KR102637112B1 - 환경 벡터 기반 영상 생성 방법 및 장치 - Google Patents

환경 벡터 기반 영상 생성 방법 및 장치 Download PDF

Info

Publication number
KR102637112B1
KR102637112B1 KR1020210148105A KR20210148105A KR102637112B1 KR 102637112 B1 KR102637112 B1 KR 102637112B1 KR 1020210148105 A KR1020210148105 A KR 1020210148105A KR 20210148105 A KR20210148105 A KR 20210148105A KR 102637112 B1 KR102637112 B1 KR 102637112B1
Authority
KR
South Korea
Prior art keywords
image
background image
vector
environment vector
converted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020210148105A
Other languages
English (en)
Other versions
KR20230063164A (ko
Inventor
강병근
이의진
방연준
Original Assignee
서울과학기술대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울과학기술대학교 산학협력단 filed Critical 서울과학기술대학교 산학협력단
Priority to KR1020210148105A priority Critical patent/KR102637112B1/ko
Publication of KR20230063164A publication Critical patent/KR20230063164A/ko
Application granted granted Critical
Publication of KR102637112B1 publication Critical patent/KR102637112B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

환경 벡터 기반 영상 생성 방법 및 장치가 개시된다. 일 실시예에 따른 환경 벡터 기반 영상 생성 방법은, 배경 영상 데이터베이스에서 배경 영상을 선택하는 동작과 객체 영상 데이터베이스에서 객체 영상을 선택하는 동작과 상기 배경 영상으로부터 상기 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하는 동작과 상기 환경 벡터에 기초하여 상기 객체 영상을 변환하는 동작과 변환된 객체 영상에서 객체를 세그먼테이션하는 동작과 상기 세그먼테이션된 객체와 상기 배경 영상을 블렌딩하는 동작을 포함할 수 있다.

Description

환경 벡터 기반 영상 생성 방법 및 장치{ENVIRONMENT VECTOR-BASED IMAGE GENERATION METHOD AND APPARATUS}
아래 개시는 환경 벡터 기반 영상 생성 방법 및 장치에 관한 것이다.
1인 미디어가 활성화됨에 따라 1인 미디어에서 서비스되는 컨텐츠의 제작 기술에 대한 관심도 높아지고 있다. 1인 미디어 서비스에는 영상 편집, 송출, 음향 조절 등 개인이 단독으로 수행하기 어려운 작업들이 요구되며, 특히 영상 편집의 경우 많은 노력과 시간이 소요된다.
촬영, 제작한 콘텐츠의 일부 영역에 새로운 객체를 추가하기 위해서는 객체를 배치할 위치, 배치할 객체의 수, 객체 종류 등을 선택하고 설정하여 영상을 편집해야 한다.
객체를 기존 영상에 자연스럽게 추가하기 위해서는 객체가 기존 영상에 어울리도록 조도(색상), 카메라 각도, 객체의 스타일 등을 고려하여야 한다.
다양한 실시예에 따르면 배경 영상의 명도, 대비, 및 포화도를 나타내는 환경 벡터에 기초하여 객체 영상을 배경 영상에 어울리도록 변환하여 새로운 영상을 생성하는 기술을 제공할 수 있다.
다양한 실시예에 따르면 생성되는 영상을 사용자가 직관적으로 조절할 수 있는 영상 변환 기술을 제공할 수 있다.
다만, 기술적 과제는 상술한 기술적 과제들로 한정되는 것은 아니며, 또 다른 기술적 과제들이 존재할 수 있다.
일 실시예에 따른 환경 벡터 기반 영상 생성 방법은, 배경 영상 데이터베이스에서 배경 영상을 선택하는 동작과 객체 영상 데이터베이스에서 객체 영상을 선택하는 동작과 상기 배경 영상으로부터 상기 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하는 동작과 상기 환경 벡터에 기초하여 상기 객체 영상을 변환하는 동작과 변환된 객체 영상에서 객체를 세그먼테이션하는 동작과 상기 세그먼테이션된 객체와 상기 배경 영상을 블렌딩하는 동작을 포함할 수 있다.
상기 객체 영상을 변환하는 동작은, 상기 환경 벡터의 값이 변경된 환경 벡터를 수신하는 동작과 상기 변경된 환경 벡터에 기초하여 상기 객체 영상을 변환하는 동작을 포함할 수 있다.
일 실시예에 따른 환경 벡터 기반 영상 생성 방법은, 배경 영상 데이터베이스에서 배경 영상을 선택하는 동작과 객체 영상 데이터베이스에서 객체 영상을 선택하는 동작과 상기 객체 영상으로부터 상기 객체 영상의 일부 영역에 대한 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하는 동작과 상기 환경 벡터에 기초하여 상기 배경 영상을 변환하는 동작과 상기 객체 영상에서 객체를 세그먼테이션하는 동작과 상기 세그먼테이션된 객체와 변환된 배경 영상을 블렌딩하는 동작을 포함할 수 있다.
상기 배경 영상을 변환하는 동작은, 상기 환경 벡터의 값이 변경된 환경 벡터를 수신하는 동작과 상기 변경된 환경 벡터에 기초하여 상기 배경 영상을 변환하는 동작을 포함할 수 있다.
일 실시예에 따른 환경 벡터 기반 영상 생성 방법은, 배경 영상 데이터베이스에서 배경 영상을 선택하는 동작과 객체 영상 데이터베이스에서 객체 영상을 선택하는 동작과 상기 배경 영상으로부터 상기 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하는 동작과 환경 벡터의 값이 변경된 환경 벡터를 수신하는 동작과 상기 변경된 환경 벡터에 기초하여 상기 배경 영상을 변환하는 동작과 상기 변경된 환경 벡터에 기초하여 상기 객체 영상을 변환하는 동작과 변환된 객체 영상에서 변환된 객체를 세그먼테이션하는 동작과 세그먼테이션된 객체와 변환된 배경 영상을 블렌딩하는 동작을 포함할 수 있다.
도 1은 일 실시예에 따른 영상 생성 장치의 개략적인 블록도이다.
도 2는 일 실시예에 따른 영상 생성 방법의 흐름도이다.
도 3은 환경 벡터에 기초하여 영상을 변환하는 동작을 설명하기 위한 도면이다.
도 4는 객체 영상을 변환하는 동작을 설명하기 위한 도면이다.
도 5는 객체 영상에서 객체를 세그먼테이션하는 동작을 설명하기 위한 도면이다.
도 6은 배경 영상을 변환하는 동작을 설명하기 위한 도면이다.
도 7 및 도 8은 배경 영상의 환경 벡터에 기초하여 새로운 영상을 생성하는 동작을 설명하기 위한 도면이다.
도 9는 환경 벡터의 값을 조절하여 영상의 변환을 조절하는 동작을 설명하기 위한 도면이다.
도 10은 객체 영상의 환경 벡터에 기초하여 새로운 영상을 생성하는 동작을 설명하기 위한 도면이다.
도 11은 환경 벡터의 값을 조절하여 새로운 영상을 생성하는 동작을 설명하기 위한 도면이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 영상 생성 장치의 개략적인 블록도이고, 도 2는 일 실시예에 따른 영상 생성 방법의 흐름도이다.
영상 생성 장치(100)는 기존 촬영 또는 제작한 콘텐츠의 일부 영역에 새로운 객체를 추가할 수 있다.
영상 생성 장치(100)는 배경 영상의 전체 또는 일부 영역의 명도, 대비, 포화도를 나타내는 환경 벡터에 기초하여 객체 영상을 배경 영상에 어울리도록 변환하여 새로운 영상을 생성할 수 있고, 객체 영상의 일부 영역(예: 객체가 존재하는 영역)의 명도, 대비, 포화도를 나타내는 환경 벡터에 기초하여 배경 영상을 객체 영상에 어울리도록 변환하여 새로운 영상을 생성할 수 있다.
영상 생성 장치(100)는 사용자로부터 수신한 환경 벡터(환경 벡터의 값이 변경된 환경 벡터)에 기초하여 영상을 변환함으로써, 사용자가 영상의 변환을 직관적으로 조절하게 할 수 있다.
기존의 영상-영상 변환(image-to-image translation) 인공신경망이 영상을 변환한 후에는 사용자가 더 어둡게 또는 밝게 조절하고 싶어도 이를 직관적으로 조절하기 어려웠으나, 영상 생성 장치(100)가 영상을 변환한 후에도 사용자는 환경 벡터 값을 변경함으로써 생성되는 영상을 직관적으로 조절할 수 있다.
사용자는 환경 벡터에 포함되는 명도, 대비, 포화도 값을 개별적으로 조절함으로써 원하는 대로 영상의 변환을 조절할 수 있다.
영상 생성 장치(100)는 메모리(110) 및 프로세서(130)을 포함할 수 있다.
메모리(110)는 배경 영상을 포함하는 배경 영상 데이터베이스 및 객체 영상을 포함하는 객체 영상 데이터베이스를 저장할 수 있다.
메모리(110)는 프로세서(130)에 의해 실행가능한 인스트럭션들(예: 프로그램)을 저장할 수 있다. 예를 들어, 인스트럭션들은 프로세서(130)의 동작 및/또는 프로세서(130)의 각 구성의 동작을 실행하기 위한 인스트럭션들을 포함할 수 있다.
프로세서(130)는 메모리(110)에 저장된 데이터를 처리할 수 있다. 프로세서(130)는 메모리(110)에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(130)에 의해 유발된 인스트럭션(instruction)들을 실행할 수 있다.
프로세서(130)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다.
예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.
프로세서(130)는 배경 영상의 전체 영역 또는 일부 영역(예: 객체가 추가될 영역)의 환경 벡터에 기초하여 객체 영상을 변환함으로써 새로운 영상을 생성할 수 있다.
동작 210에서, 프로세서(130)는 배경 영상 데이터베이스에서 배경 영상을 선택할 수 있다. 배경 영상은 객체 등이 추가될 수 있는 영상일 수 있다.
동작 220에서, 프로세서(130)는 객체 영상 데이터베이스에서 객체 영상을 선택할 수 있다. 객체 영상은 배경 영상에 추가될 객체 등을 포함하는 영상일 수 있다.
동작 230에서, 프로세서(130)는 배경 영상으로부터 상기 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터를 획득할 수 있다. 환경 벡터를 획득하는 동작은 도 3을 통해 자세히 설명하도록 한다.
동작 240에서, 프로세서(130)는 환경 벡터에 기초하여 상기 객체 영상을 변환할 수 있다. 프로세서(130)는 환경 벡터의 값이 변경된 환경 벡터를 사용자로부터 수신하고, 변경된 환경 벡터에 기초하여 객체 영상을 변환할 수도 있다.
동작 250에서, 프로세서(130)는 변환된 객체 영상에서 객체를 세그먼테이션할 수 있다. 또한, 프로세서(130)는 변환되기 이전의 객체 영상에서 미리 객체 영역 세그먼테이션 맵을 획득하고, 변환된 객체 영상에 세그먼테이션 맵을 적용하여 변환된 객체를 추출할 수 있다.
동작 260에서, 프로세서(130)는 세그먼테이션된 객체와 상기 배경 영상을 블렌딩하여 새로운 영상을 생성할 수 있다.
프로세서(130)는 객체 영역의 일부 영역(예: 객체가 존재하는 영역)의 환경 벡터에 기초하여 배경 영상을 변환함으로써 새로운 영상을 생성할 수 있다.
프로세서(130)는 배경 영상 데이터베이스에서 배경 영상을 선택하고, 객체 영상 데이터베이스에서 객체 영상을 선택할 수 있다.
프로세서(130)는 객체 영상으로부터 객체 영상의 일부 영역에 대한 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하고, 환경 벡터에 기초하여 배경 영상을 변환할 수 있다.
프로세서(130)는 환경 벡터의 값이 변경된 환경 벡터를 사용자로부터 수신하고, 변경된 환경 벡터에 기초하여 배경 영상을 변환할 수도 있다.
프로세서(130)는 객체 영상에서 객체를 세그먼테이션하고, 세그먼테이션된 객체와 변환된 배경 영상을 블렌딩하여 새로운 영상을 생성할 수 있다.
프로세서(130)는 배경 영상(또는 객체 영상)의 환경 벡터의 값이 변경된 환경 벡터에 기초하여 배경 영상 및 객체 영상을 변환함으로써 새로운 영상을 생성할 수 있다.
프로세서(130)는 배경 영상 데이터베이스에서 배경 영상을 선택하고, 객체 영상 데이터베이스에서 객체 영상을 선택할 수 있다.
프로세서(130)는 배경 영상으로부터 상기 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하고, 환경 벡터의 값이 변경된 환경 벡터를 수신할 수 있다.
프로세서(130)는 변경된 환경 벡터에 기초하여 배경 영상을 변환하고, 변경된 환경 벡터에 기초하여 객체 영상을 변환할 수 있다.
프로세서(130)는 변환된 객체 영상에서 변환된 객체를 세그먼테이션하고, 세그먼테이션된 객체와 변환된 배경 영상을 블렌딩하여 새로운 영상을 생성할 수 있다.
영상 생성 장치(100)는 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터에 기초하여 객체 영상을 배경 영상에 어울리도록 변환하여 새로운 영상을 생성할 수 있고, 객체 영상 일부 영역(객체가 존재하는 영역)의 명도, 대비, 포화도를 나타내는 환경 벡터에 기초하여 배경 영상을 객체 영상에 어울리도록 변환하여 새로운 영상을 생성할 수 있다.
사용자는 환경 벡터의 값을 변경함으로써 영상 생성 장치(100)가 수행하는 영상의 변환을 직관적으로 조절할 수 있다. 구체적으로, 사용자는 환경 벡터에 포함되는 명도, 대비, 포화도 값을 개별적으로 조절함으로써 원하는 대로 영상의 변환을 조절할 수 있다.
도 3은 환경 벡터에 기초하여 영상을 변환하는 동작을 설명하기 위한 도면이다.
영상 생성 장치(도 1의 영상 생성 장치(100))는 영상의 명도, 대비, 포화도를 나타내는 환경 벡터를 획득할 수 있다.
환경 벡터에 포함되는 명도는 픽셀별 휘도(pixel-wise luminance)의 평균으로서, 수학식 1을 통해 계산될 수 있다.
[수학식 1]
수학식 1에서, R, G, B는 픽셀의 빨간색 값, 녹색 값, 파란색 값일 수 있다.
환경 벡터에 포함되는 대비는 픽셀별 휘도의 표준 편차로서, 수학식 2를 통해 계산될 수 있다.
[수학식 2]
수학식 2에서, 는 픽셀 (i,j)의 명도 값이고, 는 영상 전체의 명도 평균 값이고, N은 높이, M은 넓이일 수 있다.
환경 벡터에 포함되는 포화도는 픽셀별 포화도의 평균으로서, 수학식 3을 통해 계산될 수 있다.
[수학식 3]
수학식 3에서, R, G, B는 픽셀의 빨간색 값, 녹색 값, 파란색 값일 수 있다.
환경 벡터의 값들은 영상의 전체 또는 일부의 평균 값일 수 있다. 환경 벡터는 영상이 밝기 값, 대비 값, 및 포화도 값을 정규화한 값을 포함할 수 있다. 환경 벡터의 밝기 값, 대비 값, 및 포화도 값들은 정규화되어 -1부터 1 사이의 값을 가질 수 있다.
도 3의 (A)를 참조하면, 원본 영상(이미지)을 확인할 수 있다.
도 3의 (B)를 참조하면, 환경 벡터의 값을 (-0.5, -0.5, -0.5)로 변경한 환경 벡터에 기초하여 원본 영상을 변환한 영상이 원본 영상보다 전체적으로 어두워지고, 대비 및 채도가 줄어든 것을 확인할 수 있다.
도 3의 (C)를 참조하면, 환경 벡터의 값을 (0, 0, 0)로 변경한 환경 벡터에 기초하여 원본 영상을 변환한 영상이 원본 영상보다 전체적으로 어두워지고, 대비가 커진 것을 확인할 수 있다.
도 3의 (D)를 참조하면, 환경 벡터의 값을 (-0.8, -0.8, -0.8)로 변경한 환경 벡터에 기초하여 원본 영상을 변환한 영상이 원본 영상보다 매우 어두워지고, 대비가 매우 작아진 것을 확인할 수 있다.
영상 생성 장치(100)는 환경 벡터의 명도 값, 대비 값, 포화도 값을 변경함으로써 영상을 변환할 수 있다.
도 4는 객체 영상을 변환하는 동작을 설명하기 위한 도면이고, 도 5는 객체 영상에서 객체를 세그먼테이션하는 동작을 설명하기 위한 도면이고, 도 6은 배경 영상을 변환하는 동작을 설명하기 위한 도면이다.
도 4의 (A)를 참조하면, 객체(선박)를 포함하는 원본 영상을 확인할 수 있다. 도 4의 (B)를 참조하면, 프로세서(도 1의 프로세서(130))는 변경된 환경 벡터 값에 기초하여 원본 영상보다 어둡게 변환한 영상을 생성할 수 있다. 도 4의 (C)를 참조하면, 프로세서(130)는 변경된 환경 벡터 값에 기초하여 원본 영상보다 대비가 풍부하게 변환된 영상을 생성할 수 있다.
도 5의 (A)는 객체(선박)를 포함하는 원본 영상을 나타낼 수 있고, 도 5의 (B)는 원본 영상에서 객체를 세그먼테이션한 영상일 수 있고, 도 5의 (C)는 원본 영상에서 세그먼테이션된 객체일 수 있다. 프로세서(130)는 객체 영상에서 객체를 세그먼테이션하여 이용할 수 있다. 구체적으로, 프로세서(130)는 변환된 객체 영상에서 변환된 객체를 세그먼테이션할 수 있고, 또한 변환되기 이전의 객체 영상에서 미리 객체 영역 세그먼테이션 맵을 획득하고, 변환된 객체 영상에 세그먼테이션 맵을 적용하여 변환된 객체를 추출할 수 있다.
도 6의 (A)를 참조하면, 객체(선박)를 포함하는 원본 영상을 확인할 수 있다. 도 6의 (B)를 참조하면, 프로세서(130)는 변경된 환경 벡터 값에 기초하여 원본 영상보다 어둡게 변환한 영상을 생성할 수 있다. 도 6의 (C)를 참조하면, 프로세서(130)는 변경된 환경 벡터 값에 기초하여 원본 영상보다 대비가 풍부하게 변환된 영상을 생성할 수 있다.
도 7 및 도 8은 배경 영상의 환경 벡터에 기초하여 새로운 영상을 생성하는 동작을 설명하기 위한 도면이다.
도 7의 (A) 및 도 8의 (A)는 원본의 배경 영상일 수 있고, 도 7의 (B) 및 도 8의 (B)는 배경 영상의 환경 벡터에 기초하여 변환된 객체 영상일 수 있고, 도 7의 (C) 및 도 8의 (C)는 배경 영상과 변환된 객체 영상이 블렌딩되어 생성된 새로운 영상일 수 있다.
도 7 및 도 8에서 이용된 객체 영상의 원본은 동일하지만, 도 7 및 도8에서 이용된 배경 영상의 원본은 상이할 수 있다. 도 8의 배경 영상은 도 7의 배경 영상보다 더욱 어두울 수 있다. 따라서 도 8의 배경 영상의 환경 벡터에 기초하여 변환된 객체 영상은 도 7의 배경 영상의 환경 벡터에 기초하여 변환된 객체 영상보다 더욱 어두울 수 있다.
도 7 및 도 8에서 생성된 새로운 영상은 배경 영상의 환경 벡터에 기초하여 객체 영상을 배경 영상에 어울리도록 변환하여 생성된 것일 수 있다. 도 7에서 생성된 새로운 영상은 밝은 배경 영상과 밝게 변환된 객체 영상이 블렌딩되어 생성된 영상일 수 있고, 도 8에서 생성된 새로운 영상은 어두운 배경 영상과 어둡게 변환된 객체 영상이 블렌딩되어 생성된 영상일 수 있다.
도 9는 환경 벡터의 값을 조절하여 영상의 변환을 조절하는 동작을 설명하기 위한 도면이다.
도 9의 (A)는 원본의 배경 영상일 수 있고, 도 9의 (B)는 환경 벡터의 값이 변경된 환경 벡터에 기초하여 변환된 객체 영상일 수 있고, 도 9의 (C)는 배경 영상과 변환된 객체 영상이 블렌딩되어 생성된 새로운 영상일 수 있다.
도 9의 (A) 및 (B)를 참조하면, 원본 배경 영상은 어둡지만, 변환된 객체 영상은 밝을 수 있다. 도 9에서 생성된 새로운 영상(도 9의 (C))과 도 7 및 도 8에서 생성된 새로운 영상(도 7의 (C), 도 8의 (C))을 비교하면, 도 9에서 생성된 새로운 영상은 배경 영상과 객체 영상이 어울리지 않을 수도 있다. 그러나 도 9에서 생성된 새로운 영상은 사용자가 환경 벡터의 값을 변경하여 영상의 변환을 직관적으로 조절할 수 있다는 점에서 의의를 가질 수 있다.
도 10은 객체 영상의 환경 벡터에 기초하여 새로운 영상을 생성하는 동작을 설명하기 위한 도면이다.
도 10의 (A)는 객체 영상의 일부 영역의 환경 벡터에 기초하여 변환된 배경 영상일 수 있고, 도 10의 (B)는 원본의 객체 영상일 수 있고, 도 10의 (C)는 변환된 배경 영상과 객체 영상이 블렌딩되어 생성된 새로운 영상일 수 있다.
도 9의 (A)에 도시된 원본 배경 영상을 고려해볼 때, 도 10의 (A)의 변환된 배경 영상은 도 10의 (B)의 객체 영상의 객체가 존재하는 영역에 어울리도록 변환된 배경 영상일 수 있다.
도 10에서 생성된 새로운 영상은 객체 영상의 일부 영역의 환경 벡터에 기초하여 배경 영상을 객체 영상에 어울리도록 변환하여 생성된 것일 수 있다. 도 10에서 생성된 새로운 영상은 밝은 객체와 밝게 변환된 배경 영상이 블렌딩되어 생성된 영상일 수 있다.
도 11은 환경 벡터의 값을 조절하여 새로운 영상을 생성하는 동작을 설명하기 위한 도면이다.
도 11의 (A)는 변경된 환경 벡터에 기초하여 변환된 배경 영상일 수 있고, 도 11의 (B)는 변경된 환경 벡터에 기초하여 변환된 객체 영상일 수 있고, 도 11의 (C)는 변환된 배경 영상과 변환된 객체 영상이 블렌딩되어 생성된 새로운 영상일 수 있다.
영상 생성 장치(도 1에 도시된 영상 생성 장치(100))는 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터에 기초하여 객체 영상을 배경 영상에 어울리도록 변환하여 새로운 영상을 생성할 수 있고, 객체 영상 일부 영역(객체가 존재하는 영역)의 명도, 대비, 포화도를 나타내는 환경 벡터에 기초하여 배경 영상을 객체 영상에 어울리도록 변환하여 새로운 영상을 생성할 수 있다.
사용자는 환경 벡터의 값을 변경함으로써 영상 생성 장치(100)가 수행하는 영상의 변환을 직관적으로 조절할 수 있다. 구체적으로, 사용자는 환경 벡터에 포함되는 명도, 대비, 포화도 값을 개별적으로 조절함으로써 원하는 대로 영상의 변환을 조절할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (5)

  1. 배경 영상 데이터베이스에서 배경 영상을 선택하는 동작;
    객체 영상 데이터베이스에서 객체 영상을 선택하는 동작;
    상기 배경 영상으로부터 상기 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하는 동작;
    상기 환경 벡터에 기초하여 상기 객체 영상을 변환하는 동작;
    변환된 객체 영상에서 객체를 세그먼테이션하는 동작; 및
    상기 세그먼테이션된 객체와 상기 배경 영상을 블렌딩하는 동작
    을 포함하고,
    상기 객체 영상을 변환하는 동작은,
    영상-영상 변환(image-to-image translation) 인공신경망이 상기 환경 벡터에 기초하여 상기 객체 영상을 변환하는 동작;
    사용자로부터 환경 벡터의 값이 변경된 환경 벡터를 수신하는 동작; 및
    상기 변경된 환경 벡터에 기초하여 객체 영상을 조절함으로써, 상기 변환된 객체 영상을 생성하는 동작
    을 포함하고,
    상기 환경 벡터의 명도 값, 대비 값, 및 포화도 값들은 정규화되어 -1부터 1 사이의 값을 가지는 것인,
    환경 벡터 기반 영상 생성 방법.
  2. 삭제
  3. 배경 영상 데이터베이스에서 배경 영상을 선택하는 동작;
    객체 영상 데이터베이스에서 객체 영상을 선택하는 동작;
    상기 객체 영상으로부터 상기 객체 영상의 일부 영역에 대한 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하는 동작;
    상기 환경 벡터에 기초하여 상기 배경 영상을 변환하는 동작;
    상기 객체 영상에서 객체를 세그먼테이션하는 동작; 및
    상기 세그먼테이션된 객체와 변환된 배경 영상을 블렌딩하는 동작
    을 포함하고,
    상기 배경 영상을 변환하는 동작은,
    영상-영상 변환(image-to-image translation) 인공신경망이 상기 환경 벡터에 기초하여 상기 배경 영상을 변환하는 동작;
    사용자로부터 환경 벡터의 값이 변경된 환경 벡터를 수신하는 동작; 및
    상기 변경된 환경 벡터에 기초하여 배경 영상을 조절함으로써, 상기 변환된 배경 영상을 생성하는 동작
    을 포함하고,
    상기 환경 벡터의 명도 값, 대비 값, 및 포화도 값들은 정규화되어 -1부터 1 사이의 값을 가지는 것인,
    환경 벡터 기반 영상 생성 방법.
  4. 삭제
  5. 배경 영상 데이터베이스에서 배경 영상을 선택하는 동작;
    객체 영상 데이터베이스에서 객체 영상을 선택하는 동작;
    상기 배경 영상으로부터 상기 배경 영상의 명도, 대비, 포화도를 나타내는 환경 벡터를 획득하는 동작;
    영상-영상 변환(image-to-image translation) 인공신경망이 상기 환경 벡터에 기초하여 상기 객체 영상 및 상기 배경 영상을 변환하는 동작;환경 벡터의 값이 변경된 환경 벡터를 사용자로부터 수신하는 동작;
    상기 변경된 환경 벡터에 기초하여 배경 영상을 조절함으로써, 변환된 배경 영상을 생성하는 동작;
    상기 변경된 환경 벡터에 기초하여 객체 영상을 조절함으로써, 변환된 객체 영상을 생성하는 동작;
    상기 변환된 객체 영상에서 변환된 객체를 세그먼테이션하는 동작; 및
    세그먼테이션된 객체와 상기 변환된 배경 영상을 블렌딩하는 동작
    을 포함하고,
    상기 환경 벡터의 명도 값, 대비 값, 및 포화도 값들은 정규화되어 -1부터 1 사이의 값을 가지는 것인,
    환경 벡터 기반 영상 생성 방법.


KR1020210148105A 2021-11-01 2021-11-01 환경 벡터 기반 영상 생성 방법 및 장치 Active KR102637112B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210148105A KR102637112B1 (ko) 2021-11-01 2021-11-01 환경 벡터 기반 영상 생성 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210148105A KR102637112B1 (ko) 2021-11-01 2021-11-01 환경 벡터 기반 영상 생성 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20230063164A KR20230063164A (ko) 2023-05-09
KR102637112B1 true KR102637112B1 (ko) 2024-02-15

Family

ID=86409083

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210148105A Active KR102637112B1 (ko) 2021-11-01 2021-11-01 환경 벡터 기반 영상 생성 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102637112B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013127774A (ja) * 2011-11-16 2013-06-27 Canon Inc 画像処理装置、画像処理方法及びプログラム
KR101817145B1 (ko) 2016-04-12 2018-01-11 (주)지니트 멀티 레이어 기반 크로마키 합성 시스템 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9497448B2 (en) * 2012-12-31 2016-11-15 Lg Display Co., Ltd. Image processing method of transparent display apparatus and apparatus thereof
AU2018279787B2 (en) * 2017-06-04 2019-12-19 Apple Inc. User interface camera effects

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013127774A (ja) * 2011-11-16 2013-06-27 Canon Inc 画像処理装置、画像処理方法及びプログラム
KR101817145B1 (ko) 2016-04-12 2018-01-11 (주)지니트 멀티 레이어 기반 크로마키 합성 시스템 및 방법

Also Published As

Publication number Publication date
KR20230063164A (ko) 2023-05-09

Similar Documents

Publication Publication Date Title
US8478072B2 (en) Device, method, and program for image processing
US10679328B2 (en) Machine learning techniques for increasing color consistency across videos
US11252301B2 (en) Adjusting sharpness and details in upscaling output
CN110121034B (zh) 一种在视频中植入信息的方法、装置、设备及存储介质
US11158286B2 (en) Machine learning color science conversion
CN112153374B (zh) 视频帧图像的测试方法、装置、设备、计算机存储介质
CN114257750A (zh) 向后兼容的高动态范围（hdr）图像
US20180260941A1 (en) Preserving color in image brightness adjustment for exposure fusion
CN112529913B (zh) 图像分割模型训练方法、图像处理方法及装置
JP2017517818A (ja) デジタル画像の色を処理するための方法及びシステム
KR20200092492A (ko) 의미 인식 기반의 이미지 보정 방법 및 그를 위한 장치
WO2023056835A1 (zh) 视频封面生成方法、装置、电子设备及可读介质
Ren et al. Semantic-guided multi-mask image harmonization
US20250220310A1 (en) Methods and Systems for User Adjustable Region based Brightness Settings
AU2023214276A1 (en) Finding the semantic region of interest in images
JP2013502147A (ja) 画像シーケンスの関心領域に基づくアーティファクト低減のためのシステム及び方法
KR102637112B1 (ko) 환경 벡터 기반 영상 생성 방법 및 장치
KR102709174B1 (ko) 영상을 변환하는 컴퓨팅 장치 및 그 동작 방법
CN113486693A (zh) 一种视频处理的方法及设备
Guthier et al. Parallel implementation of a real-time high dynamic range video system
JP2019032654A (ja) 画像処理装置、及び、画像処理方法、コンピュータプログラム
KR102771825B1 (ko) 자동 영상 생성 방법 및 장치
KR20160128900A (ko) 움직이는 효과 기반의 움직이는 사진 생성 방법 및 장치
CN113706390A (zh) 图像转换模型训练方法和图像转换方法、设备及介质
KR102518871B1 (ko) 가상 카메라 레이아웃 생성을 위한 3d 타겟 객체 프레이밍 방법 및 장치

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

D13-X000 Search requested

St.27 status event code: A-1-2-D10-D13-srh-X000

D14-X000 Search report completed

St.27 status event code: A-1-2-D10-D14-srh-X000

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

E13-X000 Pre-grant limitation requested

St.27 status event code: A-2-3-E10-E13-lim-X000

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601