들에 따른 시스템은, 서버(100), 사용자 단말(200), 외부 서버(300) 및 네트워크(400)를 포함할 수 있다. 도 1에서 도시되는 컴포넌트들은 예시적인 것으로서, 추가적인 컴포넌트들이 존재하거나 또는 도 1에서 도시되는 컴포넌트들 중 일부는 생략될 수 있다. 본 발명의 실시예들에 따른 서버(100), 외부 서버(300) 및 사용자 단말(200)은 네트워크(400)를 통해, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.

본 발명의 실시예들에 따른 네트워크(400)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, 여기서 제시되는 네트워크(400)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 발명의 실시예들에 따른 네트워크(400)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, 네트워크(400)는 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 발명의 실시예에 따르면, 멀티뷰 이미지 기반 관심 물체 인식 방법을 제공하는 서버(100)(이하 '서버(100)')는 원본 이미지에 대응하는 보정 이미지를 생성할 수 있다.

일 실시예에서, 다중 시점에 관련한 멀티뷰 이미지에서 특정 물체(또는 관심 물체)를 인식하기 위해서는, 각 시점에서와 비교해 물체의 위치 일관성이 유지되어야 한다. 다만, 기존의 영상 또는 이미지로부터 관심 물체를 인식하는 방식은, 다중 시점에 관련한 멀티뷰 이미지에 기반하는 것이 아니기 때문에, 같은 지점에 대한 예측 일관성을 유지시켜주지 못한다는 단점이 있다.

본 발명의 서버(100)는 다중 시점에 관련한 멀티뷰 이미지에 기초하여 관심 물체를 인식하는 것을 특징으로 할 수 있다. 구체적으로, 서버(100)는 다양한 시점에 관련한 복수의 이미지를 포함하는 멀티뷰 이미지로부터 관심 물체 영역을 추정할 수 있다. 여기서, 관심 물체 영역은, 이미지 내에 포함된 물체들 중 적어도 하나에 관한 것으로, 예컨대, 벽이나 바닥과는 별개로 분리될 수 있는 물체가 위치한 영역을 의미할 수 있다. 예를 들어, 관심 물체는, 이미지 내에 포함된 책상, 의자, 컵, 청소기 등일 수 있다. 전술한 관심 물체에 대한 구체적인 설명은 예시일 뿐, 본 발명은 이에 제한되지 않는다. 서버(100)는 물체 인식 모델을 활용하여 멀티뷰 이미지에서 관심 물체 영역을 식별할 수 있다. 물체 인식 모델은, 이미지에 기반하여 관심 물체를 인식하는 딥러닝 모델일 수 있다.

또한, 서버(100)는 멀티뷰 이미지에 대응하여 추정된 관심 물체 영역에 대한 보정을 수행할 수 있다. 추정된 관심 물체 영역이 보정되는 경우, 최종적으로 예측되는 관심 물체 영역의 인식 정확도가 향상될 수 있다.

실시예에 따르면, 물체 인식 모델의 출력 즉, 멀티뷰 이미지에 대한 관심 물체 영역은 대략적인 형태일 수 있다. 이에 따라, 서버(100)는 관심 물체 영역을 보다 세밀하게 나타내기 위해 딥러닝 네트워크를 활용한 보정을 수행할 수 있다. 서버(100)는 물체 인식 모델의 출력을 보정 네트워크 함수의 입력으로 처리하여 관심 물체 영역에 대응하는 보정된 관심 물체 영역을 출력할 수 있다. 예컨대, 보정을 위한 딥러닝 네트워크에서 활용되는 네트워크 구조는, 일반적으로, 대략적인 마스크를 입력으로 할 때, 합성곱 네트워크를 통과시키고, sigmoid를 적용해 정규화 과정을 거쳐 보다 세밀한 마스크를 출력하는 구조이다. 다만, sigmoid의 경우, 0~1사이의 값을 갖는 함수이기 때문에, 정밀한 보정이 어려울 수 있다. 예컨대, sigmoid를 적용하는 정규화 과정은, 기존에 정밀하지 못했던 마스크를 줄여줄 수 있으나, 제대로 관측되지 않은 영역을 생성(또는 재구성)할 수 없다. 이에 따라 본 발명은 물체 인식 모델의 출력층을 tanh을 통해 구성하여 보다 정밀한 보정을 수행할 수 있다. tanh의 경우, -1~1사이의 값을 갖기 때문에, 정밀하지 못했던 부분을 줄여줄 뿐만 아니라, 이전 네트워크에서 예측하지 못한 부분이 나타날 수 있게 수정해주는 보정이 가능하다는 장점이 있다.

또한, 서버(100)는 멀티뷰 이미지로부터 참조 이미지를 선별하여 비용 볼륨을 생성할 수 있다. 여기서, 참조 이미지는, 예측하고자 하는 프레임(또는 시점)에 대해 참고하고자 하는 시점들에 관한 이미지일 수 있다. 서버(100)는 멀티뷰 이미지에 포함된 복수의 이미지 각각에 대응하는 깊이 정보 및 카메라 정보를 획득할 수 있으며, 깊이 정보 및 카메라 정보에 기초하여 참조 이미지를 선별할 수 있다. 여기서 깊이 정보는, 각 이미지에 포함된 객체들이 카메라로부터 떨어진 거리에 관련한 정보를 포함할 수 있으며, 카메라 정보는, 카메라 포즈 정보 또는 카메라 파라미터에 관한 정보를 포함할 수 있다. 실시예에서, 카메라 파라미터 정보는, 카메라 내부 파라미터 정보 및 카메라 외부 파라미터 정보를 포함할 수 있다. 카메라 내부 파라미터 정보는, 초점거리, 주점, 비대칭 계수에 관련할 정보를 포함할 수 있다. 카메라 외부 파라미터 정보는, 카메라 좌표계와 월드 좌표계 사이의 변환 관계를 설명하기 위한 파라미터로, 두 좌표계 사이의 회전 및 평행이동 변환으로 표현될 수 있다. 서버(100)는 깊이 정보 및 카메라 정보를 기반으로 참조 이미지들을 왜곡(warping)하여 예측 시점으로 변환시킬 수 있다. 즉, 서버(100)는 예측하고자 하는 시점에 대하여 참고하고자 하는 참조 이미지들을 예측 시점으로 왜곡시켜 왜곡된 이미지들을 생성할 수 있다. 또한, 서버(100)는 왜곡된 이미지를 쌓아 비용 볼륨(cost volume)을 생성할 수 있다. 다시 말해, 서버(100)는 깊이 정보와 카메라 정보(예컨대, 카메라 외부 파라미터 정보)를 이용하여 주변 시점에 관련한 참조 이미지들을 왜곡하여 예측 시점으로 변환하고, 이를 쌓아 비용 볼륨을 생성할 수 있다. 비용 볼륨은, 동일한 시점으로 변환된 이미지들의 집합이므로, 이를 활용하는 경우, 최대한 일치하는 점들을 잘 포착할 수 있다.

또한, 서버(100)는 멀티뷰 이미지에 대응하여 생성된 비용 볼륨에 기초하여 최종 관심 물체 영역을 구성할 수 있다. 즉, 동일한 예측 시점을 기준으로 변환된(또는 왜곡된) 이미지들을 스택으로 쌓아 비용 볼륨을 생성하고, 생성된 비용 볼륨이 기반하여 관심 물체 영역을 구성함에 따라 다양한 시점 이미지에서도 일관성 있는 물체 인식이 가능해질 수 있다. 이는, 다중 시점에 관련한 멀티뷰 이미지에 대응하여 일관성이 유지된 예측 결과를 제공한다는 장점이 있다. 서버(100)가 수행하는 멀티뷰 이미지 기반 관심 물체 인식 방법에 대한 보다 자세한 설명은 도 3을 참조하여 후술하도록 한다.

실시예에서, 도 1에서의 1개의 서버(100)만을 도시하고 있으나, 이보다 많은 서버들 또한 본 발명의 범위에 포함될 수 있다는 점 그리고 서버(100)가 추가적인 컴포넌트들을 포함할 수 있다는 점은 당해 출원분야에 있어서 통상의 지식을 가진 자에게 명백할 것이다. 즉, 서버(100)는 복수 개의 컴퓨팅 장치로 구성될 수도 있다. 다시 말해, 복수의 노드의 집합이 서버(100)를 구성할 수 있다.

본 발명의 일 실시예에 따르면, 서버(100)는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 보다 구체적으로, 서버(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 발명의 서버(100)는 상술한 클라우드 컴퓨팅 서비스 중 적어도 하나의 형태로 구현될 수 있다. 전술한 클라우드 컴퓨팅 서비스의 구체적인 기재는 예시일 뿐, 본 발명의 클라우드 컴퓨팅 환경을 구축하는 임의의 플랫폼을 포함할 수도 있다.

본 발명의 실시예에 따른 사용자 단말(200)은 서버(100)와 통신을 위한 메커니즘을 갖는 시스템에서의 임의의 형태의 노드(들)를 의미할 수 있다. 사용자 단말(200)은 서버(100)와의 정보 교환을 통해 멀티뷰 이미지에 대응하는 관심 물체 영역 인식 서비스를 제공받을 수 있는 단말로, 사용자가 소지한 단말을 의미할 수 있다.

또한, 실시예에서, 사용자 단말(200)은 다시점에 관련한 복수의 이미지를 획득할 수 있는 단말일 수 있다. 예컨대, 사용자 단말(200)은 이미지를 획득하기 위한 이미지 모듈(예컨대, 카메라)을 구비하고 있으며, 해당 이미지 모듈을 활용하여 특정 객체를 중심으로 한 다양한 시점에 관련한 복수의 이미지를 촬영하여 획득할 수 있다.

실시예에 따르면, 서버(100)는 사용자 단말(200)로부터 멀티뷰 이미지를 수신하는 경우, 해당 멀티뷰 이미지로부터 관심 물체 영역을 인식하여 다양한 서비스를 제공할 수 있다. 예컨대, 서버(100)는 멀티뷰 이미지에서 관심 물체 영역을 인식하고 이를 기반으로 3차원으로 복원할 수 있다.

사용자 단말(200)은 서버(100)와 통신을 위한 메커니즘을 갖는 시스템에서의 임의의 형태의 엔티티(들)를 의미할 수 있다. 예를 들어, 이러한 사용자 단말(200)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(200)은 에이전트, API(Application Programming Interface) 및 플러그-인(Plug-in) 중 적어도 하나에 의해 구현되는 임의의 서버를 포함할 수도 있다. 또한, 사용자 단말(200)은 애플리케이션 소스 및/또는 클라이언트 애플리케이션을 포함할 수 있다.

일 실시예에서, 외부 서버(300)는 네트워크(400)를 통해 서버(100)와 연결될 수 있으며, 서버(100)가 멀티뷰 이미지 기반 관심 물체 인식 방법을 수행하기 위해 필요한 각종 정보/데이터를 제공하거나, 멀티뷰 이미지 기반 관심 물체 인식 방법을 수행함에 따라 도출되는 결과 데이터를 제공받아 저장 및 관리할 수 있다. 예를 들어, 외부 서버(300)는 서버(100)의 외부에 별도로 구비되는 저장 서버일 수 있으나, 이에 한정되지 않는다.

또한, 실시예에서, 외부 서버(300)에 저장된 정보들은 본 발명의 인공신경망을 학습시키기 위한 학습 데이터, 검증 데이터 및 테스트 데이터로 활용될 수 있다. 즉, 외부 서버(300)는 본 발명의 인공지능 모델을 학습시키기 위한 데이터들을 저장하고 있을 수 있다. 본 발명의 서버(100)는 외부 서버(300)로부터 수신되는 정보들에 기초하여 복수의 학습 데이터 세트를 구축할 수 있다. 서버(100)는 복수의 학습 데이터 세트 각각을 통해 하나 이상의 네트워크 함수에 대한 학습을 수행함으로써, 복수의 인공지능 모델을 생성할 수 있다.

외부 서버(300)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(300)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 발명은 이에 제한되지 않는다. 이하, 도 2를 참조하여, 멀티뷰 이미지 기반 관심 물체 인식 방법을 수행하는 서버(100)의 하드웨어 구성에 대해 설명하도록 한다.

도 2는 본 발명의 일 실시예와 관련된 멀티뷰 이미지 기반 관심 물체 인식 방법을 제공하는 서버의 하드웨어 구성도이다.

도 2를 참조하면, 본 발명의 일 실시예와 관련된 멀티뷰 이미지 기반 관심 물체 인식 방법을 수행하는 서버(100)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.

본 발명의 일 실시예에 따르면, 프로세서(110)는 통상적으로 서버(100)의 전반적인 동작을 처리할 수 있다. 프로세서(110)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(120)에 저장된 응용 프로그램을 구동함으로써, 사용자 또는 사용자 단말에게 적정한 정보 또는, 기능을 제공하거나 처리할 수 있다.

또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 서버(100)는 하나 이상의 프로세서를 구비할 수 있다.

본 발명의 일 실시예에 따르면, 프로세서(110)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(110)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 멀티뷰 이미지 기반 관심 물체 인식 방법을 제공할 수 있다.

다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.

메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.

버스(130)는 서버(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.

통신 인터페이스(140)는 서버(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.

스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 서버(100)를 통해 멀티뷰 이미지 기반 관심 물체 인식 프로세스를 수행하는 경우, 스토리지(150)는 멀티뷰 이미지 기반 관심 물체 인식 프로세스를 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.

스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.

컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.

일 실시예에서, 컴퓨터 프로그램(151)은 다양한 시점에 관련한 복수의 이미지를 포함하는 멀티뷰 이미지를 획득하는 단계, 멀티뷰 이미지로부터 관심 물체 영역을 추출하는 단계, 추출된 관심 물체 영역에 대한 보정을 수행하는 단계, 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계, 참조 이미지에 기초하여 비용 볼륨을 생성하는 단계 및 비용 볼륨에 기초하여 최종 관심 물체 영역을 구성하는 단계를 포함하는 멀티뷰 이미지 기반 관심 물체 인식 방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.

본 발명의 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 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 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. 이하, 도 3 내지 도 8을 참조하여, 서버(100)에 의해 수행되는 멀티뷰 이미지 기반 관심 물체 인식 방법에 대하여 구체적으로 후술하도록 한다.

도 3은 본 발명의 일 실시예와 관련된 멀티뷰 이미지 기반 관심 물체 인식 방법을 예시적으로 나타낸 순서도를 도시한다. 도 3에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 이하의 단계들은 본 발명의 일 실시예에 불과할 뿐, 본 발명의 권리 범위는 이에 제한되지 않는다.

본 발명의 일 실시예에 따르면, 멀티뷰 이미지 기반 관심 물체 인식 방법은, 다양한 시점에 관련한 복수의 이미지를 포함하는 멀티뷰 이미지를 획득하는 단계(S110)를 포함할 수 있다.

실시예에서, 멀티뷰 이미지의 획득은 메모리(120)에 저장된 데이터를 수신하거나 또는 로딩(loading)하는 것일 수 있다. 멀티뷰 이미지의 획득은, 유/무선 통신 수단에 기초하여 다른 저장 매체에, 다른 컴퓨팅 장치, 동일한 컴퓨팅 장치 내의 별도 처리 모듈로부터 복수의 학습 데이터를 수신하거나 또는 로딩하는 것일 수 있다. 예컨대, 멀티뷰 이미지는 사용자 단말로부터 수신될 수 있다.

본 발명의 멀티뷰 이미지는, 다양한 시점에 대응하여 획득된 복수의 이미지들을 포함할 수 있다. 예컨대, 특정 객체를 기준으로 다양한 각도로 촬영된 이미지들을 포함할 수 있다. 멀티뷰 이미지는, 카메라 모듈을 통해 획득된 다시점에 관련한 이미지들을 포함할 수 있다. 다양한 실시예에서, 멀티뷰 이미지에 포함된 복수의 이미지 각각은, 특정 객체를 포함할 수 있으며, 인접한 시점에 관련한 인접 이미지들과 적어도 일부가 중첩 영역을 형성하도록 촬영된 이미지인 것을 특징으로 할 수 있다. 복수의 이미지들은, 특정 객체를 중심으로 촬영된 이미지일 수 있으며, 각 이미지가 서로 중첩 영역을 형성하는 것을 특징으로 할 수 있다. 구체적인 예를 들어, 도 4에 도시된 바와 같이, 멀티뷰 이미지(500)는 특정 객체(예컨대, 화분)을 기준으로 하는 다양한 시점에서 획득된 복수의 이미지를 포함할 수 있다.

본 발명의 일 실시예에 따르면, 멀티뷰 이미지 기반 관심 물체 인식 방법은, 멀티뷰 이미지로부터 관심 물체 영역을 추출하는 단계(S120)를 포함할 수 있다.

구체적으로, 관심 물체 영역을 추출하는 단계는, 물체 인식 모델을 활용하여 복수의 이미지 각각에 대응하는 관심 물체 영역을 식별하는 단계를 포함할 수 있다.

실시예에서, 물체 인식 모델은, 단일 시점 이미지 기반 관심 물체를 인식하는 딥러닝 모델일 수 있다. 구체적인 실시예에서, 물체 인식 모델은

-Net일 수 있다.

-Net은 기존 딥러닝 아키텍처에서 U 형태의 인코더-디코더 아키텍처를 겹쳐 만든 모델일 수 있다. 예컨대,

-Net은 6개의 인코더, 5개의 디코더 sigmoid 함수, 컨볼루션 레이어를 포함할 수 있다.

-Net은, 복수 개의 인코더와 복수 개의 디코더를 U 구조 형태로 순차적으로 연결하여 생성될 수 있다. U 형태의 아키텍처를 통해 네트워크가 더 깊어짐에 따라 고해상도의 이미지를 획득할 수 있다. 즉, U를 겹친 형태의 아키텍처는 물체 인식 모델로 하여금 전역적인 특징을 잘 학습하도록 할 수 있다.

서버(100)는 멀티뷰 이미지에 포함된 복수의 이미지 각각을 물체 인식 모델의 입력으로 처리하여 각 이미지에 대응하는 관심 물체 영역을 식별할 수 있다. 구체적인 예를 들어, 도 5에 도시된 바와 같이, 복수의 이미지 각각은, 물체 인식 모델의 입력으로 처리될 수 있으며, 이 경우, 물체 인식 모델은, 각 이미지에 대응하여 관심 물체 영역을 인식할 수 있다. 실시예에서, 관심 물체 영역은, 도 5 및 도 6에 도시된 바와 같이, 입력된 이미지와 동일한 크기의 이미지 공간 내에서 흰색으로 나타날 수 있다.

본 발명의 일 실시예에 따르면, 멀티뷰 이미지 기반 관심 물체 인식 방법은, 추출된 관심 물체 영역에 대한 보정을 수행하는 단계(S130)를 포함할 수 있다.

실시예에 따르면, 물체 인식 모델의 출력 즉, 멀티뷰 이미지에 대한 관심 물체 영역은 대략적인 형태일 수 있다. 이에 따라, 서버(100)는 관심 물체 영역을 보다 세밀하게 나타내기 위해 딥러닝 네트워크를 활용한 보정을 수행할 수 있다.

구체적으로, 보정을 수행하는 단계는, 물체 인식 모델의 출력을 보정 네트워크 함수의 입력으로 처리하여 관심 물체 영역에 대응하는 보정된 관심 물체 영역을 출력하는 단계를 포함할 수 있다. 도 5를 참조하면, 물체 인식 모델의 출력(예컨대, 각 이미지에 대응하여 추출된 관심 물체 영역)은 보정 네트워크 함수의 입력될 수 있다.

실시예에 따르면, 보정 네트워크 함수는, 이전 입력에 관련한 이미지에 대응하는 관심 물체 영역을 가이드로 하여 이미지에 대한 보정을 수행하는 것을 특징으로 할 수 있다. 보정 네트워크 함수는, 물체 인식 모델로 하여금 연속적인 비디오 흐름에 따라 프레임들을 더 잘 예측하도록 할 수 있다.

일반적으로, 대부분의 딥러닝 네트워크에서 사용하는 보정을 위한 네트워크 구조는, 대략적인 예측 마스크를 입력으로 할 때, 합성곱 네트워크를 통과시키고, sigmoid를 적용해 정규화 과정을 거치고 보다 세밀한 마스크를 출력하도록 한다. 이 경우, 정규화 과정은 기존에 정밀하지 못했던 마스크를 정밀하게 줄여주는 작업으로, 정밀한 보정이 어려울 수 있다. 구체적인 예를 들어, sigmoid의 경우, 0~1사이의 값을 갖는 함수이기 때문에, 기존에 정밀하지 못했던 마스크를 줄여줄 수 있으나, 제대로 관측되지 않은 영역을 생성(또는 재구성)할 수 없다.

이에 따라, 본 발명은 이전 입력에 관련한 프레임의 마스크를 가이드로 하는 보정 네트워크(즉, 보정 네트워크 함수)을 제공하는 것을 특징으로 할 수 있다.

본 발명의 보정 네트워크 함수를 tanh을 통해 구성하여 보다 정밀한 보정을 수행할 수 있다. tanh의 경우, -1~1사이의 값을 갖기 때문에, 정밀하지 못했던 부분을 줄여줄 뿐만 아니라, 이전 네트워크에서 예측하지 못한 부분이 나타날 수 있게 수정해주는 보정이 가능하다는 장점이 있다.

즉, 보정 네트워크 함수의 경우, 합성곱을 거친 후, sigmoid가 아닌 tanh를 이용해 -1~1로 만들어 잘못 나온 부분을 지울 뿐 아니라, 이전 네트워크에서 예측하지 못한 부분이 나타날 수 있게 수정해줄 수 있다.

보정 네트워크 함수를 학습시키기 위한 정답 레이블을 pytorch기반의 수도 코드(style pseudocode)로 나타내면 다음과 같을 수 있다.

Algorithm 1. Pytorch-style pseudocode to generate correction label

# image_label: 예측하고자 하는 이미지의 정답 레이블(0,1로 된 바이너리 마스크)

# prev_mask: 이전 프레임의 마스크(0,1로 된 바이너리 마스크)

# coarse_mask:

-Net을 통과해 예측된 대략적인 예측 마스크

# 정답과 이전 프레임의 마스크를 비교해 비디오 흐름에 따른 변화를 반영합니다. (카메라 이동에 따라 물체의 위치가 변하기 때문에 -1 또는 1로 변화량을 지정합니다) -> corr_area = torch.clamp((image_label*2)-prev_mask, -1, 1)

# 예측된 마스크와 정답을 비교했을 때, 이미 제대로 잘 예측한 경우 변화량이 0으로 고치지 않습니다. -> corr_area = torch.where((coarse_mask > 0) & (image_label > 0), torch.zeros_like(corr_area), corr_area)

# 잘못 예측해 물체가 아닌 곳을 맞다고 했을 때, 해당 부분의 변화량을 -1로 하여 지울 수 있도록 합니다. -> corr_area = torch.where((coarse_mask > 0) & (image_label == 0), torch.full_like(corr_area,-1), corr_area)

위 알고리즘에 따라 만들어진 레이블을 이용해 학습되는 보정 네트워크 함수의 출력과 손실 함수는 하기와 같다.

이러한 네트워크 구조는 도 6에 도시된 바와 같을 수 있다. 즉, 보정 네트워크 함수는, 이전 프레임의 마스크를 기반으로 보정을 수행할 수 있으므로, 보다 정교한 보정이 가능할 수 있다. 특히, 출력층을 tanh을 통해 구성함으로써 특정 부분을 지우는 보정 뿐 아니라, 관측되지 않은 부분을 채워 넣는 보정을 수행할 수 있다. 이는, 보다 관심 물체 영역을 보다 세밀하게 나타낼 수 있다는 장점이 있다.

다시 말해, 프레임 내에서 보다 세밀한 관심 물체 영역의 추정이 가능해질 수 있다. 이러한 보정 과정을 통해 이후 진행될 왜곡(warping) 수행 과정에서 야기되는 오류가 저감될 수 있다.

본 발명의 일 실시예에 따르면, 멀티뷰 이미지 기반 관심 물체 인식 방법은, 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계(S140)를 포함할 수 있다. 참조 이미지는, 예측하고자 하는 프레임에 대해 참고하고자 하는 시점들에 관한 이미지일 수 있다.

실시예에서, 서버(100)는 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보가 존재하는지 여부에 기초하여 멀티뷰 이미지로부터 참조 이미지를 선별할 수 있다. 서버(100)는 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보가 존재하는 경우, 대응하는 깊이 정보 및 카메라 정보를 통해 참조 이미지들을 선별할 수 있다. 일 실시예에서, 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보가 존재하지 않는 경우, 서버(100)는 딥러닝 모델을 활용하여 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득할 수 있다. 서버(100)는 각 이미지를 딥러닝 모델의 입력으로 처리하여 각 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득할 수 있다. 구체적인 실시예에서, 복수의 이미지 각각에 대응하는 깊이 정보 및 카메라 정보는, Structure From Motion(SfM) 라이브러리 중 하나인 COLMAP을 활용하여 획득될 수 있다.

실시예에 따르면, 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계는, 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득하는 단계를 포함할 수 있다.

다양한 실시예에서, 카메라 정보를 획득하는 단계는, 복수의 이미지 각각에서 특징점을 추출하는 단계, 추출된 특징점을 인접 이미지와 매칭하는 단계, 매칭된 점들을 기반으로 각 이미지에 대응하는 초기 카메라 정보를 획득하는 단계 및 초기 카메라 정보에 대한 최적화를 수행하여 각 이미지에 대응하는 카메라 정보를 획득하는 단계를 포함할 수 있다.

좀 더 자세히 설명하면, 서버(100)는 각 이미지에서 특징점들을 추출하고, 추출된 특징점들을 인접 이미지와 매칭시킬 수 있다. 각 이미지의 특징점들이 인접 이미지의 특징점들과 매칭됨에 따라 모든 이미지에 대응하는 초기 카메라 정보가 계산될 수 있다. 여기서 초기 카메라 정보는, 카메라 포즈 및 카메라 파라미터(내부 파라미터 및 외부 파라미터)에 관한 정보를 포함할 수 있다. 또한, 서버(100)는 Bundle adjustment를 통해 초기 카메라 정보에 대한 최적화를 수행하여 카메라 정보를 획득할 수 있다. 이 경우, Bundle adjustment는, 특징점들을 기반으로 추정할 수 있는 3차원 포지션과 각 이미지들간 3차원 연계 모션을 동시에 최적화하는 알고리즘을 의미할 수 있다. 즉, 서버(100)는 각 이미지들의 특징점들을 연계하여 매칭하여 초기 카메라 정보를 계산하고 이를 최적화하는 과정을 통해 카메라 정보를 획득할 수 있다.

다양한 실시예에서, 깊이 정보를 획득하는 단계는, MVS(Multi-View Stereo) 알고리즘을 활용하여 각 이미지에 대응하는 깊이 정보를 추출하는 단계를 포함할 수 있다. 여기서 깊이 정보는, 각 이미지에 포함된 객체들이 카메라로부터 떨어진 거리에 관련한 정보를 포함할 수 있다. 서버(100)는 MVS 알고리즘을 활용하여 각 이미지에 대응하는 깊이 정보를 추출하는 것을 특징으로 할 수 있다. MVS 알고리즘은, 임의의 화각에서 획득한 여러 시점의 복수의 이미지를 기반으로 카메라 위치 정보를 활용하여 정교한 깊이 정보를 획득하는 알고리즘이다. 구체적인 실시예에서, 본 발명은, MVS 알고리즘 중 UniMVSNet 알고리즘을 활용하여 각 시점 별 이미지에 대응하는 깊이 정보를 예측할 수 있다. 즉, 서버(100)는 딥러닝 기반 MVS 알고리즘을 통해 각 시점 별 이미지에 대응하는 깊이 정보를 획득할 수 있다. 깊이 정보는, 도 7에 도시된 바와 같이, 카메라와 객체들 간의 거리(즉, 깊이)에 따른 색의 농도 차를 통해 예시적으로 표현될 수 있다. 이러한 깊이 정보를 통해, 각 객체와 카메라 간의 거리를 예측할 수 있게 된다.

또한, 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계는, 깊이 정보 및 카메라 정보에 기초하여 참조 이미지를 선별하는 단계를 포함할 수 있다. 실시예에서, 카메라 파라미터 정보는, 카메라 내부 파라미터 정보 및 카메라 외부 파라미터 정보를 포함할 수 있다. 카메라 내부 파라미터 정보는, 초점거리, 주점, 비대칭 계수에 관련할 정보를 포함할 수 있다. 카메라 외부 파라미터 정보는, 카메라 좌표계와 월드 좌표계 사이의 변환 관계를 설명하기 위한 파라미터로, 두 좌표계 사이의 회전 및 평행이동 변환으로 표현될 수 있다.

서버(100)는 카메라 외부 파라미터 중 회전 및 이동 행렬을 추출하고, 각 시점의 각 행렬끼리의 거리 L1를 산출할 수 있다. 실시예에서, 서버(100)는 거리 L1에 기초하여 참조 이미지를 선별할 수 있다. 예컨대, 거리 L1이 최소가 되는 이미지들을 참조 이미지로 선별할 수 있다. 이 경우, 물체의 크기에 따라 단순 거리만으로는 정반대편의 시점이 선택될 수 있기 때문에, 두 시점이 같은 방향을 보는 것이 중요할 수 있다. 이에 따라, 서버(100)는 회전 행렬의 영향력이 커지도록 회전 행렬에 가중치를 부여하는 것을 특징으로 할 수 있다. 구체적인 실시예에서, 서버(100)는 회전 행렬과 이동 행렬의 가중치를 각각 0.7 및 0.3으로 설정할 수 있다. 전술한 각 행렬의 가중치에 관련한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.

본 발명의 일 실시예에 따르면, 멀티뷰 이미지 기반 관심 물체 인식 방법은, 참조 이미지에 기초하여 비용 볼륨을 생성하는 단계(S150)를 포함할 수 있다. 비용 볼륨은, 동일한 시점으로 변환된 이미지들의 집합이므로, 이를 활용하는 경우, 최대한 일치하는 점들을 잘 포착할 수 있다.

구체적으로, 비용 볼륨을 생성하는 단계는, 깊이 정보 및 카메라 정보를 기반으로 참조 이미지들을 왜곡하여 예측 시점으로 변환하는 단계 및 예측 시점으로 변환된 이미지들을 쌓아 비용 볼륨을 생성하는 단계를 포함할 수 있다.

도 7을 참조하여 보다 자세히 설명하면, 서버(100)는 깊이 정보 및 카메라 정보를 기반으로 참조 이미지들을 왜곡(warping)하여 예측 시점으로 변환시킬 수 있다. 서버(100)는 각 이미지의 깊이 정보와 카메라 외부 파라미터를 이용하여 주변 시점에서 예측 시점으로의 변환 행렬(homography)을 산출할 수 있다. 이러한 변환 행렬은 다음과 같이 계산될 수 있다.

상기의 수식을 이용해 산출한 변환 행렬을 적용하여 주변 시점을 왜곡하여 예측 시점으로 변환할 수 있다. 이 경우, 왜곡 시점에서 보는 주변 시점의 이미지가 생성될 수 있다.

다양한 실시예에서, 서버(100)는 깊이 정보 중 신뢰도가 높은 정보만을 선별할 수 있다. 예컨대, 깊이 정보들 중 일정 이상의 신뢰도를 가진 정보들만을 활용하여 참조 이미지에 대한 왜곡을 수행하여 예측 시점으로 변환시킬 수 있다. 이 경우, 신뢰도가 높은 정보만을 선별하기 때문에, 정확한 왜곡점들만을 활용함에 따라, 오차가 최소화되는 효과를 제공할 수 있다.

즉, 서버(100)는 예측하고자 하는 시점에 대하여 참고하고자 하는 참조 이미지들을 예측 시점으로 왜곡시켜 왜곡된 이미지들을 생성할 수 있다. 또한, 서버(100)는 왜곡된 이미지를 쌓아 비용 볼륨을 생성할 수 있다. 다시 말해, 서버(100)는 깊이 정보와 카메라 정보(예컨대, 카메라 외부 파라미터 정보)를 이용하여 주변 시점에 관련한 참조 이미지들을 왜곡하여 예측 시점으로 변환하고, 이를 쌓아 비용 볼륨을 생성할 수 있다. 비용 볼륨은, 동일한 시점으로 변환된 이미지들의 집합이므로, 이를 활용하는 경우, 최대한 일치하는 점들을 잘 포착할 수 있다.

다양한 실시예에서, 서버(100)는 생성된 비용 볼륨을 기반으로 하나의 채널을 가진 이미지를 생성할 수 있다. 도 7을 참조하면, 서버(100)는 비용 볼륨을 각 이미지 간 거리에 따라 가중합하여 하나의 채널을 가진 이미지를 생성할 수 있다.

본 발명의 일 실시예에 따르면, 멀티뷰 이미지 기반 관심 물체 인식 방법은, 비용 볼륨에 기초하여 최종 관심 물체 영역을 구성하는 단계(S160)를 포함할 수 있다.

최종 관심 물체 영역을 구성하는 단계는, 잡음 제거 알고리즘을 통해 상기 예측 시점의 이미지에서의 윤곽을 보정하여 상기 최종 관심 물체 영역을 구성하는 단계를 포함할 수 있다. 보다 구체적인 실시예에서, Open CV 패키지에서 제공되는 joint Bilateral Filter를 통해 예측 시점의 RGB 이미지에서의 가장 자리를 살려 최종 관심 물체 영역을 구성할 수 있다. joint Bilateral Filter는 깊이 영상의 잡음을 제거하기 위한 알고리즘일 수 있다. 실시예에서, joint Bilateral Filter는 기준 화소와 그 주변 화소의 색상 영상의 밝기 차이값과 화소 간 거리 값에 각각 가우시안 함수를 적용하여 joint histogram을 생성하고, 그 평균값을 기준 화소의 깊이값으로 채움으로써, 깊이 영상에서 잡음을 제거할 수 있다. 즉 도 7에 도시된 바와 같이, 하나의 채널을 가진 비용 볼륨에 관한 이미지가 joint Bilateral Filter의 입력으로 처리됨에 따라, 비용 볼륨에 대응하는 이미지에서의 잡음이 제거될 수 있으며, 이는 관심 물체 영역 인식 정확도 향상에 기여할 수 있다.

즉, 동일한 예측 시점을 기준으로 변환된(또는 왜곡된) 이미지들을 스택으로 쌓아 비용 볼륨을 생성하고, 생성된 비용 볼륨이 기반하여 관심 물체 영역을 구성함에 따라 다양한 시점 이미지에서도 일관성 있는 물체 인식이 가능해질 수 있다. 이는, 다중 시점에 관련한 멀티뷰 이미지에 대응하여 일관성이 유지된 예측 결과를 제공한다는 장점이 있다. 다시 말해, 다중 시점에 관련한 이미지들을 포함하는 멀티뷰 이미지에 대응하여 일관성이 유지된 예측 결과를 얻을 수 있다는 장점이 있다.

도 8은 본 발명의 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.

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 발명은 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 라벨링 되어있는 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 발명은 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 발명은 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 발명은 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 발명은 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 발명은 이에 제한되지 않는다.

본 발명의 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 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 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 발명의 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 발명의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 발명의 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 발명의 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 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (10)

1. 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 방법에 있어서,
   다양한 시점에 관련한 복수의 이미지를 포함하는 멀티뷰 이미지를 획득하는 단계;
   상기 멀티뷰 이미지로부터 관심 물체 영역을 추출하는 단계;
   추출된 상기 관심 물체 영역에 대한 보정을 수행하는 단계;
   상기 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계;
   상기 참조 이미지에 기초하여 비용 볼륨을 생성하는 단계; 및
   상기 비용 볼륨에 기초하여 최종 관심 물체 영역을 구성하는 단계;
   를 포함하며,
   상기 추출된 상기 관심 물체 영역에 대한 보정을 수행하는 단계는,
   상기 관심 물체 영역을 보정 네트워크 함수의 입력으로 처리하여 상기 관심 물체 영역에 대응하는 보정된 관심 물체 영역을 출력하는 단계; 를 포함하며,
   상기 보정 네트워크 함수는,
   이전 입력에 관련한 이미지에 대응하는 관심 물체 영역을 가이드로 하여 이미지에 대한 보정을 수행하는 신경망 모델이며, 출력층이 tanh 함수를 통해 구성된 것을 특징으로 하며,
   상기 멀티뷰 이미지로부터 참조 이미지를 선별하는 단계는,
   상기 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득하는 단계; 및
   상기 깊이 정보 및 카메라 정보에 기초하여 상기 참조 이미지를 선별하는 단계;
   를 포함하며,
   상기 참조 이미지는, 예측하고자 하는 프레임에 대해 참고하고자 하는 시점들에 관한 이미지이고,
   상기 비용 볼륨을 생성하는 단계는,
   상기 깊이 정보 및 상기 카메라 정보를 기반으로 상기 참조 이미지를 왜곡하여 예측 시점으로 변환하는 단계; 및
   상기 예측 시점으로 변환된 이미지들을 쌓아 상기 비용 볼륨을 생성하는 단계;
   를 포함하는,
   멀티뷰 이미지 기반 관심 물체 인식 방법.
   
2. 제1항에 있어서,
   상기 관심 물체 영역을 추출하는 단계는,
   물체 인식 모델을 활용하여 상기 복수의 이미지 각각에 대응하는 관심 물체 영역을 식별하는 단계; 를 포함하는,
   멀티뷰 이미지 기반 관심 물체 인식 방법.
   
3. 삭제
4. 삭제
5. 제1항에 있어서,
   상기 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득하는 단계는,
   상기 복수의 이미지 각각에서 특징점을 추출하는 단계;
   상기 추출된 특징점을 인접 이미지와 매칭하는 단계;
   상기 매칭된 점들을 기반으로 각 이미지에 대응하는 초기 카메라 정보를 획득하는 단계; 및
   상기 초기 카메라 정보에 대한 최적화 수행하여 각 이미지에 대응하는 상기 카메라 정보를 획득하는 단계;
   를 포함하는,
   멀티뷰 이미지 기반 관심 물체 인식 방법.
   
6. 제1항에 있어서,
   상기 멀티뷰 이미지에 대응하는 깊이 정보 및 카메라 정보를 획득하는 단계는,
   MVS(Multi-View Stereo) 알고리즘을 활용하여 각 이미지에 대응하는 깊이 정보를 추출하는 단계;
   를 포함하며,
   상기 깊이 정보는,
   각 이미지에 포함된 객체들이 카메라로부터 떨어진 거리에 관련한 정보를 포함하는,
   멀티뷰 이미지 기반 관심 물체 인식 방법.
   
7. 삭제
8. ◈청구항 8은(는) 설정등록료 납부시 포기되었습니다.◈

   제1항에 있어서,
   상기 최종 관심 물체 영역을 구성하는 단계는,
   잡음 제거 알고리즘을 통해 상기 예측 시점의 이미지에서의 윤곽을 보정하여 상기 최종 관심 물체 영역을 구성하는 단계;
   를 포함하는,
   멀티뷰 이미지 기반 관심 물체 인식 방법.
   
9. 하나 이상의 인스트럭션을 저장하는 메모리; 및
   상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
   상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
   제1항의 방법을 수행하는, 컴퓨팅 장치.
   
10. 하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
    

Images