KR102636155B1 - 콘텐츠 코드를 이용한 이미지 생성 방법 및 시스템 - Google Patents

Abstract

본 개시는 적어도 하나의 프로세서에 의해 수행되는, 이미지 생성 방법에 관한 것이다. 이미지 생성 방법은, 제1 이미지를 수신하는 단계, 콘텐츠 인코더를 이용하여, 상기 제1 이미지와 연관된 제1 콘텐츠 코드를 생성하는 단계 및 디코더를 이용하여, 상기 생성된 제1 콘텐츠 코드를 기초로 제2 이미지를 생성하는 단계를 포함한다.

Description

콘텐츠 코드를 이용한 이미지 생성 방법 및 시스템{METHOD AND SYSTEM FOR GENERATING IMAGE USING CONTENT CODE}

본 개시는 이미지 생성 방법 및 시스템에 관한 것으로, 구체적으로 생성된 콘텐츠 코드에 기초하여 이미지를 생성하는 방법 및 시스템에 관한 것이다.

AI 기반 이미지 생성 기술은 텍스트 등 입력을 기초로 새로운 이미지를 생성하는 기술로서 딥 러닝 기술과 생성 모델(generative model)의 발전으로 혁신적인 발전을 이루고 있다. AI 기반 이미지 생성 기술은 컴퓨터 비전 분야에서 많은 관심을 받고 있는 연구 주제 중 하나이며, 스타일 전이, 이미지 보강, 이미지 합성 등 다양한 응용분야에서 이용되고 있다.

그러나, 종래 이미지 생성 기술의 경우 이미지의 디테일한 부분이 제대로 생성되지 않거나, 기존의 구조적인 정보들이 변경/훼손되는 문제가 존재하고 있다. 또한, 종래 이미지 생성 기술의 경우 생성할 이미지에 대한 정보가 부족하거나 특정 데이터셋 도메인에 편향되어 있어 생성 이미지의 품질이 저하된다는 문제가 있다. 이러한 문제점은 생성된 이미지의 신뢰성을 저하시키고, 응용 분야에서의 활용성을 제한하는 요소로 작용하고 있다.

본 개시는 상기와 같은 문제를 해결하기 위한 이미지 생성 방법, 기록 매체에 저장된 컴퓨터 프로그램 및 시스템(장치)을 제공한다.

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

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 이미지 생성 방법은, 제1 이미지를 수신하는 단계, 콘텐츠 인코더를 이용하여, 제1 이미지와 연관된 제1 콘텐츠 코드를 생성하는 단계 및 디코더를 이용하여, 생성된 제1 콘텐츠 코드를 기초로 제2 이미지를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 제1 콘텐츠 코드는 제1 이미지 내의 객체들의 구조적인 정보를 나타낸다.

본 개시의 일 실시예에 따르면, 제2 이미지 내의 객체들의 구조적인 정보는 제1 이미지 내의 객체들의 구조적인 정보와 동일하고, 제1 이미지는 제1 도메인 스타일의 이미지이고, 제2 이미지는 제2 도메인 스타일의 이미지이고, 제1 도메인 스타일과 제2 도메인 스타일은 서로 상이하다.

본 개시의 일 실시예에 따르면, 제1 이미지는 버추얼 이미지 스타일의 이미지이고, 제2 이미지는 실사 이미지 스타일의 이미지이다.

본 개시의 일 실시예에 따르면, 콘텐츠 인코더는 GAN(Generative Adversarial Network) 모델의 인코더이고, 디코더는 디퓨전 모델(Diffusion)의 디코더이다.

본 개시의 일 실시예에 따르면, 제1 신경망 모델은 콘텐츠 인코더, 스타일 인코더, 생성기, 제1 판별기 및 제2 판별기를 포함하고, 생성기는 콘텐츠 코드 및 스타일 코드에 기초하여 이미지를 생성하도록 구성되고, 제1 신경망 모델은 복수의 제1 도메인 스타일 학습 이미지 및 복수의 제2 도메인 스타일 학습 이미지에 기초하여 학습되고, 제1 판별기는 생성기가 생성한 제1 도메인 스타일 생성 이미지가 진짜(real)인지 가짜(fake)인지 판별하도록 구성되고, 제2 판별기는 생성기가 생성한 제2 도메인 스타일 생성 이미지가 진짜(real)인지 가짜(fake)인지 판별하도록 구성된다.

본 개시의 일 실시예에 따르면, 스타일 인코더는 이미지와 연관된 스타일 코드를 생성하도록 구성되고, 스타일 코드는 이미지의 도메인 스타일을 나타낸다.

본 개시의 일 실시예에 따르면, 디코더는 제2 이미지 생성시 스타일 코드를 이용하지 않는다.

본 개시의 일 실시예에 따르면, 제2 신경망 모델은 디코더를 포함하고, 제2 신경망 모델은 복수의 제2 도메인 스타일 학습 이미지 및 복수의 콘텐츠 코드에 기초하여 학습되고, 콘텐츠 인코더는 상기 복수의 제2 도메인 스타일 학습 이미지에 기초하여 복수의 콘텐츠 코드를 생성하고, 디코더는 복수의 콘텐츠 코드에 기초하여 상기 복수의 제2 도메인 스타일 학습 이미지를 생성하도록 학습된다.

본 개시의 일 실시예에 따르면, 제2 신경망 모델의 학습시 제1 도메인 스타일 학습 이미지가 이용되지 않는다.

본 개시의 일 실시예에 따르면, 제2 이미지를 수신하는 단계 및 콘텐츠 인코더가 제2 이미지와 연관된 제2 콘텐츠 코드를 생성하는 단계를 더 포함하고, 제2 이미지는 제1 이미지를 리사이징(resizing)한 이미지이고, 제2 이미지를 생성하는 단계는, 디코더를 이용하여, 제1 콘텐츠 코드 및 제2 콘텐츠 코드를 기초로 제2 이미지를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따른 상술한 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, 제1 이미지를 수신하고, 콘텐츠 인코더를 이용하여, 제1 이미지와 연관된 제1 콘텐츠 코드를 생성하고, 디코더를 이용하여, 생성된 제1 콘텐츠 코드를 기초로 제2 이미지를 생성하기 위한 명령어들을 포함한다.

본 개시의 다양한 실시예에 따르면, 수신된 이미지로부터 개별적 정보(예: 콘텐츠 코드 등)가 생성될 수 있고, 이에 기초하여 동일/유사한 콘텐츠를 포함한 다른 도메인 스타일의 새로운 이미지가 생성될 수 있다. 이에 따라, 수신된 이미지와 독립된 새로운 이미지가 생성될 수 있고, 생성된 이미지의 품질이 향상될 수 있다.

본 개시의 다양한 실시예에 따르면, 콘텐츠 인코더는 제1 신경망 모델의 일부 구성으로 포함될 수 있으며, 제1 신경망 모델은 다양한 도메인 스타일 학습 이미지에 기초하여 학습될 수 있다. 이에 따라, 콘텐츠 인코더는 사용자가 원하는 이미지 생성에 필요한 최적의 콘텐츠 코드를 생성하도록 학습될 수 있다.

본 개시의 다양한 실시예에 따르면, 디코더는 제2 신경망 모델의 일부 구성으로 포함될 수 있으며, 제2 신경망 모델은 특정 도메인 스타일 학습 이미지 및 콘텐츠 코드에 기초하여 학습될 수 있다. 이에 따라, 디코더는 콘텐츠 코드로부터 사용자가 원하는 도메인 스타일의 최적의 이미지를 생성하도록 학습될 수 있다.

본 개시의 다양한 실시예에 따르면, 리사이징된 복수의 이미지 각각으로부터 복수의 콘텐츠 코드가 생성될 수 있으며, 이에 기초하여 이미지가 생성될 수 있다. 이에 따라, 이미지의 다양한 사이즈로부터 추출된 고레벨(high-level) 구조적 정보부터 저레벨(low-level) 구조적 정보까지 포함된 다양한 콘텐츠 코드를 반영한 고품질의 이미지가 생성될 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자(이하, '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 입력 이미지에 기초하여 출력 이미지를 생성하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따라 이미지를 생성하기 위해, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따라 제1 신경망 모델을 학습시키는 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따라 제2 신경망 모델을 학습시키는 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따른 이미지 생성 시스템의 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따라 복수의 입력 이미지에 기초하여 출력 이미지를 생성하는 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 인공신경망의 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 이미지 생성 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, '신경망 모델'은 주어진 입력에 대한 해답(answer)을 추론하기 위해 입력 레이어(층), 복수 개의 은닉 레이어 및 출력 레이어를 포함하여 구성된 하나 이상의 인공신경망을 포함하는 모델을 지칭할 수 있다. 여기서, 각 레이어는 복수의 노드를 포함할 수 있다. 또한, 본 개시에서, 제1 신경망 모델, 제2 신경망 모델 등 복수의 인공신경망을 별도의 인공신경망으로서 설명하나 이에 한정되지 않으며, 복수의 인공신경망의 일부 또는 전체는 하나의 인공신경망으로 구현될 수 있다.

본 개시에서, “GAN(Generative Adversarial Network) 모델”은 생성기(generator) 및 판별기(discriminator)를 포함하는 기계 학습 모델을 지칭할 수 있다. 생성기는 무작위 노이즈를 입력으로 사용하고 훈련 데이터와 유사한 현실적인 샘플을 생성하는 기능을 점진적으로 개선하여 합성 데이터 샘플을 생성하는 방법을 학습한다. 판별기는 실제 샘플과 가짜 샘플을 구별하는 방법을 학습하는 이진 분류기 역할을 한다. GAN 모델은 적대적인 훈련 프로세스를 통해 판별기가 실제 데이터와 구별할 수 없는 고품질 샘플을 생성할 수 있는 생성기를 학습하는 것을 목표로 한다.

본 개시에서, “디퓨전(Diffusion) 모델”은 주어진 초기 데이터 샘플에 일련의 노이즈 주입 및 디퓨전(확산) 프로세서를 반복적으로 적용하여 고품질 샘플을 생성하는 방법을 학습하는 생성 모델(generative model)을 지칭할 수 있다. 확산 프로세스 중에 인코더는 실제 데이터 샘플을 저차원 잠재 공간으로 매핑하며, 잠재 표현(latent representation)은 데이터의 필수 피처(essential feature)를 캡처한다. 잠재 표현은 실제 데이터 샘플에 대응하는 합성 데이터 샘플을 생성하는 디코더를 통과한다. 확산 단계를 반대로 수행하고, 인코더-디코더 조합을 사용함으로써, 모델은 랜덤 노이즈에서 실제 샘플을 생성할 수 있다. 해당 인코더-디코더 프레임워크는 서로 다른 데이터 표현 사이의 변환을 허용하여 이미지 간 변환 및 데이터 압축과 같은 작업을 가능하게 한다.

본 개시에서, “코드(code)”는 숫자의 나열로서, 이미지에 대한 추상화된 정보를 담고 있어 원본 이미지와 유사한 수준으로 디코딩될 수 있는 값을 지칭할 수 있다. 코드가 어떤 정보를 나타낼지에 따라, 콘텐츠 코드(content code) 및 스타일 코드(style code)로 나뉠 수 있다. 콘텐츠 코드는 이미지 내의 객체들의 구조적인 정보(예를 들어, 객체의 카테고리 정보, 형태 정보, 위치 정보 등)를 나타내는 숫자의 나열일 수 있다. 스타일 코드는 이미지의 도메인 스타일(domain style)을 나타내는 숫자의 나열일 수 있다. 여기서 이미지의 “도메인 스타일”은 이미지의 시각적 특성 또는 예술적 스타일을 지칭하며, 색상, 질감, 패턴, 모양 및 이미지의 전반적인 모양과 미적 품질을 정의하는 기타 시각적 요소의 고유한 조합을 나타낼 수 있다. 예를 들어, 이미지의 도메인 스타일은 컴퓨터 그래픽(예를 들어, 컴퓨터 게임 그래픽)과 같은 버추얼 이미지 스타일 및 카메라로 실제 세상을 촬영한 것과 같은 실사 이미지 스타일을 포함할 수 있다.

도 1은 본 개시의 일 실시예에 따라 입력 이미지(110)에 기초하여 출력 이미지(130)를 생성하는 예시를 나타내는 도면이다. 도 1에서 도시된 바와 같이, 출력 이미지(130)를 생성함에 있어 이미지 생성 시스템(120)이 이용될 수 있다. 여기서, 이미지 생성 시스템(120)은 인공 신경망 모델일 수 있다.

일 실시예에 따르면, 이미지 생성 시스템(120)은 입력 이미지(110)를 수신할 수 있다. 입력 이미지(110)는 가상환경 상에서 생성된 버추얼 이미지(virtual image)일 수 있다. 예를 들어, 입력 이미지(110)는 컴퓨터 게임 또는 컴퓨터 시뮬레이션을 통해 생성된 버추얼 이미지일 수 있다.

일 실시예에 따르면, 이미지 생성 시스템(120)은 입력 이미지(110)와 연관된 콘텐츠 코드를 생성할 수 있다. 이를 위해, 이미지 생성 시스템(120)은 입력 이미지로부터 입력 이미지 내의 객체들의 구조적인 정보인 콘텐츠 코드를 생성하는 콘텐츠 인코더를 포함할 수 있다. 콘텐츠 인코더는 제1 신경망 모델의 일부 구성으로서 복수의 제1 도메인 스타일 학습 이미지 및 복수의 제2 도메인 스타일 학습 이미지에 기초하여 학습될 수 있다. 이에 대한 세부적인 내용은 도 4를 참조하여 후술된다.

일 실시예에 따르면, 이미지 생성 시스템(120)은 생성된 콘텐츠 코드에 기초하여 출력 이미지(130)를 생성할 수 있다. 여기서, 출력 이미지(130)는 실제 환경에서 카메라로 촬영한 것과 같은 실사 이미지(real image)일 수 있다. 이를 위해, 이미지 생성 시스템(120)은 콘텐츠 코드에 기초하여 이미지를 생성하는 디코더를 포함할 수 있다. 디코더는 제2 신경망 모델의 일부 구성으로서 콘텐츠 코드에 기초하여 특정 도메인 스타일(예를 들어, 실사 이미지 스타일) 이미지를 생성하도록 학습될 수 있다. 이에 대한 세부적인 내용은 도 5를 참조하여 후술된다.

일 실시예에 따르면, 출력 이미지(130) 내의 객체들의 구조적인 정보는 입력 이미지(110) 내의 객체들의 구조적인 정보와 동일할 수 있다. 예를 들어, 출력 이미지(130) 내의 건물 위치, 차량 위치, 차량 방향, 도로 위치, 도로 방향 등은 입력 이미지(110) 내의 건물 위치, 차량 위치, 차량 방향, 도로 위치, 도로 방향 등과 동일할 수 있다. 반면, 출력 이미지(130)의 도메인 스타일은 입력 이미지(110)의 도메인 스타일과 상이할 수 있다. 예를 들어, 출력 이미지(130)의 도메인 스타일은 실사 이미지 스타일인 반면, 입력 이미지(110)의 도메인 스타일은 컴퓨터 그래픽과 같은 버추얼 이미지 스타일일 수 있다. 다만, 입력 이미지(110)의 도메인 스타일 및/또는 출력 이미지(130)의 도메인 스타일은 상술한 예시에 한정되지 않으며, 다양한 타입의 도메인 스타일(예: 카툰 이미지 스타일, 점묘화 이미지 스타일 등)을 포함할 수 있다.

상술한 구성과 같이, 이미지 생성 시스템(120)은 입력 이미지(110)로부터 개별적 정보(예: 콘텐츠 코드 등)를 생성할 수 있고, 이에 기초하여 동일/유사한 콘텐츠를 포함한 다른 도메인 스타일의 새로운 출력 이미지(130)를 생성할 수 있다. 이에 따라, 이미지 생성 시스템(120)은 입력 이미지(110)와 독립된 출력 이미지(130)를 생성할 수 있으며, 생성된 출력 이미지(130)의 품질을 향상시킬 수 있다.

일 실시예에서, 컴퓨터를 이용하여 무한정에 가까운 버추얼 이미지 또는 원하는 시나리오의 버추얼 이미지를 생성하고, 생성된 버추얼 이미지를 이미지 생성 시스템(120)을 이용하여 실사 이미지로 변환할 수 있다. 이렇게 생성된 필요한 양 또는 필요한 시나리오의 고품질 실사 이미지를 자동차 자율 주행 학습 이미지로 사용할 수 있다. 이와 같은 방법을 통해, 자동차 자율 주행 학습을 위해 필요한 충분한 양의 실제 주행 데이터를 얻기 어려운 문제를 저비용으로 짧은 시간 안에 해결할 수 있다.

도 2는 본 개시의 일 실시예에 따라 이미지를 생성하기 위해, 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 도시된 바와 같이, 복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 이미지를 생성할 수 있는 정보 처리 시스템(230)과 연결될 수 있다. 여기서, 복수의 사용자 단말(210_1, 210_2, 210_3)은 생성된 이미지를 제공받는 사용자의 단말을 포함할 수 있다.

일 실시예에서, 정보 처리 시스템(230)은 이미지 생성과 연관된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다.

정보 처리 시스템(230)에 의해 제공되는 이미지는, 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 이미지 생성 애플리케이션 웹 브라우저 또는 웹 브라우저 확장 프로그램 등을 통해 사용자에게 제공될 수 있다. 예를 들어, 정보 처리 시스템(230)은 이미지 생성 애플리케이션 등을 통해 사용자 단말(210_1, 210_2, 210_3)로부터 수신되는 이미지 생성 요청에 대응하는 정보를 제공하거나 대응하는 처리를 수행할 수 있다.

복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230)과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.

도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 이미지 생성 서비스 애플리케이션 또는 웹 브라우저 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, AI 스피커, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스, 셋톱 박스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.

도 2에서는 사용자 단말(210_1, 210_2, 210_3)이 정보 처리 시스템(230)과 통신함으로써, 생성된 이미지를 제공받는 구성이 예시적으로 도시되어 있으나, 이에 한정되지 않으며, 사용자의 요청 또는 입력이 사용자 단말(210_1, 210_2, 210_3)을 거치지 않고 정보 처리 시스템(230)과 연관된 입력 장치를 통해 정보 처리 시스템(230)에 제공될 수 있으며, 사용자의 요청 또는 입력을 처리한 결과가 정보 처리 시스템(230)과 연관된 출력 장치(예: 디스플레이 등)를 통해 사용자에게 제공될 수도 있다.

도 3은 본 개시의 일 실시예에 따른 사용자 단말(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 애플리케이션, 웹 브라우저 등이 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 단말(210_1), 태블릿 단말(210_2), PC 단말(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)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(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 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(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독 가능한 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 모듈(316, 336)을 통해 메모리(312, 332)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(312, 332)에 로딩될 수 있다.

프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(316, 336)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(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 이미지 생성 요청 등)는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(316)을 통해 사용자 단말(210)에 수신될 수 있다.

입출력 인터페이스(318)는 입출력 장치(320)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(318)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(314)가 메모리(312)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(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)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(338)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 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.

사용자 단말(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에서, 사용자 단말(210)은 상술된 입출력 장치(320) 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.

이미지 생성 애플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)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(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다.

사용자 단말(210)의 프로세서(314)는 입출력 장치(320), 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(314)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공될 수 있다. 사용자 단말(210)의 프로세서(314)는 입출력 인터페이스(318)를 통해 입출력 장치(320)로 정보 및/또는 데이터를 전송하여, 출력할 수 있다. 예를 들면, 프로세서(314)는 수신한 정보 및/또는 데이터를 사용자 단말(210)의 화면에 출력 또는 디스플레이할 수 있다.

정보 처리 시스템(230)의 프로세서(334)는 복수의 사용자 단말(210) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 사용자 단말(210)에 제공할 수 있다.

도 4는 본 개시의 일 실시예에 따라 제1 신경망 모델(430)을 학습시키는 예시를 나타내는 도면이다. 일 실시예에 따르면, 이미지 생성 시스템은 수신된 이미지로부터 콘텐츠 코드를 추출/생성하는 콘텐츠 인코더)를 포함할 수 있으며, 이미지 생성 시스템의 콘텐츠 인코더를 학습시키기 위해 제1 신경망 모델(430)이 이용될 수 있다. 여기서, 콘텐츠 코드는 이미지 내의 객체들의 구조적인 정보(예를 들어, 객체의 카테고리 정보, 형태 정보, 위치 정보 등)를 나타내는 숫자의 나열일 수 있다.

일 실시예에서, 제1 신경망 모델(430)은 콘텐츠 인코더(432)를 포함할 수 있다. 콘텐츠 인코더(432)는 제1 신경망 모델(430)의 다른 구성(434, 436, 438, 440)과 함께 학습될 수 있다. 여기서, 제1 신경망 모델(430)은 GAN 모델일 수 있으며, 콘텐츠 인코더(432)는 GAN 모델의 인코더일 수 있다. 제1 신경망 모델(430)을 이용하여 학습된 콘텐츠 인코더(432)는 추후 이미지 생성 시스템에서 이미지로부터 콘텐츠 코드를 추출/생성하기 위해 사용될 수 있다.

일 실시예에 따르면, 제1 신경망 모델(430)은 스타일 인코더(434), 생성기(436), 제1 판별기(438) 및 제2 판별기(440)를 더 포함할 수 있다. 스타일 인코더(434)는 이미지로부터 스타일 코드를 추출/생성하도록 구성 및 학습될 수 있다. 생성기(436)는 콘텐츠 인코더(432)로부터 생성/추출된 콘텐츠 코드 및 스타일 인코더(434)로부터 생성/추출된 스타일 코드를 이용하여 이미지를 생성하도록 구성 및 학습될 수 있다. 즉, 학습된 생성기(436)는 콘텐츠 코드에 따른 객체들의 구조적 정보가 포함된 스타일 코드에 따른 도메인 스타일의 이미지를 생성할 수 있다.

일 실시예에서, 판별기(438, 440)는 이미지의 진위 여부를 판별하도록 구성 및 학습될 수 있다. 예를 들어, 판별기(438, 440)는 입력된 이미지가 생성기(4366)가 생성한 이미지인지 여부를 판별할 수 있다. 제1 판별기(438)는 제1 도메인 스타일(예를 들어, 버추얼 스타일) 이미지가 진짜(real)인지 가짜(fake)인지 판별할 수 있다. 즉, 제1 판별기(438)는 수신된 이미지를 생성기(436)가 생성하지 않은 제1 도메인 스타일 이미지로 판별한 경우 진짜(real)로, 생성기(436)가 생성한 제1 도메인 스타일 이미지로 판별한 경우 가짜(fake)로 판별할 수 있다. 제2 판별기(440)는 제2 도메인 스타일(예를 들어, 실사 스타일) 이미지가 진짜(real)인지 가짜(fake)인지 판별할 수 있다. 즉, 제2 판별기(440)는 수신된 이미지를 생성기(436)가 생성하지 않은 제2 도메인 스타일 이미지로 판별한 경우 진짜(real)로, 생성기(436)가 생성한 제2 도메인 스타일 이미지로 판별한 경우 가짜(fake)로 판별할 수 있다. 학습 과정에서 생성기(436), 그리고 제1 판별기(438) 및 제2 판별기(440)는 적대적으로 훈련될 수 있다.

일 실시예에 따르면, 제1 신경망 모델(430)은 학습을 위해 복수의 이미지를 수신할 수 있다. 구체적으로, 제1 신경망 모델(430)은 학습을 위해 복수의 제1 도메인 스타일 학습 이미지(410) 및 복수의 제2 도메인 스타일 학습 이미지(420)를 수신할 수 있다. 이 경우, 복수의 제1 도메인 스타일 학습 이미지(410)는 가상환경(예: 3D 게임, 시뮬레이션, 메타버스 등) 상에서 생성된 버추얼 이미지일 수 있으며, 복수의 제2 도메인 스타일 학습 이미지(420)는 실제 촬영된 실사 이미지일 수 있다. 대안적으로, 버추얼 이미지와 실사 이미지가 아닌 다양한 스타일의 학습 이미지(예: 카툰 렌더링된 학습 이미지 등)가 이용될 수 있다.

일 실시예에 따르면, 콘텐츠 인코더(432)는 한 쌍의 제1 도메인 스타일 학습 이미지(412) 및 제2 도메인 스타일 학습 이미지(422)로부터 콘텐츠 코드를 추출/생성할 수 있다. 여기서, 제1 도메인 스타일 학습 이미지(412) 및 제2 도메인 스타일 학습 이미지(422)는 복수의 제1 도메인 스타일 학습 이미지(410) 및 복수의 제2 도메인 스타일 학습 이미지(420)에 포함된 임의의 쌍일 수 있다. 예를 들어, 콘텐츠 인코더(432)는 제1 도메인 스타일 학습 이미지(412)에 포함된 객체(예: 인물, 동물, 사물 등)의 위치, 방향 등 구조적인 정보를 숫자로 나열한 제1 콘텐츠 코드를 추출/생성할 수 있다. 마찬가지로, 콘텐츠 인코더(432)는 제2 도메인 스타일 학습 이미지(422)에 포함된 객체(예: 인물, 동물, 사물 등)의 위치, 방향 등 구조적인 정보를 숫자로 나열한 제2 콘텐츠 코드를 추출/생성할 수 있다.

일 실시예에 따르면, 스타일 인코더(434)는 학습을 위해 수신된 제1 도메인 스타일 학습 이미지(412) 및 제2 도메인 스타일 학습 이미지(422)로부터 스타일 코드를 추출/생성할 수 있다. 예를 들어, 스타일 인코더(434)는 제1 도메인 스타일 학습 이미지(412)의 도메인 스타일(즉, 제1 도메인 스타일)을 숫자로 나열한 제1 스타일 코드(제1 도메인 스타일 정보)를 추출/생성할 수 있다. 마찬가지로, 스타일 인코더(434)는 제2 도메인 스타일 학습 이미지(422)의 도메인 스타일(즉, 제2 도메인 스타일)을 숫자로 나열한 제2 스타일 코드(제2 도메인 스타일 정보)를 추출/생성할 수 있다.

일 실시예에 따르면, 생성기(436)는 콘텐츠 코드 및 스타일 코드에 기초하여 이미지를 생성할 수 있다. 예를 들어, 생성기(436)는 상술한 제1 콘텐츠 코드(제1 도메인 스타일 학습 이미지(412)의 구조적 정보) 및 제2 스타일 코드(제2 도메인 스타일 정보)에 기초하여 제1 생성 이미지를 생성할 수 있다. 여기서, 제1 생성 이미지는 제1 도메인 스타일 학습 이미지(412)에 포함된 구조적인 정보를 제2 도메인 스타일 학습 이미지(422)의 도메인 스타일로 표현한 이미지일 수 있다. 따라서, 제1 생성 이미지는 제2 도메인 스타일(실사 이미지 스타일)의 이미지일 수 있다. 그 후, 제2 판별기(440)가 제1 생성 이미지의 진위 여부를 판별할 수 있다. 여기서, 제2 판별기(440)는 제1 생성 이미지를 가짜로 판별하도록 학습될 수 있다.

마찬가지로, 생성기(436)는 상술한 제2 콘텐츠 코드(제2 도메인 스타일 학습 이미지(422)의 구조적 정보) 및 제1 스타일 코드(제1 도메인 스타일 정보)에 기초하여 제2 생성 이미지를 생성할 수 있다. 여기서, 제2 생성 이미지는 제2 도메인 스타일 학습 이미지(422)에 포함된 구조적인 정보를 제1 도메인 스타일 학습 이미지(412)의 도메인 스타일로 표현한 이미지일 수 있다. 따라서, 제2 생성 이미지는 제1 도메인 스타일(버추얼 이미지 스타일)의 이미지일 수 있다. 그 후, 제1 판별기(438)가 제2 생성 이미지의 진위 여부를 판별할 수 있다. 여기서, 제1 판별기(438)는 제2 생성 이미지를 가짜로 판별하도록 학습될 수 있다.

일 실시예에 따르면, 콘텐츠 인코더(432)는 제1 생성 이미지로부터 제3 콘텐츠 코드(제1 도메인 스타일 학습 이미지(412)의 구조적 정보와 동일/유사)를 추출하고, 제2 생성 이미지로부터 제4 콘텐츠 코드(제2 도메인 스타일 학습 이미지(422)의 구조적 정보와 동일/유사)를 추출할 수 있다. 또한, 스타일 인코더(434)는 제1 생성 이미지로부터 제3 스타일 코드(제2 도메인 스타일 정보와 동일/유사)를 추출하고, 제2 생성 이미지로부터 제4 스타일 코드(제1 도메인 스타일 정보와 동일/유사)를 추출할 수 있다. 그 후, 생성기(436)는 제3 콘텐츠 코드(제1 도메인 스타일 학습 이미지(412)의 구조적 정보와 동일/유사) 및 제4 스타일 코드(제1 도메인 스타일 정보와 동일 유사)에 기초하여 제3 생성 이미지를 생성할 수 있다. 여기서, 제3 생성 이미지는 제1 도메인 스타일 학습 이미지(412)의 구조적 정보와 동일/유사한 내용을 포함한 제1 도메인 스타일의 이미지로 생성하고자 하는 것이므로, 제3 생성 이미지가 제1 도메인 스타일 학습 이미지(412)와 동일/유사하게 생성되도록 인코더(432, 436) 및 생성기(436)가 학습될 수 있다. 마찬가지로, 생성기(436)는 제4 콘텐츠 코드(제2 도메인 스타일 학습 이미지(422)의 구조적 정보와 동일/유사) 및 제3 스타일 코드(제2 도메인 스타일 정보와 동일/유사)에 기초하여 제4 생성 이미지를 생성할 수 있다. 여기서, 제4 생성 이미지는 제2 도메인 스타일 학습 이미지(422)의 구조적 정보와 동일/유사한 내용을 포함한 제2 도메인 스타일의 이미지로 생성하고자 하는 것이므로, 제4 생성 이미지가 제2 도메인 스타일 학습 이미지(422)와 동일/유사하게 생성되도록 인코더(432, 436) 및 생성기(436)가 학습될 수 있다.

제1 신경망 모델(430)에 포함된 콘텐츠 인코더(432), 스타일 인코더(434), 생성기(436), 제1 판별기(438) 및 제2 판별기(440)는 제1 도메인 스타일 학습 이미지 및 제2 도메인 스타일 학습 이미지의 복수의 쌍에 대해 상술한 과정을 반복함으로써 학습될 수 있다.

상술한 구성과 같이, 콘텐츠 인코더(432)는 제1 신경망 모델(430)의 일부 구성으로 포함될 수 있으며, 제1 신경망 모델(430)은 다양한 도메인 스타일 학습 이미지에 기초하여 학습될 수 있다. 이에 따라, 콘텐츠 인코더(432)는 사용자가 원하는 이미지 생성에 필요한 최적의 콘텐츠 코드를 생성하도록 학습될 수 있다.

도 4에서 제1 신경망 모델(430)의 각각의 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로, 복수의 구성요소가 실제 물리적 환경에서 서로 통합되는 형태로 구현될 수 있다. 대안적으로, 제1 신경망 모델(430)의 각각의 구성 요소들은 실제 물리적 환경에서 서로 별도로 구현될 수 있다.

또한, 도 4에서 제1 신경망 모델(430)의 내부 구성은 콘텐츠 인코더(432), 스타일 인코더(434), 생성기(436), 제1 판별기(438) 및 제2 판별기(440)로 나누어서 구현되었으나, 이에 한정되지 않으며, 일부 구성이 생략되거나, 다른 구성이 추가되거나, 일부 구성이 병합될 수 있다.

도 5는 본 개시의 일 실시예에 따라 제2 신경망 모델(520)을 학습시키는 예시를 나타내는 도면이다. 일 실시예에 따르면, 이미지 생성 시스템은 콘텐츠 코드에 기초하여 이미지를 생성하는 디코더를 포함할 수 있으며, 이미지 생성 시스템의 디코더를 학습시키기 위해 제2 신경망 모델(520)이 이용될 수 있다. 이 경우, 제2 신경망 모델은 디퓨전 모델일 수 있으며, 디코더는 디퓨전 모델의 디코더일 수 있다.

일 실시예에 따르면, 제2 신경망 모델(520)의 학습을 위해 콘텐츠 인코더(432)는 입력 이미지(510)로부터 콘텐츠 코드(512)를 추출/생성할 수 있다. 이 경우, 콘텐츠 인코더(432)는 도 4에서 상술한 과정에 의해 학습된 콘텐츠 인코더일 수 있다. 입력 이미지(510)는 복수의 실사 학습 이미지 중 하나일 수 있다. 그리고 나서, 제2 신경망 모델(520)은 입력 이미지(510)를 입력으로 수신하고, 콘텐츠 코드(512)를 조건(condition)으로 수신하여 출력 이미지(530)를 생성할 수 있다.

일 실시예에 따르면, 제2 신경망 모델(520)은 입력 이미지(510)와 출력 이미지(530)를 비교하여 산출된 손실을 최소화하도록 학습될 수 있다. 제2 신경망 모델(520)은 복수의 입력 이미지(510)와 복수의 출력 이미지(530)에 기초하여 상술한 과정을 반복함으로써 학습될 수 있으며, 제2 신경망 모델(520)의 디코더도 마찬가지로 상술한 과정을 통해 학습될 수 있다. 또한, 이 과정에서 학습을 위해 사용된 입력 이미지(510)는 도 4의 제2 도메인 스타일 이미지(예: 실사 이미지 스타일 등)일 수 있으며, 제1 도메인 스타일 이미지가 사용되지 않을 수 있다.

상술한 구성과 같이, 디코더는 제2 신경망 모델(520)의 일부 구성으로 포함될 수 있으며, 제2 신경망 모델(520)은 특정 도메인 스타일 학습 이미지(예: 실사 학습 이미지 등) 및 콘텐츠 코드에 기초하여 학습될 수 있다. 이에 따라, 디코더는 콘텐츠 코드로부터 사용자가 원하는 특정 도메인 스타일의 이미지를 생성하도록 학습될 수 있다.

도 6은 본 개시의 일 실시예에 따른 이미지 생성 시스템(620)의 예시를 나타내는 도면이다. 도 6에 도시된 바와 같이, 이미지 생성 시스템(620)은 인코더(622) 및 디코더(624)를 포함하는 제3 신경망 모델일 수 있다. 인코더(622)는 도 4에서 상술한 과정을 통해 학습된 제1 신경망 모델(430)의 콘텐츠 인코더(432)일 수 있다. 디코더(624)는 도 5에서 상술한 과정을 통해 학습된 제2 신경망 모델(520)의 디코더일 수 있다. 즉, 디코더(624)는 콘텐츠 코드에 기초하여 특정 도메인 스타일(예, 실사 스타일)의 이미지를 생성하도록 학습된 디코더일 수 있다.

일 실시예에 따르면, 이미지 생성 시스템(620)은 입력 이미지(610)를 수신할 수 있다. 그 후, 이미지 생성 시스템(620)의 인코더(622)는 입력 이미지(610)로부터 콘텐츠 코드(612)를 생성할 수 있다. 그 후, 이미지 생성 시스템(620)의 디코더(624)는 콘텐츠 코드(612)에 기초하여 출력 이미지(630)를 생성할 수 있다. 이 과정에서, 디코더(624)는 스타일 코드를 이용하지 않고 콘텐츠 코드(612)만 이용하여 출력 이미지(630)를 생성할 수 있다.

일 실시예에 따르면, 출력 이미지(630) 내의 객체들의 구조적인 정보는 입력 이미지(610) 내의 객체들의 구조적인 정보와 동일할 수 있다. 예를 들어, 출력 이미지(630) 내의 건물 위치, 차량 위치, 차량 방향 등은 입력 이미지(610) 내의 건물 위치, 차량 위치, 차량 등의 방향과 동일할 수 있다.

반면, 출력 이미지(630)의 도메인 스타일은 입력 이미지(610)의 도메인 스타일과 상이할 수 있다. 예를 들어, 입력 이미지(610)의 도메인 스타일은 컴퓨터 그래픽과 같은 버추얼 이미지 스타일이고, 출력 이미지(630)의 도메인 스타일은 실사 이미지 스타일 수 있다. 대안적으로, 입력 이미지(610)의 도메인 스타일은 실사 이미지 스타일이고, 출력 이미지(630)의 도메인 스타일은 버추얼 이미지 스타일 수 있다. 다만, 입력 이미지(110)의 도메인 스타일 및/또는 출력 이미지(130)의 도메인 스타일은 상술한 예시에 한정되지 않으며, 다양한 타입의 도메인 스타일(예: 카툰 렌더링된 이미지 스타일 등)을 포함할 수 있다.

상술한 바와 같이, 이미지 생성 시스템(620)은 인코더(622) 및 디코더(624)를 포함하여 구성됨으로써, 입력 이미지(610)로부터 개별적 정보(예: 콘텐츠 코드)를 생성할 수 있고, 이에 기초하여 새로운 출력 이미지(630)를 생성할 수 있다. 이에 따라, 이미지 생성 시스템(620)은 입력 이미지(610)와 동일/유사한 구조적 정보를 포함하되, 다른 도메인 스타일의 출력 이미지(630)를 고품질로 생성할 수 있다.

도 6에서 이미지 생성 시스템(620)의 각각의 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로, 복수의 구성요소가 실제 물리적 환경에서 서로 통합되는 형태로 구현될 수 있다. 대안적으로, 이미지 생성 시스템(620)의 각각의 구성 요소들은 실제 물리적 환경에서 서로 별도로 구현될 수 있다.

또한, 도 6에서 이미지 생성 시스템(620)의 내부 구성은 인코더(622) 및 디코더(624)로 나누어서 구현되었으나, 이에 한정되지 않으며, 일부 구성이 생략되거나, 다른 구성이 추가되거나, 일부 구성이 병합될 수 있다.

도 7은 본 개시의 일 실시예에 따라 복수의 입력 이미지(710, 720, 730)에 기초하여 출력 이미지(740)를 생성하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 복수의 입력 이미지(710, 720, 730)는 동일 콘텐츠에 대하여 서로 상이한 사이즈의 이미지일 수 있다. 예를 들어, 제2 입력 이미지(720) 및 제3 입력 이미지(730)는 제1 입력 이미지(710)를 서로 다른 사이즈로 리사이징(resizing)한 이미지일 수 있다.

일 실시예에 따르면, 이미지 생성 시스템(620)은 제1 입력 이미지(710), 제2 입력 이미지(720) 및 제3 입력 이미지(730)를 수신할 수 있다. 그 후, 이미지 생성 시스템(620)의 인코더(622)는 제1 입력 이미지(710), 제2 입력 이미지(720) 및 제3 입력 이미지(730) 각각으로부터 제1 콘텐츠 코드(712), 제2 콘텐츠 코드(722) 및 제3 콘텐츠 코드(732)를 생성할 수 있다. 그 후, 이미지 생성 시스템(620)의 디코더(624)는 제1 콘텐츠 코드(712), 제2 콘텐츠 코드(722) 및 제3 콘텐츠 코드(732)에 기초하여 출력 이미지(740)를 생성할 수 있다.

도 7에서 이미지 생성 시스템(620)은 3개의 입력 이미지(710, 720, 730)에 기초하여 출력 이미지(740)를 생성하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 입력 이미지에 기초하여 출력 이미지를 생성하도록 구성될 수도 있다.

상술한 바와 같이, 이미지 생성 시스템(620)은 리사이징된 복수의 입력 이미지(710, 720, 730) 각각으로부터 복수의 콘텐츠 코드(712, 722, 730)를 생성할 수 있으며, 이에 기초하여 출력 이미지(740)를 생성할 수 있다. 이에 따라, 이미지의 다양한 사이즈로부터 추출된 고레벨(high-level) 구조적 정보부터 저레벨(low-level) 구조적 정보까지 포함된 다양한 콘텐츠 코드를 반영한 고품질의 이미지가 생성될 수 있다.

도 8은 본 개시의 일 실시예에 따른 인공신경망(800)의 예시를 나타내는 도면이다. 인공신경망(800)은, 기계학습 모델의 일 예로서, 기계학습(Machine Learning) 기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조이다.

일 실시예에 따르면, 인공신경망(800)은, 생물학적 신경망에서와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(Node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 기계학습 모델을 나타낼 수 있다. 예를 들어, 인공신경망(800)은 기계학습, 딥러닝 등의 인공지능 학습법에 사용되는 임의의 확률 모델, 뉴럴 네트워크 모델 등을 포함할 수 있다.

인공신경망(800)은 다층의 노드들과 이들 사이의 연결로 구성된 다층 퍼셉트론(MLP: multilayer perceptron)으로 구현된다. 본 실시예에 따른 인공신경망(800)은 MLP를 포함하는 다양한 인공신경망 모델 구조들 중의 하나를 이용하여 구현될 수 있다. 도 8에 도시된 바와 같이, 인공신경망(800)은, 외부로부터 입력 신호 또는 데이터(810)를 수신하는 입력층(820), 입력 데이터에 대응한 출력 신호 또는 데이터(850)를 출력하는 출력층(840), 입력층(820)과 출력층(840) 사이에 위치하며 입력층(820)으로부터 신호를 받아 특성을 추출하여 출력층(840)으로 전달하는 n개(여기서, n은 양의 정수)의 은닉층(830_1 내지 830_n)으로 구성된다. 여기서, 출력층(840)은 은닉층(830_1 내지 830_n)으로부터 신호를 받아 외부로 출력한다.

인공신경망(800)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning) 방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning) 방법이 있다. 일 실시예에 따르면, 컴퓨팅 장치(예: 정보 처리 시스템 등)는 제1 신경망 모델에 대하여 복수의 버추얼 학습 이미지 및 복수의 실사 학습 이미지를 포함한 학습 데이터를 이용하여 인공신경망(800)을 학습시킬 수 있다. 또한, 컴퓨팅 장치는 제2 신경망 모델에 대하여 복수의 제2 도메인 스타일 학습 이미지 및 복수의 콘텐츠 코드를 포함한 학습 데이터를 이용하여 인공신경망(800)을 학습시킬 수 있다.

일 실시예에 따르면, 제1 신경망 모델에서 인공신경망(800)의 입력변수는 콘텐츠 코드 및 스타일 코드를 포함할 수 있다. 이와 같이 상술된 입력변수가 입력층(820)을 통해 입력되는 경우, 인공신경망(800)의 출력층(840)에서 출력되는 출력변수는 생성된 이미지가 될 수 있다. 또한, 제1 신경망 모델에서 인공신경망(800)의 입력 변수는 생성된 이미지를 포함할 수 있다. 이와 같이 상술된 입력변수가 입력층(820)을 통해 입력되는 경우, 인공신경망(800)의 출력층(840)에서 출력되는 출력변수는 생성된 이미지의 진위 판별 결과가 될 수 있다.

일 실시예에 따르면, 제2 신경망 모델에서 인공신경망(800)의 입력변수는 제1 입력 이미지 및 콘텐츠 코드를 포함할 수 있다. 이와 같이 상술된 입력변수가 입력층(820)을 통해 입력되는 경우, 인공신경망(800)의 출력층(840)에서 출력되는 출력변수는 생성된 제1 출력 이미지가 될 수 있다.

일 실시예에 따르면, 제3 신경망 모델에서 인공신경망(800)의 입력변수는 제2 입력 이미지를 포함할 수 있다. 이와 같이 상술된 입력변수가 입력층(820)을 통해 입력되는 경우, 인공신경망(800)의 출력층(840)에서 출력되는 출력변수는 생성된 제2 출력 이미지가 될 수 있다.

이와 같이, 인공신경망(800)의 입력층(820)과 출력층(840)에 복수의 입력변수와 대응되는 복수의 출력변수가 각각 매칭되고, 입력층(820), 은닉층(830_1 내지 830_n) 및 출력층(840)에 포함된 노드들 사이의 시냅스 값이 조정됨으로써, 특정 입력에 대응한 올바른 출력이 추출될 수 있도록 학습될 수 있다. 이러한 학습 과정을 통해, 인공신경망(800)의 입력변수에 숨겨져 있는 특성을 파악할 수 있고, 입력변수에 기초하여 계산된 출력변수와 목표 출력 간의 오차가 줄어들도록 인공신경망(800)의 노드들 사이의 시냅스 값(또는 가중치)를 조정할 수 있다.

일 실시예에서, 컴퓨팅 장치는 정답 데이터(ground truth)인 버추얼 학습 이미지와 제1 신경망 모델의 생성기로부터 출력된 이미지와의 손실(loss)을 최소화하도록 제1 신경망 모델의 콘텐츠 인코더, 스타일 인코더 및/또는 생성기를 학습시킬 수 있다. 또한, 컴퓨팅 장치는 정답 데이터인 실사 학습 이미지와 제1 신경망 모델로부터 출력된 이미지와의 제1 신경망 모델의 생성기로부터 출력된 이미지와의 손실(loss)을 최소화하도록 제1 신경망 모델의 콘텐츠 인코더, 스타일 인코더 및/또는 생성기를 학습시킬 수 있다.

일 실시예에서, 컴퓨팅 장치는 정답 데이터인 학습 이미지의 진위 여부와 제1 신경망 모델의 판별기로부터 출력된 학습 이미지의 진위 판별 결과와의 손실을 최소화하도록 제1 신경망 모델의 2개의 판별기를 학습시킬 수 있다.

다른 실시예에서, 컴퓨팅 장치는 제1 입력 이미지와 제2 신경망 모델로부터 출력된 제1 출력 이미지 사이의 손실을 최소화하도록 제2 신경망 모델을 학습시킬 수 있다.

일 실시예에 따르면, 상술한 과정을 통해 학습된 제1 신경망 모델의 콘텐츠 인코더 및 제2 신경망 모델의 디코더를 이용하여 제3 신경망 모델이 구성될 수 있다.

도 9은 본 개시의 일 실시예에 따른 이미지 생성 방법(900)의 예시를 나타내는 흐름도이다. 일 실시예에서, 방법(900)은 적어도 하나의 프로세서(예를 들어, 정보 처리 시스템(230)의 프로세서(334) 등)에 의해 수행될 수 있다. 방법(900)은 제1 이미지를 수신함으로써 개시될 수 있다(S910). 그리고 나서, 프로세서는 콘텐츠 인코더를 이용하여, 제1 이미지와 연관된 제1 콘텐츠 코드를 생성할 수 있다(S920). 이 경우, 제1 콘텐츠 코드는 제1 이미지 내의 객체들의 구조적인 정보를 나타낼 수 있다. 또한, 콘텐츠 인코더는 GAN(Generative Adversarial Network) 모델의 인코더일 수 있다.

일 실시예에서, 제1 신경망 모델은 상기 콘텐츠 인코더, 스타일 인코더, 생성기, 제1 판별기를 포함하고, 제1 신경망 모델은 복수의 제1 도메인 스타일 학습 이미지 및 복수의 제2 도메인 스타일 학습 이미지에 기초하여 학습되고, 제1 판별기는 생성기가 생성한 제1 도메인 스타일 생성 이미지가 진짜인지 가짜인지 판별하도록 구성되고, 제2 판별기는 생성기가 생성한 제2 도메인 스타일 생성 이미지가 진짜(real)인지 가짜(fake)인지 판별하도록 구성된다.

일 실시예에서, 스타일 인코더는 이미지와 연관된 스타일 코드를 생성하도록 구성되고, 스타일 코드는 이미지의 도메인 스타일을 나타낸다. 또한, 디코더는 제2 이미지 생성시에 스타일 코드를 이용하지 않을 수 있다.

마지막으로, 프로세서는 디코더를 이용하여, 제1 콘텐츠 코드를 기초로 제2 이미지를 생성할 수 있다(S930). 디코더는 디퓨전 모델(Diffusion)의 디코더일 수 있다. 일 실시예에서, 제2 이미지 내의 객체들의 구조적인 정보는 제1 이미지 내의 객체들의 구조적인 정보와 동일하고, 제1 이미지는 제1 도메인 스타일의 이미지이고, 제2 이미지는 제2 도메인 스타일의 이미지이고, 제1 도메인 스타일과 제2 도메인 스타일은 서로 상이할 수 있다. 또한, 제1 이미지는 버추얼 이미지 스타일의 이미지이고, 제2 이미지는 실사 이미지 스타일의 이미지일 수 있다.

일 실시예에서, 제2 신경망 모델은 상기 디코더를 포함하고, 제2 신경망 모델은 복수의 제2 도메인 스타일 학습 이미지 및 복수의 콘텐츠 코드에 기초하여 학습되고, 콘텐츠 인코더는 복수의 제2 도메인 스타일 학습 이미지에 기초하여 복수의 콘텐츠 코드를 생성하고, 상기 디코더는 복수의 콘텐츠 코드에 기초하여 복수의 제2 도메인 스타일 학습 이미지를 생성하도록 학습될 수 있다. 또한, 제2 신경망 모델의 학습시 제1 도메인 스타일 학습 이미지가 사용되지 않을 수 있다.

일 실시예에서, 프로세서는 제2 이미지를 수신하고, 콘텐츠 인코더를 이용하여 제2 이미지와 연관된 제2 콘텐츠 코드를 생성할 수 있고, 제2 이미지는 제1 이미지를 리사이징한 이미지이고, 프로세서는 디코더를 이용하여 제1 콘텐츠 코드 및 제2 콘텐츠 코드를 기초로 제2 이미지를 생성할 수 있다.

도 9에서 도시한 흐름도 및 상술한 설명은 일 예시일 뿐이며, 일부 실시예에서는 다르게 구현될 수 있다. 예를 들어, 일부 실시예에서는 각 단계의 순서가 바뀌거나, 일부 단계가 반복 수행되거나, 일부 단계가 생략되거나, 일부 단계가 추가될 수 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 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 구현되는지 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 안 된다.

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 조합으로 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 명령어들로 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.

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: 입력 이미지
120: 이미지 생성 시스템
130: 출력 이미지

Claims (13)

1. 적어도 하나의 프로세서에 의해 수행되는 이미지 생성 방법으로서,
   제1 이미지를 수신하는 단계;
   콘텐츠 인코더를 이용하여, 상기 제1 이미지와 연관된 제1 콘텐츠 코드를 생성하는 단계; 및
   디코더를 이용하여, 상기 생성된 제1 콘텐츠 코드를 기초로 제2 이미지를 생성하는 단계를 포함하고,
   상기 콘텐츠 인코더는 GAN(Generative Adversarial Network) 모델의 인코더이고,
   상기 디코더는 디퓨전 모델(Diffusion)의 디코더이고,
   상기 콘텐츠 인코더는 복수의 제2 도메인 스타일 학습 이미지에 기초하여 복수의 콘텐츠 코드를 생성하고,
   상기 디코더는 상기 복수의 콘텐츠 코드에 기초하여 상기 복수의 제2 도메인 스타일 학습 이미지를 생성하도록 학습된, 이미지 생성 방법.
   
2. 제1항에 있어서,
   상기 제1 콘텐츠 코드는 상기 제1 이미지 내의 객체들의 구조적인 정보를 나타내는, 이미지 생성 방법.
   
3. 제1항에 있어서,
   상기 제2 이미지 내의 객체들의 구조적인 정보는 상기 제1 이미지 내의 객체들의 구조적인 정보와 동일하고,
   상기 제1 이미지는 제1 도메인 스타일의 이미지이고,
   상기 제2 이미지는 제2 도메인 스타일의 이미지이고,
   상기 제1 도메인 스타일과 상기 제2 도메인 스타일은 서로 상이한, 이미지 생성 방법.
   
4. 제3항에 있어서,
   상기 제1 이미지는 버추얼 이미지 스타일의 이미지이고,
   상기 제2 이미지는 실사 이미지 스타일의 이미지인, 이미지 생성 방법.
   
5. 삭제
6. 제1항에 있어서,
   제1 신경망 모델은 상기 콘텐츠 인코더, 스타일 인코더, 생성기, 제1 판별기 및 제2 판별기를 포함하고,
   상기 생성기는 콘텐츠 코드 및 스타일 코드에 기초하여 이미지를 생성하도록 구성되고,
   상기 제1 신경망 모델은 복수의 제1 도메인 스타일 학습 이미지 및 복수의 제2 도메인 스타일 학습 이미지에 기초하여 학습되고,
   상기 제1 판별기는 상기 생성기가 생성한 제1 도메인 스타일 생성 이미지가 진짜(real)인지 가짜(fake)인지 판별하도록 구성되고,
   상기 제2 판별기는 상기 생성기가 생성한 제2 도메인 스타일 생성 이미지가 진짜(real)인지 가짜(fake)인지 판별하도록 구성되는, 이미지 생성 방법.
   
7. 제6항에 있어서,
   상기 스타일 인코더는 이미지와 연관된 스타일 코드를 생성하도록 구성되고,
   스타일 코드는 이미지의 도메인 스타일을 나타내는, 이미지 생성 방법.
   
8. 제7항에 있어서,
   상기 디코더는 상기 제2 이미지 생성시 스타일 코드를 이용하지 않는, 이미지 생성 방법.
   
9. 제1항에 있어서,
   제2 신경망 모델은 상기 디코더를 포함하고,
   상기 제2 신경망 모델은 상기 복수의 제2 도메인 스타일 학습 이미지 및 상기 복수의 콘텐츠 코드에 기초하여 학습되는, 이미지 생성 방법.
   
10. 제9항에 있어서,
    상기 제2 신경망 모델의 학습시 제1 도메인 스타일 학습 이미지가 이용되지 않는, 이미지 생성 방법.
    
11. 적어도 하나의 프로세서에 의해 수행되는 이미지 생성 방법으로서,
    제1 이미지를 수신하는 단계;
    제2 이미지를 수신하는 단계;
    콘텐츠 인코더를 이용하여, 상기 제1 이미지와 연관된 제1 콘텐츠 코드를 생성하는 단계;
    상기 콘텐츠 인코더를 이용하여 상기 제2 이미지와 연관된 제2 콘텐츠 코드를 생성하는 단계; 및
    디코더를 이용하여, 상기 생성된 제1 콘텐츠 코드 및 상기 제2 콘텐츠 코드를 기초로 제3 이미지를 생성하는 단계를 포함하고,
    상기 제2 이미지는 상기 제1 이미지를 리사이징(resizing)한 이미지인, 이미지 생성 방법.
    
12. 제1항 내지 제4항 및 제6항 내지 제11항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
    
13. 정보 처리 시스템으로서,
    통신 모듈;
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로그램은,
    제1 이미지를 수신하고,
    콘텐츠 인코더를 이용하여, 상기 제1 이미지와 연관된 제1 콘텐츠 코드를 생성하고,
    디코더를 이용하여, 상기 생성된 제1 콘텐츠 코드를 기초로 제2 이미지를 생성하기 위한 명령어들을 포함하고,
    상기 콘텐츠 인코더는 GAN(Generative Adversarial Network) 모델의 인코더이고,
    상기 디코더는 디퓨전 모델(Diffusion)의 디코더이고,
    상기 콘텐츠 인코더는 복수의 제2 도메인 스타일 학습 이미지에 기초하여 복수의 콘텐츠 코드를 생성하고,
    상기 디코더는 상기 복수의 콘텐츠 코드에 기초하여 상기 복수의 제2 도메인 스타일 학습 이미지를 생성하도록 학습된, 정보 처리 시스템.
    
    
    

Images