KR20150034058A - 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치 - Google Patents

영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치 Download PDF

Info

Publication number
KR20150034058A
KR20150034058A KR20130114137A KR20130114137A KR20150034058A KR 20150034058 A KR20150034058 A KR 20150034058A KR 20130114137 A KR20130114137 A KR 20130114137A KR 20130114137 A KR20130114137 A KR 20130114137A KR 20150034058 A KR20150034058 A KR 20150034058A
Authority
KR
South Korea
Prior art keywords
cluster
coloring
image
still image
sketch
Prior art date
Application number
KR20130114137A
Other languages
English (en)
Inventor
강우성
황성택
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR20130114137A priority Critical patent/KR20150034058A/ko
Publication of KR20150034058A publication Critical patent/KR20150034058A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

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

Abstract

본 발명은, 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치에 관한 것이다.
본 발명에 따르면, 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법은, 정지 영상에서 엣지 영상을 획득하는 단계; 상기 획득된 엣지 영상을 기초로 스케치 동작을 결정하는 단계; 상기 정지 영상 및 상기 엣지 영상을 기초로, 채색 동작을 결정하는 단계; 및 상기 결정된 스케치 동작 및 상기 결정된 채색 동작에 따라 순차적으로 상기 정지 영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성하는 단계를 포함할 수 있다.

Description

영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치{Method and Apparatus For Generating Drawing Animation Based On Image Analysis}
영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치에 관한 것으로, 특히 정지영상을 분석 및 처리하여 사용자가 그림을 그리는 애니메이션 효과를 갖는 컨텐츠로 재생산하는 방법 및 그 장치에 관한 것이다.
종래에는 사용자에 의해 정지영상이 그려지는 모습을 재생하는 애니메이션 컨텐츠를 생성하기 위해서는 사용자가 직접 디지털 장치에 펜 움직임 정보를 입력할 필요가 있었다. 그래야 입력된 정보를 다른 사용자에게 전송하여 그린 순서대로 순차적으로 재생할 수 있기 때문이다.
즉, 그림을 그리기 위해 입력된 사용자의 펜 움직임에 기초하여, 입력된 필기를 순차적으로 저장함으로써 사용자에 의해 정지영상이 그려지는 모습을 재생하는 애니메이션 컨텐츠를 생성했었다.
하지만, 상술한 애니메이션 컨텐츠 생성 방법은 항상 사람이 수작업으로 디지털 장치에 작성한 정보를 필요로 하였다. 또한 전문가가 작성한 컨텐츠가 아닐 경우에는 미려한 효과를 지닌 데이터를 획득하기 어려웠다. 또한, 아날로그적 감성을 전달하기에는 디지털 장치가 정밀하지 않아서, 기대 효과가 낮은 문제가 있었다.
본 발명은, 정지영상을 분석 및 처리하여 사용자가 그림을 그리는 동작을 재생하는 애니메이션 효과를 갖는 컨텐츠로 재생산 하는 방법 및 그 장치를 제공하는 것을 특징으로 한다.
따라서, 단순히 정지영상을 공유하는 것보다는 높은 감성적인 면을 공유할 수 있다. 또한, 그리기 교육을 수행함에 있어서, 획을 그리고 채색하는 과정을 재생할 수 있어, 높은 교육적인 효과를 제공할 수 있다.
본 발명의 일 실시예에 따른 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법은, 정지 영상에서 엣지 영상을 획득하는 단계; 상기 획득된 엣지 영상을 기초로 스케치 동작을 결정하는 단계; 상기 정지 영상 및 상기 엣지 영상을 기초로, 채색 동작을 결정하는 단계; 및 상기 결정된 스케치 동작 및 상기 결정된 채색 동작에 따라 순차적으로 상기 정지 영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성하는 단계를 포함할 수 있다.
일 실시예에 따른 상기 스케치 동작을 결정하는 단계는, 상기 획득된 엣지 영상을 기초로 객체를 추출 하는 단계; 상기 추출된 객체의 윤곽선을 단계적으로 단순화 하여, 객체별 여러 단계로 단순화된 윤곽선을 획득하는 단계; 및 상기 획득된 윤곽선 중에서 가장 단순한 단계의 윤곽선에 우선순위를 부여하는 단계를 포함 할 수 있다.
일 실시예에 따른 상기 객체를 추출하는 단계는, 상기 획득된 엣지 영상에서 연결 구성요소 분석을 통해, 폐곡선으로 처리된 영역에 해당하는 객체를 추출하는 단계를 포함 할 수 있다.
일 실시예에 따른 상기 스케치 동작을 결정하는 단계는 상기 추출된 객체에 랜덤 조건에 따른 우선순위를 할당하는 단계를 포함 할 수 있다.
일 실시예에 따른 상기 스케치 동작을 결정하는 단계는 상기 객체별 윤곽선을 이루는 획들의 특성을 분석하는 단계; 및 상기 분석된 획들의 특성을 기초로, 길이가 길고 굴곡이 단순한 획부터 그려지도록 우선순위를 할당하는 단계를 더 포함 할 수 있다.
일 실시예에 따른 상기 채색 동작을 결정하는 단계는, 상기 정지영상에 대해 색상 성분을 기반으로 제1 클러스터링을 수행하여 소정 개수의 제1 클러스터 영역으로 분할하는 단계; 및 상기 제1 클러스터 영역별로 색상 성분을 기반으로 제2 클러스터링을 수행하여, 상기 제1 클러스터 영역보다 세분화된 색상의 제2 클러스터 영역으로 분할하는 단계를 포함 할 수 있다.
일 실시예에 따른 상기 제1 클러스터 영역 및 상기 제 2 클러스터 영역의 경계는 상기 엣지 영상의 윤곽선(edge line)을 기초로 할 수 있다.
일 실시예에 따른 상기 채색 동작을 결정하는 단계는, 상기 제2 클러스터 영역의 개수가 적게 설정된 상기 제1 클러스터 영역에 채색 우선순위를 할당 할 수 있다.
일 실시예에 따른 상기 애니메이션 컨텐츠를 생성하는 단계는, 상기 획득된 엣지 영상에서 추출된 객체 중 가장 높은 우선 순위를 가진 객체부터 순차적으로 스케치하는 동작을 재생하는 단계를 포함 할 수 있다.
일 실시예에 따른 상기 스케치 하는 단계는, 상기 객체별로 가장 단순화된 단계의 윤곽선을 구성하는 획부터 순차적으로 스케치 하는 동작을 재생하는 단계를 포함 할 수 있다.
일 실시예에 따른 상기 애니메이션 컨텐츠를 생성하는 단계는, 가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역들부터 순차적으로 채색하는 동작을 재생 하는 단계; 상기 제1 클러스터 영역의 채색이 완료되면, 상기 제1 클러스터 영역들 중에서 가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역부터, 제2 클러스터 영역을 채색하는 동작을 재생하는 단계; 및 상기 제2 클러스터 영역의 채색이 모두 완료된 영상과 상기 정지 영상과의 차이를 비교하여, 상기 제2 클러스터 영역의 채색이 모두 완료된 영상과의 차이가 있는 색상을 덧칠하는 동작을 재생하는 단계를 포함 할 수 있다.
본 발명의 일 실시예에 따른, 영상 분석에 기초한 애니메이션 컨텐츠 생성 장치는, 정지 영상에서 엣지 영상을 획득하는 엣지 영상 획득부; 상기 획득된 엣지 영상을 기초로 스케치 동작을 결정하는 스케치 동작 결정부; 상기 정지 영상 및 상기 엣지 영상을 기초로, 채색 동작을 결정하는 채색 동작 결정부; 및 상기 결정된 스케치 동작 및 상기 결정된 채색 동작에 따라 순차적으로 상기 정지 영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성하는 애니메이션 생성부를 포함할 수 있다.
일 실시예에 따른 상기 스케치 동작 결정부는,
상기 획득된 엣지 영상을 기초로 객체를 추출 하고, 상기 추출된 객체의 윤곽선을 단계적으로 단순화 하여, 객체별 여러 단계로 단순화된 윤곽선을 획득하며, 상기 획득된 윤곽선 중에서 가장 단순한 단계의 윤곽선에 우선순위를 부여 할 수 있다.
일 실시예에 따른 상기 스케치 동작 결정부는, 상기 획득된 엣지 영상에서 연결 구성요소 분석을 통해, 폐곡선으로 처리된 영역에 해당하는 객체를 추출 할 수 있다.
일 실시예에 따른 상기 스케치 동작 결정부는, 상기 객체별 윤곽선을 이루는 획들의 특성을 분석하고, 상기 분석된 획들의 특성을 기초로, 길이가 길고 굴곡이 단순한 획부터 그려지도록 우선순위를 할당 할 수 있다.
일 실시예에 따른 상기 채색 동작 결정부는, 상기 정지영상에 대해 색상 성분을 기반으로 제1 클러스터링을 수행하여 소정 개수의 제1 클러스터 영역으로 분할하고, 상기 제1 클러스터 영역별로 색상 성분을 기반으로 제2 클러스터링을 수행하여, 상기 제1 클러스터 영역보다 세분화된 색상의 제2 클러스터 영역으로 분할 할 수 있다.
일 실시예에 따른 상기 채색 동작 결정부는, 상기 제2 클러스터 영역의 개수가 적게 설정된 상기 제1 클러스터 영역에 채색 우선순위를 할당 할 수 있다.
일 실시예에 따른 상기 애니메이션 생성부는, 상기 획득된 엣지 영상에서 추출된 객체 중 가장 높은 우선 순위를 가진 객체를 선택하고, 상기 객체별로 가장 단순화된 단계의 윤곽선을 구성하는 획부터 순차적으로 스케치 하는 동작을 재생 할 수 있다.
일 실시예에 따른 상기 애니메이션 생성부는, 가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역들부터 순차적으로 채색하고, 상기 제1 클러스터 영역의 채색이 완료되면, 상기 제1 클러스터 영역들 중에서 가장 적은 제2 클러스터 영역을 포함하는 제1 클러스터 영역부터, 제2 클러스터 영역이 채색하고, 상기 제2 클러스터 영역의 채색이 모두 완료된 영상과 상기 정지 영상과의 차이를 비교하여, 상기 제2 클러스터 영역의 채색이 모두 완료된 영상과의 차이가 있는 색상을 덧칠하는 동작을 재생 할 수 있다.
일 실시 예에 따른 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법을 구현하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 포함할 수 있다.
도 1은 일 실시예에 따른 영상 분석에 기초한 애니메이션 컨텐츠 생성장치(100)의 블록도를 도시한다.
도 2는 일 실시예에 따른 애니메이션 컨텐츠 생성 방법을 나타낸 흐름도를 도시한다.
도 3는 일 실시예에 따라 엣지 영상을 획득하는 방법의 일 예를 나타낸다.
도 4는 일 실시예에 따라 스케치 동작을 결정하는 방법을 나타낸 흐름도를 도시한다.
도 5는 일 실시예에 따라 엣지 영상에 객체를 추출하는 일 예를 나타낸다.
도 6은 일 실시예에 따라 객체에서 여러 단계로 단순화된 외곽선을 획득하는 일 예를 나타낸다.
도 7은 일 실시예에 따라 채색 동작을 결정하는 방법을 나타낸 흐름도를 도시한다.
도 8은 일 실시예에 따라 순차적으로 정지영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성하는 방법을 나타낸 흐름도를 도시한다.
도 9는 일 실시예에 따라 정지영상을 스케치하는 동작을 재생하는 애니메이션 컨텐츠의 일 예를 나타낸다.
도 10은 일 실시예에 따라 정지영상을 채색하는 동작을 재생하는 애니메이션 컨텐츠의 일 예를 나타낸다.
이하, 본 발명을 제조하고 사용하는 방법이 상세하게 설명된다. 본 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
본 명세서에서 본 발명의 원리의 "일 실시예" 또는 "실시예"라는 것은 본 발명의 원리의 적어도 하나의 실시 예에 포함되는 실시예와 함께 설명된 특별한 특성, 구조, 특징 등을 의미하는 것이다. 그러므로, 본 명세서 전반에 걸쳐 다양한 곳에 등장하는 "일 실시예에서" 또는 "실시예에서"라는 어구의 등장은 반드시 모두 동일한 실시예를 가리키는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 구체적으로 설명한다.
도 1은 일 실시예에 따른 영상 분석에 기초한 애니메이션 컨텐츠 생성 장치(100)의 블록도를 도시한다.
도 1에 도시된 영상 분석에 기초한 애니메이션 컨텐츠 생성 장치(100)(이하, 애니메이션 컨텐츠 생성 장치(100))에는 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 1에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다. 또한, 일 실시예에 따른 애니메이션 컨텐츠 생성 장치(100)에는 디지털 이미지 처리가 가능한 컴퓨터, 노트북 컴퓨터, 디지털 카메라, 디지털 캠코더, 스마트 폰 및 태블릿 PC가 있을 수 있으나, 이에 한정되지는 않는다.
도 1을 참조하면, 일 실시예에 따른 애니메이션 컨텐츠 생성 장치(100)는 저장부(110), 엣지 영상 획득부(120), 스케치 동작 결정부(130), 채색 동작 결정부(140), 애니메이션 생성부(150) 및 디스플레이부(160)를 포함할 수 있다.
일 실시예에 따른 저장부(110)는 하드 디스크 드라이브(HDD: Hard Disk Drive)나 플래시 메모리 등 디지털 데이터를 저장하는 비 휘발성 저장매체를 이용하여 구성될 수 있다. 저장부(160)에는 카메라 등으로부터 취득된 정지 영상이 저장되어 있을 수 있다. 또한, 일 실시예에 따른 애니메이션 컨텐츠 생성 장치(100)가 생성한 애니메이션 컨텐츠가 저장 될 수 있다.
일 실시에에 따른 엣지 영상 획득부(120)는 정지 영상에서 엣지 영상을 획득할 수 있다. 구체적으로, 엣지 영상 획득부(120)는 입력된 영상에 대해 색체를 제외한 윤곽선을 추출할 수 있다. 여기서, 엣지 영상 획득에는 sobol 또는 canny edge 추출 알고리즘이 이용될 수 있으며, 엣지 영상을 획득하는 방법은 이미 공지되었으므로 상세한 설명은 생략한다.
일 실시예에 따른 스케치 동작 결정부(130)는 획득된 엣지 영상을 기초로 스케치 동작을 결정할 수 있다. 구체적으로, 스케치 동작 결정부(130)는 사람이 대상물을 펜으로 표현하기 위해, 대상 물체 내에서 대략적인 윤곽을 그린 후 점점 상세하게 그려 나가는 과정을 재생하기 위한 동작을 결정할 수 있다.
예를 들어, 스케치 동작 결정부(130)는 획득된 엣지 영상을 기초로 객체를 추출 하고, 상기 추출된 객체의 윤곽선을 단계적으로 단순화 한다. 따라서, 객체별 여러 단계로 단순화된 윤곽선을 획득하며, 상기 획득된 윤곽선 중에서 가장 단순한 단계의 윤곽선에 우선순위를 부여할 수 있다.
이때, 객체를 추출하기 위해서 스케치 동작 결정부(130)는 획득된 엣지 영상에서 연결 구성요소 분석을 통해, 폐곡선으로 처리된 영역에 해당하는 객체를 추출할 수 있다.
또한, 스케치 동작 결정부(130)는, 객체별 윤곽선을 이루는 획들의 특성을 분석하고, 분석된 획들의 특성을 기초로, 길이가 길고 굴곡이 단순한 획부터 그려지도록 우선순위를 할당할 수 있다. 이때, 어떤 객체를 먼저 스케치 할지에 대한 우선순위는 랜덤 조건에 따라 결정될 수 있다. 또한, 하나의 획은 상단에서 하단으로 이어지는 동작을 수행할 수 있도록 획을 구성하는 점들에게 우선순위를 할당할 수 있다.
한편, 일 실시예에 따른 스케치 동작 결정부(130)의 상세한 동작은 도 4에 대한 설명에서 후술한다.
일 실시예에 따른 채색 동작 결정부(140)는 정지 영상 및 엣지 영상을 기초로 채색 동작을 결정할 수 있다.
사람은 채색처리를 위해 스케치와 마찬가지로 대강의 색상을 설정해서 채색하고 덧칠하는 경우가 대부분이다. 따라서 채색 동작 결정부(140)는 여러 단계의 색상성분기반 클러스터링을 통해 클러스터 영역을 순차적으로 채색 함으로써 이러한 동작을 모사하도록 결정할 수 있다.
예를 들어, 채색 동작 결정부(140)는 입력된 정지영상에 대해 색상 성분을 기반으로 제1 클러스터링을 수행하여 소정 개수의 제1 클러스터 영역으로 분할하고, 제1 클러스터 영역별로 색상 성분을 기반으로 제2 클러스터링을 수행하여, 제1 클러스터 영역보다 세분화된 색상의 제2 클러스터 영역으로 분할할 수 있다.
이때, 제1 클러스터 영역 및 제 2 클러스터 영역의 경계는 엣지 영상의 윤곽선(edge line)을 기초로 한다. 색상 영역은 스케치 결과에 따라 선을 중심으로 채색되도록 하기 위해서 이다.
또한, 채색 동작 결정부(140)는 제2 클러스터 영역의 개수가 적게 설정된 상기 제1 클러스터 영역에 채색 우선순위를 할당할 수 있다. 또한 제2 클러스터 영역 간에는 우선순위를 랜덤 조건에 따라 할당할 수 있다.
한편, 일 실시예에 따른 스케치 동작 결정부(130)의 상세한 동작은 도 7에 대한 설명에서 후술한다.
일 실시예에 따른 애니메이션 생성부(150)는 결정된 스케치 동작 및 결정된 채색 동작에 따라 순차적으로 정지 영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성할 수 있다. 즉, 스케치 동작 결정부(130)에서 결정된 스케치 동작에 따라서 애니메이션 생성부(150)는 사람이 실제로 스케치하는 동작을 재생 할 수 있다. 나아가, 채색 동작 결정부(140)에서 결정된 채색 동작에 따라서 애니메이션 생성부(150)는 사람이 실제로 채색하는 동작을 재생할 수도 있다.
예를 들어, 일 실시예에 따른 애니메이션 생성부(150)는 상기 획득된 엣지 영상에서 추출된 객체 중 높은 우선 순위를 가진 객체부터 스케치 할 수 있다. 이 때 랜덤 조건에 따라 특정 객체를 선택하고, 선택된 객체에서 가장 단순화된 단계의 윤곽선을 구성하는 획부터 순차적으로 스케치 하는 동작을 재생 할 수 있다.
또한, 일 실시예에 따른 애니메이션 생성부(150)는 스케치가 완료된 후, 제1 클러스터 영역을 채색한 뒤 더 세분화된 색상의 제2 클러스터링 영역을 덧칠 하고, 나아가 더 세분화된 클러스터 영역을 덧칠하여 사용자가 채색하는 동작을 모사할 수 있다.
먼저, 가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역들부터 순차적으로 채색할 수 있다.
다음으로, 제1 클러스터 영역의 채색이 완료되면, 상기 제1 클러스터 영역들 중에서 가장 적은 제2 클러스터 영역을 포함하는 제1 클러스터 영역부터, 제2 클러스터 영역이 채색한다.
마지막으로, 제2 클러스터 영역의 채색이 모두 완료된 영상과 상기 정지 영상과의 차이를 비교하여, 상기 제2 클러스터 영역의 채색이 모두 완료된 영상과의 차이가 있는 색상을 덧칠하는 동작을 재생할 수 있다.
일 실시예에 따른 디스플레이부(160)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display) 중에서 적어도 하나를 포함할 수 있다. 또한 터치스크린 형태로 제공 될 수 있다. 일 실시예에 따라 디스플레이부(160)에서 애니메이션 생성부(150)에서 생성된 애니메이션 컨텐츠가 재생될 수 있다.
상술한 바에 따라서, 일 실시예에 따른 애니메이션 컨텐츠 생성 장치(100)는 정지영상을 분석 및 처리하여 사용자가 그림을 그리는 동작을 재생하는 애니메이션 효과를 갖는 컨텐츠로 재생산 할 수 있다.
이하 도 2를 참조하여, 일 실시예에 따른 애니메이션 컨텐츠 생성장치(100)의 의 구체적인 동작을 상술한다.
도 2는 일 실시예에 따른 애니메이션 컨텐츠 생성 방법을 나타낸 흐름도를 도시한다.
도 2를 참조하면, 단계 210에서, 일 실시에에 따른 엣지 영상 획득부(120)는 정지 영상에서 엣지 영상을 획득할 수 있다. 구체적으로, 스케치를 모사하기 위해 색체를 제외한 윤곽선을 추출해야 한다. 따라서, 엣지 영상 획득부(120)는 입력된 영상에 대해 색체를 제외한 윤곽선을 추출할 수 있다. 여기서 엣지 영상 획득에는 sobol 또는 canny edge 추출 알고리즘이 이용될 수 있다.
예를 들어, 도 3는 일 실시예에 따라 엣지 영상을 획득하는 방법의 일 예를 나타낸다.
도 3을 참조하면, (a)에 도시된 봐와 같이 정지영상(301)이 입력되면, 일 실시예에 따른 엣지 영상 획득부(120)는 엣지 검출을 통해서 (b)에 도시된 것과 같은 엣지 영상(302)를 획득할 수 있다.
다시 도 2를 참조하면, 단계 220에서, 스케치 동작 결정부(130)는 획득된 엣지 영상을 기초로 스케치 동작을 결정할 수 있다. 구체적인 스케치 동작을 결정하는 방법은 도 4를 참조하여 상술한다.
도 4는 일 실시예에 따라 스케치 동작을 결정하는 방법을 나타낸 흐름도를 도시한다.
도 4를 참조하면, 단계 221에서, 일 실시예에 따른 스케치 동작 결정부(140)는 획득된 엣지 영상을 기초로 객체를 추출한다. 이때, 객체를 추출하기 위해서 스케치 동작 결정부(130)는 획득된 엣지 영상에서 연결 구성요소 분석을 통해, 폐곡선으로 처리된 영역에 해당하는 객체를 추출할 수 있다.
한편, 사람은 그림 내부에 다 객체를 표현하고 자 할 경우 하나씩 그린다. 하지만, 이때 객체가 그려지는 순서는 중요하지 않다. 따라서, 단계 222에서 스케치 동작 결정부(130)는 검출된 객체별로 랜덤 조건에 따른 순서를 할당할 수 있다.
예를 들어, 도 5는 일 실시예에 따라 엣지 영상에 객체를 추출하는 일 예를 나타낸다.
도 5를 참조하면 스케치 동작 결정부(130)는 획득된 엣지 영상에서 복수의 객체(501, 502, 503, 504)를 추출 할 수 있다. 또한, 이를 추후에 재생하기 위해서 랜덤 조건에 따라서 도 5에 도시된 바와 같이 우선순위를 할당할 수 있다. 일 실시예에 따라, 참조번호 501의 객체가 가장 높은 우선순위를 갖는 것으로 결정될 수 있다.
물론, 다른 실시예에 따라 상부측(502) 또는 좌측(501)에 있는 객체에 우선순위를 부여할 수 도 있다.
다음으로 단계 223에서 일 실시예에 다른 스케치 동작 결정부(130)는 추출된 객체의 윤곽선을 단계적으로 단순화 하여, 객체별 여러 단계로 단순화된 윤곽선을 획득할 수 있다. 사람의 스케치 동작은 대상 물체 내에서 대략적인 윤곽을 그린 후 점점 세밀하게 표현한다. 따라서 일 실시예에 따라 윤곽선을 여러 단게로 단순화 한뒤, 가장 단순환 획에 우선순위를 부여하여 순차적으로 화면에 표시되도록 할 수 있다.
예를 들어, 도 6은 일 실시예에 따라 객체에서 여러 단계로 단순화된 외곽선을 획득하는 일 예를 나타낸다.
도 6을 참조하면, 추출된 윤곽선의 한 획이 도 6의 (b)와 같을 때 이를 도 6의 (a)와 같이 단순화 할 수 있다. 여기서 윤곽선을 단순화 하기 위해서는 윤곽선을 이루는 복수의 점을 추출하여 이중 연결되는 점의 숫자를 줄이는 방식을 이용할 수 있다. 또한 도 6에서는 설명의 편의를 위해 두단계의 윤곽선 단순화 과정을 도시하였지만, 적어도 두단계 이상의 단순화된 윤곽선이 획들 될 수 있다.
한편, 단계 224에서, 일 실시예에 따른 스케치 동작 결정부는 여러 단계로 단순화 된 윤곽선 중에서 가장 단순한 윤곽선에 우선순위를 부여할 수 있다. 예를 들어, 일 실시예에 따라 생성된 애니메이션 컨텐츠에서는 도 6의 (a)에 도시된 윤곽선이 도 6의 (b)에 도시된 윤곽선 형태로 점점 세밀하게 표시되도록 재생할 수 있다.
한편, 객체의 윤곽선을 재생함에 있어서도 사람이 스케치 하는 동작을 모사하기 위해서는 한 획씩 그려져야 된다.
따라서, 단계 225에서 일 실시예에 따른 스케치 동작 결정부(130)는 외곽선을 이루는 획들의 특성을 분석하고, 다음으로 단계 226에서는 길이가 길고 굴곡이 단순한 획부터 우선순위를 할당할 수 있다. 여기서 획의 특성은 획의 길이, 위치 또는 단순도가 포함될 수 있다.
마지막으로, 하나의 획은 상단에서 하단으로 이어지는 동작을 모사할 수 있도록 획을 구성하는 점들중 상부측 점에게 우선순위를 할당할 수 있다. 즉, 획은 상부에서 하단으로 그려지는 동작이 재생되도록 할 수 있다. 또한, 평행한 획이라면 좌측에서 우측으로 그려지는 동작이 재생되도록 할 수 있다.
다시 도 2를 참조하면, 단계 230에서, 일 실시예에 따른 채색 동작 결정부(140)는 정지 영상 및 엣지 영상을 기초로 채색 동작을 결정할 수 있다.
구체적인 채색 동작을 결정하는 방법은 도 7을 참조하여 상술한다.
도 7은 일 실시예에 따라 채색 동작을 결정하는 방법을 나타낸 흐름도를 도시한다.
사람은 채색처리를 위해 스케치와 마찬가지로 대강의 색상을 설정해서 채색하고 덧칠하는 경우가 대부분이다. 따라서 채색 동작 결정부(140)는 색상성분기반 클러스터링을 통해 영역을 이러한 동작을 모사하도록 결정할 수 있다.
단계 231에서 일 실시예에 따른 채색 동작 결정부(140)는 정지 영상에 대해 색상 성분 기반 제1 클러스터링을 수행하여 소정 개수의 제1 클러스터 영역으로 분할할 수 있다. 이때 각 클러스터간 채색 순서는 객체 내에서는 상단에서 하단으로 우선 순위를 둘 수 있고, 각 객체가 채색 순위는 무작위로 설정 될 수 있다. 여기서, 색상 기반 클러스터링은 K-means 또는 region growing등의 알고리즘 등에 의해 구현될 수 있다. 한편, 클러스터링 방법은 이미 공지되었으므로 상세한 설명은 생략한다.
한편, 상술한 각 클러스터는 에지 영상에서 획득된 윤곽선에 의해서 구획되도록 한다. 왜냐하면, 일반적으로 사람이 그림을 그릴 때는 스케치를 완성한 그림에 채색을 수행하기 때문이다. 따라서, 사람이 스케치 동작을 완료한 후 채색 동작을 수행하는 모습을 모사하기 위해서 일 실시예에 따른 채색 동작 결정부(140)는 클러스터 영역들이 윤곽선에 의해 구별되도록 할 수 있다.
일 실시예에 따른 채색 동작 결정부(140)는 각 제1 클러스터 영역에 대해 제2 클러스터링을 수행하여, 제 1 클러스터링 결과보다 세분화된 색상의 제2 클러스터로 분할할 수 있다. 즉, 대강의 색상 채색 후 세밀한 색상 채색 효과를 구현하기 위해, 동일 색상으로 구분되었던 클러스터를 원 영상을 참조하여 다시 다수개의 클러스터로 나눌 수 있다.
예를 들어, 정지영상에 있어서, 색상을 10개 구별한 클러스터 영역, 50개로 구별한 클러스터 영역 또는 256개로 구별한 클러스터 영역을 갖도록 클러스터링 한 뒤, 점점 세분화 된 클러스터 영역의 색상이 채색되도록 할 수 있는 것이다.
또한, 여기서 클러스터는 색상 분할에 따라서 더 많은 시트 클러스터로 계속해서 분할 될 수 있다. 예를 들면, 최초 정지영상을 클러스터링을 통해서 10개의 색상의 클러스터 영역으로 구획될 수 있다. 나아가 각각 클러스터 영역을 다시 50개의 색상에 대한 클러스터를 가질수 있도록 클러스터링 할 수 있다. 더 나아가 100개 또는 256개 색상에 대한 클러스터 분할과 같이 한번 계속적으로 세분화된 색상에 대한 클러스터 영역을 구획할 수 있다. 다만 본 발명에서는 설명의 편의를 위해서 제1 클러스터링 및 제2 클러스터링을 수행하는 실시예에 대해서만 설명한다.
마지막으로, 단계 233에서, 일 실시예에 따른 채색 동작 결정부(140)는 제2 클러스터의 개수가 적게 설정된 제1 클러스터에 높은 우선 순위를 할당할 수 있다. 또는, 다른 예에 따라 제2 클러스터의 개수가 적게 설정된 제1 클러스터에 높은 우선 순위를 할당 할 수도 있다.
다시 도 2를 참조하면, 단계 240에서 일 실시예에 따른 애니메이션 생성부(150)는 결정된 스케치 동작 및 결정된 채색 동작에 따라 순차적으로 정지 영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성할 수 있다. 즉, 스케치 동작 결정부(130)에서 결정된 스케치 동작에 따라서 애니메이션 생성부(150)는 사람이 실제로 스케치하는 동작을 재생 할 수 있다. 나아가, 채색 동작 결정부(140)에서 결정된 채색 동작에 따라서 애니메이션 생성부(150)는 사람이 실제로 채색하는 동작을 재생할 수도 있다.
구체적인 애니메이션 컨텐츠를 생성하는 방법은 도 8을 참조하여 상술한다.
도 8은 일 실시예에 따라 순차적으로 정지영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성하는 방법을 나타낸 흐름도를 도시한다.
도 8을 참조하면, 먼저 스케치 동작을 재생하는 방법을 단계 241 내지 단게 244를 통해 설명한다.
단계 241에서, 일 실시예에 따른 애니메이션 생성부(150)는 획득된 엣지 영상에서 추출된 객체 중 높은 우선 순위를 가진 객체부터 순차적으로 스케치 한다. 예를 들어 랜덤 조건에 의해서 먼저 스케치 될 객체가 선택될 수 있다.
단계 242에서 일 실시예에 따른 애니메이션 생성부(150)는 각 객체에서는 가장 단순화된 단계의 윤곽선을 구성하는 획부터 순차적으로 스케치할 수 있다. 특히, 가장 단순화된 단계의 윤곽선을 그리도록 하되, 단순화된 윤곽선 중에서도 굴곡, 길이에 기초하여 할당된 순서에 따라서 스케치되는 동작이 모사되도록 할 수 있다. 또한 한 획을 그리는 방향은 상단이 우선적으로 그려지도록 할 수 있다.
예를 들어 도 9는 일 실시예에 따라 정지영상을 스케치하는 동작을 재생하는 애니메이션 컨텐츠의 일 예를 나타낸다.
일 실시예에 따라 가장 단순화된 단계의 윤곽선(도 9의 (a))을 그린 뒤에 다음 단계로 단순화된 단계의 윤곽선(도 9의 (b))가 그려지는 동작이 재생될 수 있다. 따라서, 사람이 실제 스케치를 하는 것과 같은 모습이 모사 될 수 있다.
단계 243에서는 모든 객체의 스케치가 완료되었는지 판단한다. 만약 모든 객체의 스케치가 완료되지 않았다면 단계 242 내지 244를 반복할 수 있다.
한편, 본 실시예에서는 객체별로 단순화된 단계의 윤곽선을 점차적으로 세밀하게 그려진 다음 또 다른 객체가 그려지는 동작이 반복되는 것으로 설명하였지만, 이러한 실시예에 한정되는 것은 아니다. 즉 다른 예로 모든 객체에 가장 단순화된 단계의 윤곽선이 그려지는 동작이 재생된 뒤에, 다음 단계로 세밀화된 윤곽선이 그려지는 동작이 수행될 수도 있다.
다음으로 채색 동작을 모사하는 방법을 단계 245 내지 단계 246을 통해 설명한다.
단계 245에서, 일 실시예에 따른 애니메이션 생성부(150)는 스케치가 완료된 후 가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역들부터 순차적으로 채색할 수 있다. 물론, 제1 클러스터 영역들 간에는 랜덤조건에 따라 그 채색 순서가 결정될 수 있다.
단계 246에서, 제1 클러스터 영역의 채색이 완료되면, 일 실시예에 따른 애니메이션 생성부(150)는 상기 제1 클러스터 영역들 중에서 가장 적은 제2 클러스터 영역을 포함하는 제1 클러스터 영역부터, 제2 클러스터 영역이 채색할 수 있다.
예를 들어, 도 10은 일 실시예에 따라 정지영상을 채색하는 동작을 재생하는 애니메이션 컨텐츠의 일 예를 나타낸다.
도 10을 참조하면, 도 10의 (a)에서 도시되듯이 제1 클러스터 영역의 채색이 먼저 완료 된다.
그리고, 도 10의 (b)에서 도시되듯이 가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역들부터 순차적으로 채색이 시작된다. 그리고 제2 클러스터 영역의 채색이 완료되면, 도 10의 (c)에 도시되듯이, 보다 세분화된 색상이 덧칠된 영상을 재생 할 수 있다.
즉, 도 10에 도시된 바와 같이 (a) → (b) → (c) 순서대로, 점점 색상이 분화된 클러스터 영역의 채색을 덧칠함으로써, 사람이 실제로 채색을 수행하는 동작을 모사할 수 있다.
마지막으로, 단계 247에서, 제2 클러스터 영역의 채색이 모두 완료된 영상과 상기 정지 영상과의 차이를 비교하여, 상기 제2 클러스터 영역의 채색이 모두 완료된 영상과의 차이가 있는 색상을 덧칠하는 동작을 재생함으로써 정지영상을 재생산 할 수 있다..
결국, 상술한 바에 따라서 본 발명은, 정지영상을 분석 및 처리하여 사용자가 그림을 그리는 동작을 재생하는 애니메이션 효과를 갖는 컨텐츠로 재생산 할 수 있게 된다. 따라서, 단순히 정지영상을 공유하는 것보다는 높은 감성적인 면을 공유할 수 있다. 또한, 그리기 교육을 수행함에 있어서, 획을 그리고 채색하는 과정을 재생할 수 있어, 높은 교육적인 효과를 제공할 수 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (20)

  1. 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법에 있어서,
    정지 영상에서 엣지 영상을 획득하는 단계;
    상기 획득된 엣지 영상을 기초로 스케치 동작을 결정하는 단계;
    상기 정지 영상 및 상기 엣지 영상을 기초로, 채색 동작을 결정하는 단계; 및
    상기 결정된 스케치 동작 및 상기 결정된 채색 동작에 따라 순차적으로 상기 정지 영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성하는 단계를 포함하는 애니메이션 컨텐츠 생성 방법.
  2. 제 1항에 있어서, 상기 스케치 동작을 결정하는 단계는,
    상기 획득된 엣지 영상을 기초로 객체를 추출 하는 단계;
    상기 추출된 객체의 윤곽선을 단계적으로 단순화 하여, 객체별 여러 단계로 단순화된 윤곽선을 획득하는 단계; 및
    상기 획득된 윤곽선 중에서 가장 단순한 단계의 윤곽선에 우선순위를 부여하는 단계를 포함하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  3. 제 2항에 있어서, 상기 객체를 추출하는 단계는
    상기 획득된 엣지 영상에서 연결 구성요소 분석을 통해, 폐곡선으로 처리된 영역에 해당하는 객체를 추출하는 단계를 포함하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  4. 제 2항에 있어서, 상기 스케치 동작을 결정하는 단계는
    상기 추출된 객체에 랜덤 조건에 따른 우선순위를 할당하는 단계를 포함하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  5. 제 2항에 있어서, 상기 스케치 동작을 결정하는 단계는
    상기 객체별 윤곽선을 이루는 획들의 특성을 분석하는 단계; 및
    상기 분석된 획들의 특성을 기초로, 길이가 길고 굴곡이 단순한 획부터 그려지도록 우선순위를 할당하는 단계를 더 포함하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  6. 제 1항에 있어서, 상기 채색 동작을 결정하는 단계는,
    상기 정지영상에 대해 색상 성분을 기반으로 제1 클러스터링을 수행하여 소정 개수의 제1 클러스터 영역으로 분할하는 단계; 및
    상기 제1 클러스터 영역별로 색상 성분을 기반으로 제2 클러스터링을 수행하여, 상기 제1 클러스터 영역보다 세분화된 색상의 제2 클러스터 영역으로 분할하는 단계를 포함하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  7. 제 6항에 있어서, 상기 제1 클러스터 영역 및 상기 제 2 클러스터 영역의 경계는 상기 엣지 영상의 윤곽선(edge line)을 기초로 하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  8. 제 6항에 있어서, 상기 채색 동작을 결정하는 단계는,
    상기 제2 클러스터 영역의 개수가 적게 설정된 상기 제1 클러스터 영역에 채색 우선순위를 할당하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  9. 제 1항에 있어서, 상기 애니메이션 컨텐츠를 생성하는 단계는,
    상기 획득된 엣지 영상에서 추출된 객체 중 가장 높은 우선 순위를 가진 객체부터 순차적으로 스케치하는 동작을 재생하는 단계를 포함하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  10. 제 9항에 있어서, 상기 스케치 하는 단계는,
    상기 객체별로 가장 단순화된 단계의 윤곽선을 구성하는 획부터 순차적으로 스케치 하는 동작을 재생하는 단계를 포함하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  11. 제 1항에 있어서, 상기 애니메이션 컨텐츠를 생성하는 단계는,
    가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역들부터 순차적으로 채색하는 동작을 재생 하는 단계;
    상기 제1 클러스터 영역의 채색이 완료되면, 상기 제1 클러스터 영역들 중에서 가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역부터, 제2 클러스터 영역을 채색하는 동작을 재생하는 단계; 및
    상기 제2 클러스터 영역의 채색이 모두 완료된 영상과 상기 정지 영상과의 차이를 비교하여, 상기 제2 클러스터 영역의 채색이 모두 완료된 영상과의 차이가 있는 색상을 덧칠하는 동작을 재생하는 단계를 포함하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 방법.
  12. 영상 분석에 기초한 애니메이션 컨텐츠 생성 장치에 있어서,
    정지 영상에서 엣지 영상을 획득하는 엣지 영상 획득부;
    상기 획득된 엣지 영상을 기초로 스케치 동작을 결정하는 스케치 동작 결정부;
    상기 정지 영상 및 상기 엣지 영상을 기초로, 채색 동작을 결정하는 채색 동작 결정부; 및
    상기 결정된 스케치 동작 및 상기 결정된 채색 동작에 따라 순차적으로 상기 정지 영상을 재생산 하는 동작이 재생되는 애니메이션 컨텐츠를 생성하는 애니메이션 생성부를 포함하는 애니메이션 컨텐츠 생성 장치.
  13. 제 12항에 있어서, 상기 스케치 동작 결정부는,
    상기 획득된 엣지 영상을 기초로 객체를 추출 하고, 상기 추출된 객체의 윤곽선을 단계적으로 단순화 하여, 객체별 여러 단계로 단순화된 윤곽선을 획득하며, 상기 획득된 윤곽선 중에서 가장 단순한 단계의 윤곽선에 우선순위를 부여하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 장치.
  14. 제 13항에 있어서, 상기 스케치 동작 결정부는,
    상기 획득된 엣지 영상에서 연결 구성요소 분석을 통해, 폐곡선으로 처리된 영역에 해당하는 객체를 추출하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 장치.
  15. 제 13항에 있어서, 상기 스케치 동작 결정부는,
    상기 객체별 윤곽선을 이루는 획들의 특성을 분석하고, 상기 분석된 획들의 특성을 기초로, 길이가 길고 굴곡이 단순한 획부터 그려지도록 우선순위를 할당하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 장치.
  16. 제 12항에 있어서, 상기 채색 동작 결정부는,
    상기 정지영상에 대해 색상 성분을 기반으로 제1 클러스터링을 수행하여 소정 개수의 제1 클러스터 영역으로 분할하고, 상기 제1 클러스터 영역별로 색상 성분을 기반으로 제2 클러스터링을 수행하여, 상기 제1 클러스터 영역보다 세분화된 색상의 제2 클러스터 영역으로 분할하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 장치.
  17. 제 16항에 있어서, 상기 채색 동작 결정부는,
    상기 제2 클러스터 영역의 개수가 적게 설정된 상기 제1 클러스터 영역에 채색 우선순위를 할당하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 장치.
  18. 제 12항에 있어서, 상기 애니메이션 생성부는,
    상기 획득된 엣지 영상에서 추출된 객체 중 가장 높은 우선 순위를 가진 객체를 선택하고,
    상기 객체별로 가장 단순화된 단계의 윤곽선을 구성하는 획부터 순차적으로 스케치 하는 동작을 재생 하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 장치.
  19. 제 12항에 있어서, 상기 애니메이션 생성부는,
    가장 적은 개수의 제2 클러스터 영역을 포함하는 제1 클러스터 영역들부터 순차적으로 채색하고,
    상기 제1 클러스터 영역의 채색이 완료되면, 상기 제1 클러스터 영역들 중에서 가장 적은 제2 클러스터 영역을 포함하는 제1 클러스터 영역부터, 제2 클러스터 영역이 채색하고,
    상기 제2 클러스터 영역의 채색이 모두 완료된 영상과 상기 정지 영상과의 차이를 비교하여, 상기 제2 클러스터 영역의 채색이 모두 완료된 영상과의 차이가 있는 색상을 덧칠하는 동작을 재생 하는 것을 특징으로 하는 애니메이션 컨텐츠 생성 장치.
  20. 제 1항 내지 제11항 중 어느 한 항의 방법을 구현하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR20130114137A 2013-09-25 2013-09-25 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치 KR20150034058A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20130114137A KR20150034058A (ko) 2013-09-25 2013-09-25 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20130114137A KR20150034058A (ko) 2013-09-25 2013-09-25 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR20150034058A true KR20150034058A (ko) 2015-04-02

Family

ID=53031100

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130114137A KR20150034058A (ko) 2013-09-25 2013-09-25 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR20150034058A (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204693A (zh) * 2015-05-07 2016-12-07 阿里巴巴集团控股有限公司 基于图片检测的动画生成方法和装置
CN108830913A (zh) * 2018-05-25 2018-11-16 大连理工大学 基于用户颜色引导的语义级别线稿上色方法
CN109068069A (zh) * 2018-07-03 2018-12-21 百度在线网络技术（北京）有限公司 视频生成方法、装置、设备及存储介质
WO2020091207A1 (ko) * 2018-11-02 2020-05-07 네이버웹툰 주식회사 이미지의 채색 완성 방법, 장치 및 컴퓨터 프로그램과 인공 신경망 학습 방법, 장치 및 컴퓨터 프로그램
KR20220086025A (ko) * 2020-12-16 2022-06-23 (주) 리아모어소프트 정지 영상을 동영상으로 자동 변환하는 방법 및 서버
KR102449795B1 (ko) * 2022-02-23 2022-09-30 주식회사 아이코드랩 스케치 이미지 자동 채색 장치 및 방법
KR102449790B1 (ko) * 2022-02-23 2022-09-30 주식회사 아이코드랩 스케치 이미지 자동 채색 장치 및 방법

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204693A (zh) * 2015-05-07 2016-12-07 阿里巴巴集团控股有限公司 基于图片检测的动画生成方法和装置
CN106204693B (zh) * 2015-05-07 2019-12-13 阿里巴巴集团控股有限公司 基于图片检测的动画生成方法和装置
CN108830913A (zh) * 2018-05-25 2018-11-16 大连理工大学 基于用户颜色引导的语义级别线稿上色方法
CN108830913B (zh) * 2018-05-25 2022-05-17 大连理工大学 基于用户颜色引导的语义级别线稿上色方法
CN109068069A (zh) * 2018-07-03 2018-12-21 百度在线网络技术（北京）有限公司 视频生成方法、装置、设备及存储介质
WO2020091207A1 (ko) * 2018-11-02 2020-05-07 네이버웹툰 주식회사 이미지의 채색 완성 방법, 장치 및 컴퓨터 프로그램과 인공 신경망 학습 방법, 장치 및 컴퓨터 프로그램
US11887224B2 (en) 2018-11-02 2024-01-30 Naver Webtoon Ltd. Method, apparatus, and computer program for completing painting of image, and method, apparatus, and computer program for training artificial neural network
KR20220086025A (ko) * 2020-12-16 2022-06-23 (주) 리아모어소프트 정지 영상을 동영상으로 자동 변환하는 방법 및 서버
KR102449795B1 (ko) * 2022-02-23 2022-09-30 주식회사 아이코드랩 스케치 이미지 자동 채색 장치 및 방법
KR102449790B1 (ko) * 2022-02-23 2022-09-30 주식회사 아이코드랩 스케치 이미지 자동 채색 장치 및 방법

Similar Documents

Publication Publication Date Title
KR20150034058A (ko) 영상 분석에 기초한 애니메이션 컨텐츠 생성 방법 및 그 장치
US11036973B2 (en) Visual sign language translation training device and method
US10726304B2 (en) Refining synthetic data with a generative adversarial network using auxiliary inputs
CN108121957B (zh) 美颜素材的推送方法及装置
CN105184249B (zh) 用于人脸图像处理的方法和装置
US9734613B2 (en) Apparatus and method for generating facial composite image, recording medium for performing the method
US20210345016A1 (en) Computer vision based extraction and overlay for instructional augmented reality
CN108537859A (zh) 使用深度学习的图像蒙板
CN105493078B (zh) 彩色草图图像搜索
US8669995B2 (en) Methods and apparatus for stroke grouping for high-level sketch editing
CN108701352A (zh) 使用基于三维对象模型的识别的图像修改与增强
CA3083486C (en) Method, medium, and system for live preview via machine learning models
JP7168694B2 (ja) ヒューマンフェースによる３ｄ特殊効果生成方法、装置および電子装置
KR20150108888A (ko) 제스처 인식을 위한 부분 및 상태 검출
CN110414428A (zh) 一种生成人脸属性信息识别模型的方法
CN109964255B (zh) 使用3d视频数据的3d打印
WO2021092686A1 (en) Image-to-image translation using unpaired data for supervised learning
US20140289663A1 (en) Producing Artwork Based on an Imported Image
CN108463823A (zh) 一种用户头发模型的重建方法、装置及终端
CN109859095B (zh) 一种漫画自动生成系统及方法
Beyeler OpenCV with Python blueprints
KR20130002869A (ko) 부피 특징 벡터와 3차원 하르-유사 필터를 이용한 물체 검출 방법 및 장치
CN109816770B (zh) 使用神经网络的油画笔划模拟
KR20200136930A (ko) 디지털 장면을 생성하기 위한 방법, 시스템, 제조품 및 장치
CN109388725A (zh) 通过视频内容进行搜索的方法及装置

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination