KR20200086569A - 네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치 - Google Patents

네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치 Download PDF

Info

Publication number
KR20200086569A
KR20200086569A KR1020190002951A KR20190002951A KR20200086569A KR 20200086569 A KR20200086569 A KR 20200086569A KR 1020190002951 A KR1020190002951 A KR 1020190002951A KR 20190002951 A KR20190002951 A KR 20190002951A KR 20200086569 A KR20200086569 A KR 20200086569A
Authority
KR
South Korea
Prior art keywords
post
processing
data
audio data
video
Prior art date
Application number
KR1020190002951A
Other languages
English (en)
Inventor
홍승범
이용훈
고성환
박영현
박의순
조준영
최윤구
문한길
황호철
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 KR1020190002951A priority Critical patent/KR20200086569A/ko
Priority to PCT/KR2020/000348 priority patent/WO2020145667A2/ko
Priority to US17/420,841 priority patent/US20220095009A1/en
Publication of KR20200086569A publication Critical patent/KR20200086569A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/439—Processing of audio elementary streams
    • H04N21/4394—Processing of audio elementary streams involving operations for analysing the audio stream, e.g. detecting features or characteristics in audio streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/233—Processing of audio elementary streams
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H04N21/2368—Multiplexing of audio and video streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/27—Server based end-user applications
    • H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
    • H04N21/2743—Video hosting of uploaded data from client
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/42203—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS] sound input device, e.g. microphone
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/4223—Cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/434—Disassembling of a multiplex stream, e.g. demultiplexing audio and video streams, extraction of additional data from a video stream; Remultiplexing of multiplex streams; Extraction or processing of SI; Disassembling of packetised elementary stream
    • H04N21/4341—Demultiplexing of audio and video streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/658—Transmission by the client directed to the server
    • H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0316—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Studio Devices (AREA)
  • Telephonic Communication Services (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

본 발명은 네트워크 연결을 이용해 영상 정보를 이용하여 영상 정보에 따라 결정된 상황에 따른 최적의 오디오 후처리를 수행하는 방법 및 장치를 제공한다. 본 발명에 따른 단단말의 방법은, 오디오 데이터를 처리하고자 하는 동영상 데이터를 획득하는 단계, 상기 획득한 동영상 관련 데이터를 서버에 전송하는 단계, 상기 서버로부터 후처리가 수행된 오디오 데이터를 포함하는 데이터를 수신하는 단계, 및 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 저장하는 단계를 포함하며 상기 후처리는 상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 수행되는 것을 특징으로 한다.

Description

네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치{APPARATUS AND METHOD FOR CONTROLLING SOUND QUAULITY OF TERMINAL USING NETWORK}
본 발명은 단말의 오디오 음질을 제어하는 방법 및 장치에 관한 것으로, 구체적으로 클라우드를 이용해 단말의 오디오 음질을 최적화하는 방법 및 장치에 관한 것이다.
현재 개인 사용자를 위한 다양한 미디어 기기가 상용화되었고, 이러한 미디어 기기의 종류로는 휴대단말기, 휴대용 오디오 또는 비디오 기기, 휴대용 개인 컴퓨터, 휴대용 게임기, 카메라와 캠코더를 포함하는 촬영 기기 등을 포함할 수 있다. 또한 이러한 미디어 기기들은 네트워크와의 통신 기능을 통해 다양한 미디어 컨텐츠를 사용자에게 제공할 수 있다.
현재 상용화된 미디어 기기가 동영상 촬영을 수행할 경우, 오디오 후처리를 위한 레코딩(recording) 환경 판단은 입력된 오디오 신호에 의존하고 있다. 하지만 이러한 방법은 입력되는 신호의 크기가 크고 작은지만 판단할 수 있으며, 이러한 방법으로 적절한 오디오 후처리를 하기에는 한계가 있다. 또한 신호가 수신된 후 상기 미디어 기기에서 즉시 신호 처리가 수행되기 때문에, 조용한 환경에서 갑자기 시끄러운 환경으로 변하는 것과 같이 입력되는 오디오 신호가 급변했을 경우 실시간으로 처리할 수 없으며, 변동된 오디오 처리를 적용시키기 까지 걸리는 시간(attack time)이 발생하는 것을 피할 수 없다. 또한 미디어 기기 내 오디오 후처리를 위한 여러 동작의 순서와 동작에 적용되는 파라미터들이 고정되어 있어, 상황에 따라 오디오 후처리의 최적화가 어렵다는 문제가 있다.
이러한 문제점을 해결하기 위해 네트워크 연결을 이용해 영상 정보를 이용하여 영상 정보에 따라 결정된 상황에 따른 최적의 오디오 후처리를 수행하는 방법 및 장치를 제공한다.
상기와 같은 문제점을 해결하기 위한 본 발명은 오디오 데이터를 처리하는 단말의 방법에 있어서, 오디오 데이터를 처리하고자 하는 동영상 데이터를 획득하는 단계; 상기 획득한 동영상 관련 데이터를 서버에 전송하는 단계; 상기 서버로부터 후처리가 수행된 오디오 데이터를 포함하는 데이터를 수신하는 단계; 및 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 저장하는 단계를 포함하며, 상기 후처리는 상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 수행되는 것을 특징으로 한다.
또한, 상기 서버로부터 후처리가 수행된 오디오 데이터 샘플을 수신하는 단계; 및 상기 오디오 데이터의 샘플에 대한 사용자의 피드백을 수신하는 단계를 더 포함하며, 상기 사용자의 피드백이 사용자의 만족을 지시하는 경우, 상기 사용자의 피드백을 상기 서버로 전송하는 단계를 더 포함하고, 상기 서버로부터 수신되는 상기 후처리가 수행된 오디오 데이터는 상기 오디오 데이터 샘플과 같은 후처리가 수행된 전체 오디오 데이터이며, 상기 사용자의 피드백이 보완 요청을 지시할 경우, 상기 사용자의 피드백을 상기 서버로 전송하는 단계를 더 포함하고, 상기 서버로부터 상기 보완 요청을 기반으로 후처리가 수행된 오디오 데이터 샘플을 수신하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 동영상 관련 데이터는 상기 동영상 데이터 또는 상기 동영상 데이터의 오디오 데이터 및 일정 주기를 가지는 시간 구간의 이미지 데이터이며, 신(scene)은 상기 동영상 데이터의 이미지 데이터를 기반으로 상기 이미지 데이터의 일정 시간 구간마다 확인되며, 상기 신을 기반으로 상기 일정 시간 구간마다 후처리 모델이 결정되며, 상기 후처리 모델은 오디오 후처리를 수행하는 복수의 과정의 처리 순서 및 상기 복수의 과정에 대한 파라미터 정보의 집합인 것을 특징으로 할 수 있다.
또한, 오디오 데이터를 처리하는 서버의 방법에 있어서, 단말로부터 동영상 관련 데이터를 수신하는 단계; 상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 상기 이미지 데이터의 일정 시간 구간마다 신(scene)을 확인하는 단계; 및 상기 확인된 신을 기반으로 상기 일정 시간 구간마다 후처리 모델을 선택하는 단계; 상기 선택된 후처리 모델을 이용해 상기 동영상 관련 데이터에 포함된 오디오 데이터의 후처리를 수행하는 단계; 및 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 상기 단말로 전송하는 단계를 포함하는 것을 특징으로 한다.
또한, 상기 선택된 후처리 모델을 이용해 오디오 데이터 샘플을 생성하는 단계; 및 상기 오디오 데이터 샘플을 상기 단말로 전송하는 단계를 더 포함하고, 상기 오디오 데이터 샘플은 일정 시간 구간의 이미지 데이터와 상기 일정 시간 구간의 후처리가 수행된 오디오 데이터를 포함하며, 상기 단말로부터 사용자의 피드백을 수신하는 단계를 더 포함하고, 상기 사용자의 피드백이 사용자의 만족을 지시하는 경우, 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터는 상기 오디오 데이터 샘플과 같은 후처리가 수행된 전체 오디오 데이터인 것을 특징으로 할 수 있다.
또한, 상기 단말로부터 사용자의 피드백을 수신하는 단계; 및 상기 사용자의 피드백이 보완 요청을 지시할 경우, 상기 보완 요청을 기반으로 후처리 모델을 재선택하는 단계; 및 상기 재선택된 후처리 모델을 이용해 상기 오디오 데이터의 후처리를 수행하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 동영상 관련 데이터는 상기 동영상 데이터 또는 상기 동영상 데이터의 오디오 데이터 및 일정 주기를 가지는 시간 구간의 이미지 데이터이고, 상기 후처리 모델은 오디오 후처리를 수행하는 복수의 과정의 처리 순서 및 상기 복수의 과정에 대한 파라미터 정보의 집합인 것을 특징으로 할 수 있다.
또한, 오디오 데이터를 처리하는 단말에 있어서, 송수신부; 저장부; 및 오디오 데이터를 처리하고자 하는 동영상 데이터를 획득하고, 상기 획득한 동영상 관련 데이터를 서버에 전송하고 상기 서버로부터 후처리가 수행된 오디오 데이터를 포함하는 데이터를 수신하도록 상기 송수신부를 제어하고, 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 저장하도록 상기 저장부를 제어하는 상기 송수신부와 상기 저장부와 연결된 제어부를 포함하며, 상기 후처리는 상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 수행되는 것을 특징으로 한다.
또한, 오디오 데이터를 처리하는 서버에 있어서, 송수신부; 및 단말로부터 동영상 관련 데이터를 수신하도록 상기 송수신부를 제어하고, 상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 상기 이미지 데이터의 일정 시간 구간마다 신(scene)을 확인하고, 상기 확인된 신을 기반으로 상기 일정 시간 구간마다 후처리 모델을 선택하고, 상기 선택된 후처리 모델을 이용해 상기 동영상 관련 데이터에 포함된 오디오 데이터의 후처리를 수행하고, 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 상기 단말로 전송하도록 상기 송수신부를 제어하는 상기 송수신부와 연결된 제어부를 포함하는 것을 특징으로 한다.
본 발명의 실시예에 따르면, 영상 정보를 이용하여 영상 정보에 따른 적절한오디오 후처리를 수행할 수 있으며, 단말과 달리 서버에서 연산을 수행함으로써 복잡한 연산 과정이 필요한 오디오 후처리가 빠른 처리 속도로 수행될 수 있다는 효과가 있다.
도 1은 일반적인 멀티미디어 레코딩(multimedia recoding)에서의 오디오 후처리를 수행하는 블록을 도시한 도면이다.
도 2는 DRC의 컴프레서와 익스팬더가 적용된 신호의 크기를 도시한 도면이다.
도 3은 DRC의 리미터가 적용된 신호를 도시한 도면이다.
도 4는 본 발명의 전체적 구성을 도시한 도면이다.
도 5는 엣지 컴퓨팅 서버가 포함된 망의 구조를 도시한 도면이다.
도 6은 이미지 데이터 분석의 구간 및 프레임을 도시한 도면이다.
도 7은 사용자 피드백으로 선택할 수 있는 항목의 일례를 도시한 도면이다.
도 8은 본 발명에 따른 단말의 동작을 도시한 도면이다.
도 9는 본 발명에 따른 서버의 동작을 도시한 도면이다.
도 10은 단말의 구조를 도시한 블록도이다.
도 11은 단말의 구조를 도시한 블록도이다.
이하, 본 발명의 실시예를 첨부한 도면과 함께 상세히 설명한다. 또한 본 발명을 설명함에 있어서 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
또한, 본 발명의 실시예들을 구체적으로 설명함에 있어서, 본 발명의 주요한 요지는 유사한 기술적 배경 및 채널형태를 가지는 여타의 통신 시스템에도 본 발명의 범위를 크게 벗어나지 아니하는 범위에서 약간의 변형으로 적용 가능하며, 이는 본 발명의 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 발명은 한 개 이상의 마이크 및 스피커를 포함하는 미디어 기기(일례로 휴대용 통신 장치(스마트폰 등), 디지털 카메라, 휴대용 컴퓨터 장치(노트북 등) 등을 포함할 수 있다. 이는 단말과 혼용될 수 있으며 본 발명이 적용되는 기기는 전술한 기기에 한정되지 않는다) 에서 동영상을 촬영하거나 동영상을 재생할 경우 상황에 가장 최적화된 오디오 후처리를 수행하는 방법 및 장치를 제공한다. 구체적으로 본 발명은 영상 정보를 활용하여 영상 정보에 의해 결정된 상황에 따른 최적 오디오 후처리를 수행하는 방법을 제안하며, 또한 복잡한 연산 등을 가능하게 하기 위하여 오디오 후처리를 단말 내부가 아닌 클라우드에서 처리하는 방식을 제안한다.
도 1은 일반적인 멀티미디어 레코딩(multimedia recoding)에서의 오디오 후처리를 수행하는 블록을 도시한 도면이다. 도 1에 따르면, 레코딩 시 획득하고자 하는 신호 si(t)(100)와 잡음 신호 ni(t)(110)가 각 마이크(105)로 함께 획득되며, 입력된 신호 xi(120)는 xI = si+ni 와 같이 표현될 수 있다.
오디오 후처리(140)는 다양한 서브 블록(sub-block)들로 구성되는데, 일반적으로 이러한 서브 블록은 DRC(Dynamic Range Control)(150), 필터(Filter)(160), 잡음 감소(Noise Reduction)(180), 게인(Gain)(170) 및 기타 블록(190) 등이 포함된다. DRC(150)는 입력 신호의 크기에 따라서 출력 신호의 크기를 동적으로 변화시키며 컴프레서(compressor), 익스팬더(expander) 및 리미터(limiter)를 포함할 수 있다. 필터는 원하는 주파수의 신호를 획득하게 하는 역할을 수행하며, 이는 FIR(inite impulse response) 필터 및/또는 IIR(infinite impulse response) 필터 등을 포함할 수 있다. 잡음 감소는 함께 입력된 잡음을 감소시키며, 게인은 출력의 크기를 제어하는 역할을 한다. 오디오 후처리(140)는 입력된 신호 xi를 후처리를 통해 원하는 신호 y(t)(130)로 출력한다.
도 2는 DRC의 컴프레서와 익스팬더가 적용된 신호의 크기를 도시한 도면이다. 컴프레서는 입력(Input) 신호 대비 출력(Output) 신호를 작게 출력해 주며 주로 크기가 큰 신호가 입력됐을 때 사용된다. 익스팬더는 컴프레서와 반대로 입력 신호 대비 출력 신호를 크게 출력해 주며 주로 크기가 작은 신호가 입력됐을 때 사용된다. 도 2에 따르면, 입력 신호(200)의 크기가 작은 경우 익스팬더를 적용해 출력 신호의 크기를 늘리고(210), 입력 신호(200)의 크기가 큰 경우 컴프레서를 적용해 출력 신호의 크기를 줄인다(220).
도 3은 DRC의 리미터가 적용된 신호를 도시한 도면이다. 리미터는 마이크에서 수용할 수 있는 크기보다 큰 음향이 입력되는 경우인 클리핑(clipping, 장비가 허용하는 한계 입력 또는 한계 출력을 넘어설 때 나타나는 현상으로 클리핑이 발생한 경우 음질이 저하될 수 있다)을 방지하기 위해 사용된다. 도 3 중 a(300)과 같이 설정해 놓은 임계값(threshold)(302)보다 큰 신호가 입력되었을 경우, 클리핑(304)이 일어날 수 있다. 이 경우 b(310)에 따라 입력된 신호를 기반으로 피크(Peak)를 추정하게 되고, c(320)과 같이 리미터가 적용되어 임계값 이하로 신호 크기가 줄어들게 된다. 그러나 이 경우 오디오 후처리가 실시간으로 미디어 장치에서 수행될 경우 변동된 오디오 처리를 적용하기까지 시간이 필요하므로 임계값을 넘는 신호가 발생(322)할 수 있으며 이를 어택 타임(attack time)이라고 한다.
오디오 후처리 시 각 최적화 방법에 따라 서브 블록의 처리 순서 및 적용되는 파라미터(일례로 컴프레서나 익스팬더의 신호 크기 조절에 관련된 파라미터, 필터에서 처리되는 주파수 대역) 등에 차이가 있을 수 있다. 신호가 입력되면 제조사에서 정한 방식에 따라 순차적으로 오디오 신호가 처리되며, 이 때 각 서브 블록의 최적화 파라미터는 일률적으로 적용된다.
현재 상용화된 미디어 기기에서 오디오 후처리를 위한 레코딩 환경 판단은 입력된 오디오 신호에만 의존하고 있다. 예를 들어, 마이크로 큰 오디오 신호가 들어오면 클리핑이 발생하지 않도록 리미터와 컴프레서를 적용하고, 조용한 환경에서는 익스팬더를 적용하며 함께 그 크기가 커지는 잡음을 제거해 주기 위해 잡음 감소를 수행한다. 하지만 이러한 방법에 따를 경우 미디어 기기는 입력되는 크기가 크거나 작은지만 판단할 수 있으며 레코딩이 수행되는 다양한 상황판단을 하기에는 한계가 있다. 또한 신호가 들어온 뒤에 미디어 기기가 실시간으로 신호 처리를 수행하기 때문에, 조용한 환경에서 갑자기 시끄러운 환경으로 변하는 등과 같이 입력되는 오디오 신호가 급변했을 경우 변동된 오디오 처리를 적용시키기 까지 걸리는 시간(attack time)이 발생할 수 있다. 또한 오디오 후처리를 위한 복수의 서브 블록의 동작 순서와 그 파라미터들이 고정되어 있으므로 상황에 따른 최적화된 오디오 후처리를 수행하기 어렵다.
그러므로 본 발명은 영상 정보를 활용하여 레코딩 상황에 대한 정보를 획득하고, 이를 통해 다양한 환경에 따른 오디오 신호 처리 최적화를 적응적으로(adaptive) 수행하여 사용자에게 최적의 음질을 제공하는 것을 그 목적으로 한다. 이를 위해 오디오 후처리에 클라우드 및 DNN(Deep Neural Network)을 활용하여 휴대 단말이 가지는 연산량, 메모리, 배터리 등의 한계를 극복할 수 있으며, 클라우드 서버는 지속적으로 최적의 후처리 방법을 학습하여 사용자에게 최적화된 결과물을 생성할 수 있다. 단말에서 오디오 신호의 후처리를 수행하는 경우 동영상의 녹화 또는 재생과 동시에 실시간으로 오디오 후처리가 진행되기에 제약사항이 많으나, 클라우드에서 이러한 후처리가 수행될 경우 전체 오디오 신호의 미가공 데이터(raw data)를 파악한 후 구간별로 최적화된 오디오 후처리를 수행할 수 있어 최적 음질 확보에 유리하다. 또한 본 발명은 미디어 기기를 이용한 동영상 녹화(레코딩)뿐만 아니라 동영상 재생시에도 적용될 수 있다.
도 4는 본 발명의 전체적 구성을 도시한 도면이다. 도 4에 따르면 본 발명을 위해 아래와 같은 동작이 수행될 수 있다.
단말은 사용자의 선택에 따라 촬영된 동영상 또는 재생할 동영상을 단말에서 클라우드 서버로 업로드(upload) 한다(400). 단말은 전체 동영상 데이터를 업로드할 수 있으나, 필요에 따라서 오디오 데이터만 전체 전송을 하고, 상대적으로 데이터의 크기가 큰 영상 정보의 경우에는 일정 프레임마다 추출된 이미지 데이터를 클라우드 서버에 업로드할 수 있다. 단말에서 서버 또는 서버에서 단말로 서버에서 처리된 신호 전송시 5세대 이동통신(이하 5G) 망에서 클라우드 서버를 이용하거나 또는 단말기와 가장 가까운 기지국 내의 엣지 컴퓨팅(Edge computing, 사용자가 사용하는 단말과 가까이에 위치한 컴퓨팅 장치) 서버를 이용하여 서버 내에서 처리 후 단말기로 전송할 수 있다.
도 5는 이러한 엣지 컴퓨팅 서버가 포함된 망의 구조를 도시한 도면이다. 단말(500, 502)는 각각 기지국(510, 512)와 연결되며, 각 엣지 컴퓨팅 서버(520, 522)는 각 기지국에 연결되어 있다. 또한 각 기지국은 클라우드 서버(530)과도 연결될 수 있다. 5G 시스템을 이용할 경우, 기지국과의 전송 지연이 5G 망에서의 무선 인터페이스 기준 약 1ms, 그리고 E2E(end-to-end) 기준 5ms로 4세대 이동 통신 시스템의 경우에 비해 비약적으로 향상될 수 있다. 그리므로 단말은 5G 망을 사용해 동영상을 업로드하거나 더 빠른 처리를 위해서는 기지국 내 서버를 이용하는 엣지 컴퓨팅을 이용할 수 있다. 이러한 엣지 컴퓨팅의 경우 기지국 반경 내의 엣지 컴퓨팅 서버를 이용하므로, 빠른 속도로 최적화된 오디오 후처리가 가능하므로 서비스가 크게 개선될 수 있다. 본 발명에서 서버는 클라우드 서버 또는/및 엣지 컴퓨팅 서버를 의미할 수 있다.
이후 서버는 단말이 업로드한 동영상으로부터 획득된 영상 정보 또는 단말이 업로드한 이미지 파일 등 이미지 데이터를 획득하고(405), 단말이 업로드한 동영상으로부터 획득된 오디오 신호 또는 단말이 업로드한 오디오 파일 등 오디오 데이터를 획득한다(410). 이후 서버는 업로드된 이미지 데이터를 기반으로 장면을 분석하여 이미지 데이터가 관련된 신(scene)을 확인한다. 이러한 신의 종류로는 콘서트 홀, 야외, 실내, 사무실, 바닷가 등이 있을 수 있으며, 이는 장소 및/또는 시간을 기반으로 결정될 수 있다. 또한 이러한 신의 종류는 미리 결정되어 있을 수 있으며 이 경우 미리 결정된 신 중 가장 이미지 데이터의 관련성이 높다고 생각되는 신이 선택될 수 있다. 이와 같이 이미지 데이터가 관련된 신을 확인하는 과정을 신 검출이라 칭할 수 있다. 또한 서버는 DNN을 활용하여 지속적으로 장면 분석에 대한 학습을 수행하여 분석 정확도를 향상시킬 수 있다.
또한 서버는 전체 영상 데이터가 업로드된 경우에는 사용자 선택 또는 미리 지정된 초기값에 의해 구간을 나누어 이미지 데이터를 분석해 신 검출을 수행하고, 일정 프레임마다 추출된 이미지 데이터가 업로드 된 경우는 해당 프레임 길이에 따라 구간을 나누어 이미지 데이터를 분석한다. 도 6은 이러한 이미지 데이터 분석의 구간 및 프레임을 도시한 도면이다. 도 6의 a(600)의 경우 전체 영상 데이터는 일정 시간 길이에 따라 구간(602)으로 나뉠 수 있고, 이러한 일정 시간 길이는 사용자가 설정하거나 또는 미리 결정되어 있을 수 있다. 서버는 이와 같은 구간당 이미지를 분석하여 각 구간에 대응되는 신을 확인한다. 이 때 각 구간에 대응되는 신은 서로 다른 것일 수 있다. b(610)의 경우 서버는 일정 시간 구간마다 추출된 이미지 데이터(612)를 기반으로 상기 이미지 데이터가 해당되는 시간이 포함되는 구간(614)에 대응되는 신을 확인한다.
이와 함께 서버는 오디오 데이터의 시간 동기화(time synchronization)를 수행한다(420). 이는 오디오 신호를 이미지 데이터 분석 구간에 따라 구간별로 동기화시키는 것을 의미한다. 즉 해당되는 신이 결정되는 특정 시간 구간에 대응하는 오디오 신호를 확인하는 과정에 해당한다. 이러한 동기화 주기는 이미지 데이터 분석 구간에 맞추어 가변적으로 동작할 수 있다. 구체적으로 서버는 이미지 데이터와 오디오 데이터의 초기 시점을 기준으로 특정 시간 구간 길이에 따라 오디오 데이터를 분할할 수 있으며, 분할된 오디오 데이터를 각 이미지 데이터 분석 구간에 대응시킬 수 있다.
이후 서버는 최적화 모델링을 비교하고 적절한 최적화 모델링을 선택한다(425). 서버는 신 검출 결과 추출된 구성 벡터(feature vector, 이는 검출된 신이 무엇인지 지시하는 정보일 수 있다)를 미리 구성된 최적화 모델링 데이터베이스(optimization modeling database) 내 각 모델들의 구성 벡터와 비교하여 최적 모델을 선택한다. 일례로 구성 벡터가 검출된 신이 콘서트 홀이라고 지시하는 정보라면, 서버는 미리 저장되어 있는 각 모델 중 그 구성 벡터가 콘서트 홀을 지시하는 모델을 선택할 수 있다. 이러한 모델은 오디오 후처리를 위한 복수의 서브 블록의 동작 순서 정보와 서브 블록의 각 동작을 설정하는 파라미터 정보의 집합일 수 있다.
또한 서버는 연속된 이미지 데이터 분석 구간의 신 검출 결과 선택된 모델이 변경되는 경우에는 해당 구간을 세분화하여 분석할 수 있다. 이는 선택된 모델이 변경되었다는 것은, 해당 이미지 데이터 분석 구간 내에서 신의 변경을 초래할 수 있는 동영상 내의 장소 및 시간의 급격한 변화(일례로 촬영 장소가 콘서트 홀에서 야외로 변경되었다거나 하는 등)가 있었을 것으로 유추되므로, 서버가 오디오 후처리를 위해 한 이미지 데이터 내에서 동일한 모델을 계속 사용하는 것보다 신의 변경에 맞춘 모델을 사용하는 것이 최적화에 더욱 도움이 될 수 있기 때문이다. 이 경우 종래 이미지 데이터 분석 구간의 길이가 10초였다면, 이 경우 서버는 해당 이미지 데이터 분석 구간을 2초의 단위로 분석하여 각 2초당 해당하는 신을 검출하고, 검출된 신에 적합한 모델을 선택할 수 있다.
이후 서버는 선택된 최적 모델을 기반으로 오디오 신호의 후처리(post processing)를 수행한다(430). 이러한 후처리는 선택된 모델에 따른 복수의 서브 블록의 동작 순서 정보와 서브 블록의 각 동작을 설정하는 파라미터 정보에 기반한 것이다. 이 때 오디오 후처리는 전체 오디오 데이터에 대한 것일 수도 있으며, 또는 사용자에게 샘플로 제공할 오디오 데이터의 일부분에 대한 것일 수도 있다.
이후 서버는 후처리가 적용된 오디오 데이터의 샘플을 사용자에게 제공할 수 있다. 후처리가 적용된 전체 오디오 데이터를 사용자가 다운로드하기 전에, 서버는 구간마다 처리된 오디오 데이터 샘플을 사용자에게 전송하고(즉 오디오 데이터 샘플은 단말로 다운로드되고) 사용자는 이를 확인할 수 있다. 또는 서버는 사용자가 선택한 시간 구간에 대한 후처리된 오디오 데이터 샘플을 사용자에게 제공할 수 있다. 이 때 상기 오디오 데이터 샘플은 해당하는 구간의 이미지 데이터와 함께 사용자에게 제공될 수 있다. 일례로 상기 오디오 데이터 샘플은 전체 동영상 중 일부 시간 구간의 영상 데이터 및 상기 일부 시간 구간의 후처리가 적용된 오디오 데이터일 수 있다. 또는 상기 오디오 데이터 샘플은 전체 동영상 중 상기 일부 시간 구간의 후처리가 적용된 오디오 데이터일 수 있다.
단말을 통해 오디오 데이터 샘플을 제공받은 사용자는, 처리 결과가 만족스럽지 않을 경우 피드백을 할 수 있다. 사용자는 만족스럽다는 의사를 입력하거나, 부족한 부분을 선택해 보완 요청을 입력할 수 있다(435). 사용자가 입력할 수 있는 보완 요청은 도 7과 같을 수 있다. 도 7은 사용자 피드백으로 선택할 수 있는 항목의 일례를 도시한 도면이다. 도 7과 같이 사용자는 다운로드한 샘플에서 부족한 부분을 1개 이상 선택하여 추가 보완할 수 있으며, 이러한 보완 사항으로는 고역대를 강화하거나(고역대 부스트), 중역대를 강화하거나(중역대 부스트), 저역대를 강화하거나(저역대 부스트), 음색을 보다 부드럽거나 날카롭게 수정하거나(부드럽게 또는 날카롭게), 소리의 공간감을 강화하거나(공간감 부스트) 또는 잡음을 더 제거하길(잡음 추가 제거) 등이 있을 수 있다. 단말은 미리 정해진 이러한 보완 사항을 디스플레이를 통해 사용자에게 제시할 수 있으며, 사용자는 보완사항 중 적어도 하나를 선택할 수 있다. 이러한 사용자 피드백이 단말에 입력되면 단말은 사용자 피드백을 서버로 전달할 수 있다.
이러한 사용자 피드백을 확인한 서버는 사용자 피드백을 고려해 최적화 모델링을 재차 수행하게 되고 새롭게 선택된 모델을 적용해 새로 만들어진 오디오 데이터를 사용자가 다운로드하여 재차 피드백을 수행하도록 한다. 사용자 피드백은 사용자가 만족할 때까지 반복될 수 있으며, 사용자에 의해 최종 선택된 결과는 서버 상에 빅 데이터(bigdata)로 저장되어 상황별(즉 신 별, 또는 구성 벡터 별) 사용자의 선호도를 파악하는데 사용될 수 있다(450). 충분히 많은 빅 데이터가 쌓이게 되면 사용자에게 오디오 데이터 샘플을 제공할 때 서버는 능동적으로 사용자의 선호도가 높은 모델을 이용해 후처리를 수행한 오디오 데이터 샘플을 추가로 제공할 수 있다. 일례로 다수의 사용자가 시가지에서 잡음 추가 감소를 원했을 경우, 서버는 최적의 모델링이라고 판단된 모델을 적용한 오디오 데이터 샘플과 상기 오디오 데이터 샘플에 추가적인 잡음 추가 감소를 적용한 오디오 데이터 샘플을 함께 사용자에게 제공할 수 있다
이후 서버는 사용자가 만족스럽다는 의사를 표현한 샘플과 같은 오디오 후처리를 적용한 후처리 완료된 오디오 데이터를 사용자의 휴대 단말로 전송한다(440). 서버는 필요에 따라서 영상을 포함한 전체 동영상을 전송하거나(즉 이미지 데이터와 오디오 데이터를 모두 전송), 오디오 데이터만을 전송하여 사용자의 단말이 해당 동영상의 오디오 부분만 대체할 수 있도록 할 수 있다. 이후 단말은 전체 동영상을 수신한 경우 상기 전체 동영상을 저장하고 또는/및 상기 동영상을 재생할 수 있으며, 서버가 오디오 데이터만을 전송한 경우 저장되어 있는 동영상 데이터의 오디오 부분만을 상기 수신한 오디오 데이터로 대체하여 상기 동영상을 저장하고 또는/및 상기 동영상을 재생할 수 있다.
서버는 이러한 동작을 위해 최적화 모델링 데이터베이스를 구성하고 업데이트할 수있다(445) 서버는 구성 벡터 및 오디오 신호의 시간 포락선(time envelope) 특성을 기반으로 한 오디오 후처리에 대한 최적화 모델을 구성한다. 즉 서버는 콘서트 홀, 노래방, 숲 속, 전시회장 등 다양한 상황의 오디오 신호를 최적화할 수 있도록 후처리의 여러 서브 블록에 대한 처리 순서 및 각 서브 블록 별 파라미터를 조합하고 저장한다. 사용자의 피드백 및 DNN을 통해 해당 모델들은 학습되고 업데이트될 수 있다.
이러한 단계는 본 발명을 수행하기 위해 모두 수행되어야만 하는 것은 아니며, 생략되거나 또는 일부 단계의 순서가 바뀌어 실행될 수 있다. 일례로 사용자 피드백을 위해 오디오 데이터 샘플을 서버에서 생성하여 사용자 단말로 전송하고 사용자 피드백을 입력받아 적용하는 단계는 생략될 수 있다.
본 발명에서는 누적된 클라우드 기반 DNN을 이용하므로, 단일 사용자가 아닌 다중 사용자의 결과물이 이용될 수 있다. 구체적으로 다음과 같은 동작이 가능하다. 단일 사용자가 아닌 복수의 사용자가 서버에서 오디오 데이터 후처리를 수행하므로, 서버는 DNN을 이용하여 영상 및 오디오 데이터를 최적화할 수 있다. 구체적으로, 서버는 많은 촬영을 하는 유명 장소에 대한 동영상의 경우 이미 저장된 이미지 또는 오디오 데이터를 활용하여 왜곡된 이미지를 보정하고 원하는 소리가 좀더 잘 들리도록 포커싱할 수 있다. 또한 서버는 최적화된 결과 값을 이용하여 동일 또는 유사 영상이나 오디오 신호가 업로드 될 경우 처리 시간을 단축할 수 있다. 또한 서버는 동영상 공유 웹사이트의 동영상 또는 소셜 네트워크 서비스(social network service, SNS) 내의 동영상 및 이미지 데이터들을 이용하여 추가로 학습한 결과값을 이용하여 사용자의 컨텐츠를 개선할 수 있다. 구체적으로 서버는 미리 저장된 이미지 또는 오디오 데이터를 활용해 이미지를 보정하거나, 오디오 데이터를 보완할 수 있다.
도 8은 본 발명에 따른 단말의 동작을 도시한 도면이다. 도 8에 따르면, 단말은 오디오 후처리가 수행되어야 할 동영상을 획득한다(800). 이러한 단계는 동영상을 촬영하거나 또는 재생할 동영상을 다운로드하는 등의 동작을 통해 수행될 수 있다. 이후 단말은 상기 동영상을 서버로 업로드한다(810). 이 때 단말은 전체 동영상을 업로드하거나, 동영상의 오디오 데이터 및 상기 동영상의 특정 시간 구간의 정지 이미지 파일을 업로드할 수 있다. 이후 단말은 서버로부터 후처리가 적용된 하나 이상의 오디오 데이터 샘플을 수신한다(820). 이후 단말은 사용자로부터 입력된 후처리가 적용된 오디오 데이터 샘플에 대한 피드백을 확인한다(830). 이러한 피드백은 복수의 오디오 데이터 샘플 중 하나를 선택하는 것이거나, 또는 오디오 데이터 샘플에서 보완할 사항을 단말에 입력하는 것일 수 있다(830). 단말은 피드백 사항을 서버에 전송하고, 피드백에 따른 데이터를 다운로드한다(840). 구체적으로 단말이 특정 오디오 데이터 샘플을 선택하는 사용자 피드백을 수신했다면, 서버는 특정 오디오 데이터 샘플에 적용된 후처리를 전 오디오 데이터에 확장 적용할 수 있고, 단말은 이와 같은 후처리를 적용한 데이터를 서버로부터 수신한다. 또는 단말이 오디오 샘플의 보완을 요청하는 사용자 피드백을 수신했다면, 서버는 사용자가 요청한 보완사항을 반영해 오디오 데이터 샘플을 재차 후처리하여 생성하고, 단말은 이와 같은 오디오 데이터 샘플을 서버로부터 수신한다. 이러한 과정은 단말이 사용자의 만족을 지시하는 피드백을 수신할 때까지 반복해 수행될 수 있다.
도 9는 본 발명에 따른 서버의 동작을 도시한 도면이다. 도 9에 따르면, 서버는 단말로부터 업로드된 데이터를 획득한다(900). 이러한 데이터는 전체 동영상이거나, 동영상의 오디오 데이터 및 상기 동영상의 특정 시간 구간의 정지 이미지 파일일 수 있다. 이후 서버는 획득된 이미지 데이터를 기반으로 시간 구간에 따른 신을 검출하고(910), 획득된 오디오 데이터를 상기 시간 구간에 시간 동기화한다(920).
이후 서버는 최적화 모델링 데이터베이스를 기반으로 오디오 데이터의 후처리를 위한 최적화 모델을 선택하고(930), 상기 모델에 따른 서브 블록의 처리 순서 및 파라미터를 적용해 오디오 후처리를 수행한다(940). 이후 서버는 하나 이상의 오디오 데이터 샘플을 단말에 제공하고(950), 그에 대한 피드백을 확인한다(960). 사용자 피드백이 사용자의 오디오 후처리에 대한 만족을 지시하거나 또는 만족스러운 오디오 데이터 샘플을 지시하는 것이라면, 서버는 상기 후처리가 적용된 전체 데이터를 단말로 전송한다(990). 또한 이러한 사용자의 피드백을 서버에 저장할 수 있다. 사용자가 오디오 데이터 샘플에 대한 보완을 요청하였을 경우, 서버는 새로운 최적화 모델을 선택하고 이에 따라 오디오 데이터의 후처리를 수행하고 오디오 데이터 샘플을 단말에 전송한다. 이러한 과정은 사용자의 만족을 지시하는 피드백이 입력될 때까지 반복될 수 있다.
도 10은 단말의 구조를 도시한 블록도이다. 도 10에 따르면, 단말(1000)은 송수신부(1010), 처리부(1020), 카메라(1030), 마이크(1040), 저장부(1050), 출력부(1070), 입력 장치부(1060)를 포함할 수 있으며, 이에 제한되지 않는다. 송수신부(1010)은 단말과 외부 장치(일례로 기지국 또는 서버 등)과 통신 연결을 지원하는 장치로, 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신기와 수신되는 신호를 저 잡음 증폭하고 주파수를 하강 변환하는 RF 수신기 등으로 구성될 수 있다. 저장부(1050)는 제어 정보와 데이터를 저장할 수 있는 메모리를 포함할 수 있으며, 출력부(1070)은 이미지를 출력하는 디스플레이 및 음향을 출력하는 스피커를 포함할 수 있다. 입력 장치부(1060)은 외부의 상태를 감지할 수 있는 각종 센서를 포함하며, 특히 사용자의 터치를 감지하는 터치 패널 등을 포함할 수 있다.
처리부(1020)은 하나 이상의 프로세서를 포함하며, 본 발명을 수행하도록 송수신부(1010), 카메라(1030), 마이크(1040), 저장부(1050), 출력부(1070) 및 입력 장치부(1060) 등을 제어할 수 있다. 구체적으로 처리부(1020)는 동영상을 녹화하도록 카메라(1030) 및 마이크(1040)을 제어하며, 저장부(1050)에 저장된 동영상을 송수신부(1010)을 통해 서버로 전송하도록 제어할 수 있다. 또한 처리부(1020)는 서버로부터 오디오 데이터 샘플을 수신하도록 송수신부(1010)을 제어하고, 미리 정해진 상기 오디오 데이터 샘플에 대한 피드백의 예시를 출력부(1070)을 통해 출력하고, 입력 장치부(1060)을 통해 사용자 피드백을 확인하도록 제어할 수 있다. 또한 처리부(1020)은 서버로부터 수신한 최종 동영상 데이터를 출력부(1070)을 통해 출력하도록 제어할 수 있다.
도 11은 단말의 구조를 도시한 블록도이다. 도 11에 따르면, 서버(1100)는 송수신부(1110), 처리부(1120) 및 저장부(1130)을 포함할 수 있다. 송수신부(1110)는 서버와 외부 장치와의 통신 연결을 지원하는 장치로, 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신기와 수신되는 신호를 저 잡음 증폭하고 주파수를 하강 변환하는 RF 수신기 등으로 구성될 수 있다. 저장부(1130)는 제어 정보와 데이터를 저장할 수 있는 메모리를 포함할 수 있으며, 처리부(1120)은 본 발명을 수행하도록 송수신부(1110) 및 저장부(1130)를 제어하며, 동영상을 처리할 수 있는 코덱(codec)을 포함할 수 있다.
처리부(1120)은 단말로부터 동영상을 수신하도록 송수신부(1110)을 제어하고, 수신한 동영상에 따른 오디오 데이터를 본 발명에서 제안하는 방법으로 처리하며, 오디오 데이터 샘플을 생성해 송수신부(1110)을 통해 단말로 전송하며, 사용자 피드백 정보를 수신하도록 송수신부(1110)을 제어한다. 또한 처리부는 각 오디오 후처리 모델을 생성 및 저장하고, 다수의 사용자의 피드백 정보를 저장하고 최적 모델링 데이터베이스를 생성해 저장부(1130)에 저장하며 이를 사용자의 피드백 정보 및 네트워크 상의 정보를 이용해 업데이트한다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다.

Claims (26)

  1. 오디오 데이터를 처리하는 단말의 방법에 있어서,
    오디오 데이터를 처리하고자 하는 동영상 데이터를 획득하는 단계;
    상기 획득한 동영상 관련 데이터를 서버에 전송하는 단계;
    상기 서버로부터 후처리가 수행된 오디오 데이터를 포함하는 데이터를 수신하는 단계; 및
    상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 저장하는 단계를 포함하며,
    상기 후처리는 상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 수행되는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 서버로부터 후처리가 수행된 오디오 데이터 샘플을 수신하는 단계; 및
    상기 오디오 데이터의 샘플에 대한 사용자의 피드백을 수신하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  3. 제2항에 있어서,
    상기 사용자의 피드백이 사용자의 만족을 지시하는 경우, 상기 사용자의 피드백을 상기 서버로 전송하는 단계를 더 포함하고,
    상기 서버로부터 수신되는 상기 후처리가 수행된 오디오 데이터는 상기 오디오 데이터 샘플과 같은 후처리가 수행된 전체 오디오 데이터인 것을 특징으로 하는 방법.
  4. 제2항에 있어서,
    상기 사용자의 피드백이 보완 요청을 지시할 경우, 상기 사용자의 피드백을 상기 서버로 전송하는 단계를 더 포함하고,
    상기 서버로부터 상기 보완 요청을 기반으로 후처리가 수행된 오디오 데이터 샘플을 수신하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  5. 제1항에 있어서,
    상기 동영상 관련 데이터는 상기 동영상 데이터 또는 상기 동영상 데이터의 오디오 데이터 및 일정 주기를 가지는 시간 구간의 이미지 데이터인 것을 특징으로 하는 방법.
  6. 제1항에 있어서,
    신(scene)은 상기 동영상 데이터의 이미지 데이터를 기반으로 상기 이미지 데이터의 일정 시간 구간마다 확인되며,
    상기 신을 기반으로 상기 일정 시간 구간마다 후처리 모델이 결정되는 것을 특징으로 하는 방법.
  7. 제6항에 있어서,
    상기 후처리 모델은 오디오 후처리를 수행하는 복수의 과정의 처리 순서 및 상기 복수의 과정에 대한 파라미터 정보의 집합인 것을 특징으로 하는 방법.
  8. 오디오 데이터를 처리하는 서버의 방법에 있어서,
    단말로부터 동영상 관련 데이터를 수신하는 단계;
    상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 상기 이미지 데이터의 일정 시간 구간마다 신(scene)을 확인하는 단계; 및
    상기 확인된 신을 기반으로 상기 일정 시간 구간마다 후처리 모델을 선택하는 단계;
    상기 선택된 후처리 모델을 이용해 상기 동영상 관련 데이터에 포함된 오디오 데이터의 후처리를 수행하는 단계; 및
    상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 상기 단말로 전송하는 단계를 포함하는 것을 특징으로 하는 방법.
  9. 제8항에 있어서,
    상기 선택된 후처리 모델을 이용해 오디오 데이터 샘플을 생성하는 단계; 및
    상기 오디오 데이터 샘플을 상기 단말로 전송하는 단계를 더 포함하고,
    상기 오디오 데이터 샘플은 일정 시간 구간의 이미지 데이터와 상기 일정 시간 구간의 후처리가 수행된 오디오 데이터를 포함하는 것을 특징으로 하는 방법.
  10. 제9항에 있어서,
    상기 단말로부터 사용자의 피드백을 수신하는 단계를 더 포함하고,
    상기 사용자의 피드백이 사용자의 만족을 지시하는 경우, 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터는 상기 오디오 데이터 샘플과 같은 후처리가 수행된 전체 오디오 데이터인 것을 특징으로 하는 방법.
  11. 제9항에 있어서,
    상기 단말로부터 사용자의 피드백을 수신하는 단계; 및
    상기 사용자의 피드백이 보완 요청을 지시할 경우, 상기 보완 요청을 기반으로 후처리 모델을 재선택하는 단계; 및
    상기 재선택된 후처리 모델을 이용해 상기 오디오 데이터의 후처리를 수행하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  12. 제9항에 있어서,
    상기 동영상 관련 데이터는 상기 동영상 데이터 또는 상기 동영상 데이터의 오디오 데이터 및 일정 주기를 가지는 시간 구간의 이미지 데이터인 것을 특징으로 하는 방법.
  13. 제9항에 있어서,
    상기 후처리 모델은 오디오 후처리를 수행하는 복수의 과정의 처리 순서 및 상기 복수의 과정에 대한 파라미터 정보의 집합인 것을 특징으로 하는 방법.
  14. 오디오 데이터를 처리하는 단말에 있어서,
    송수신부;
    저장부; 및
    오디오 데이터를 처리하고자 하는 동영상 데이터를 획득하고, 상기 획득한 동영상 관련 데이터를 서버에 전송하고 상기 서버로부터 후처리가 수행된 오디오 데이터를 포함하는 데이터를 수신하도록 상기 송수신부를 제어하고, 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 저장하도록 상기 저장부를 제어하는 상기 송수신부와 상기 저장부와 연결된 제어부를 포함하며,
    상기 후처리는 상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 수행되는 것을 특징으로 하는 단말.
  15. 제14항에 있어서,
    입력 장치부를 더 포함하며,
    상기 제어부는 상기 서버로부터 후처리가 수행된 오디오 데이터 샘플을 수신하도록상기 송수신부를 제어하고, 상기 오디오 데이터의 샘플에 대한 사용자의 피드백을 수신하도록 상기 입력 장치부를 더 제어하는 것을 특징으로 하는 단말.
  16. 제15항에 있어서,
    상기 제어부는 상기 사용자의 피드백이 사용자의 만족을 지시하는 경우, 상기 사용자의 피드백을 상기 서버로 전송하도록 상기 송수신부를 더 제어하고,
    상기 서버로부터 수신되는 상기 후처리가 수행된 오디오 데이터는 상기 오디오 데이터 샘플과 같은 후처리가 수행된 전체 오디오 데이터인 것을 특징으로 하는 단말.
  17. 제15항에 있어서,
    상기 제어부는 상기 사용자의 피드백이 보완 요청을 지시할 경우, 상기 사용자의 피드백을 상기 서버로 전송하고, 상기 서버로부터 상기 보완 요청을 기반으로 후처리가 수행된 오디오 데이터 샘플을 수신하도록 상기 송수신부를 더 제어하는 것을 특징으로 하는 단말.
  18. 제14항에 있어서,
    상기 동영상 관련 데이터는 상기 동영상 데이터 또는 상기 동영상 데이터의 오디오 데이터 및 일정 주기를 가지는 시간 구간의 이미지 데이터인 것을 특징으로 하는 방법.
  19. 제14항에 있어서,
    신(scene)은 상기 동영상 데이터의 이미지 데이터를 기반으로 상기 이미지 데이터의 일정 시간 구간마다 확인되며,
    상기 신을 기반으로 상기 일정 시간 구간마다 후처리 모델이 결정되는 것을 특징으로 하는 방법.
  20. 제19항에 있어서,
    상기 후처리 모델은 오디오 후처리를 수행하는 복수의 과정의 처리 순서 및 상기 복수의 과정에 대한 파라미터 정보의 집합인 것을 특징으로 하는 방법.
  21. 오디오 데이터를 처리하는 서버에 있어서,
    송수신부; 및
    단말로부터 동영상 관련 데이터를 수신하도록 상기 송수신부를 제어하고,
    상기 동영상 관련 데이터에 포함된 이미지 데이터를 기반으로 상기 이미지 데이터의 일정 시간 구간마다 신(scene)을 확인하고, 상기 확인된 신을 기반으로 상기 일정 시간 구간마다 후처리 모델을 선택하고, 상기 선택된 후처리 모델을 이용해 상기 동영상 관련 데이터에 포함된 오디오 데이터의 후처리를 수행하고, 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터를 상기 단말로 전송하도록 상기 송수신부를 제어하는 상기 송수신부와 연결된 제어부를 포함하는 것을 특징으로 하는 서버.
  22. 제21항에 있어서,
    상기 제어부는 상기 선택된 후처리 모델을 이용해 오디오 데이터 샘플을 생성하고, 상기 오디오 데이터 샘플을 상기 단말로 전송하도록 상기 송수신부를 더 제어하고,
    상기 오디오 데이터 샘플은 일정 시간 구간의 이미지 데이터와 상기 일정 시간 구간의 후처리가 수행된 오디오 데이터를 포함하는 것을 특징으로 하는 서버.
  23. 제22항에 있어서,
    상기 제어부는 상기 단말로부터 사용자의 피드백을 수신하도록 상기 송수신부를 더제어하고,
    상기 사용자의 피드백이 사용자의 만족을 지시하는 경우, 상기 후처리가 수행된 오디오 데이터를 포함하는 데이터는 상기 오디오 데이터 샘플과 같은 후처리가 수행된 전체 오디오 데이터인 것을 특징으로 하는 서버.
  24. 제22항에 있어서,
    상기 제어부는 상기 단말로부터 사용자의 피드백을 수신하도록 상기 송수신부를 제어하고, 상기 사용자의 피드백이 보완 요청을 지시할 경우, 상기 보완 요청을 기반으로 후처리 모델을 재선택하고, 상기 재선택된 후처리 모델을 이용해 상기 오디오 데이터의 후처리를 수행하도록 더 제어하는 것을 특징으로 하는 서버.
  25. 제21항에 있어서,
    상기 동영상 관련 데이터는 상기 동영상 데이터 또는 상기 동영상 데이터의 오디오 데이터 및 일정 주기를 가지는 시간 구간의 이미지 데이터인 것을 특징으로 하는 서버.
  26. 제21항에 있어서,
    상기 후처리 모델은 오디오 후처리를 수행하는 복수의 과정의 처리 순서 및 상기 복수의 과정에 대한 파라미터 정보의 집합인 것을 특징으로 하는 서버.
KR1020190002951A 2019-01-09 2019-01-09 네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치 KR20200086569A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190002951A KR20200086569A (ko) 2019-01-09 2019-01-09 네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치
PCT/KR2020/000348 WO2020145667A2 (ko) 2019-01-09 2020-01-08 네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치
US17/420,841 US20220095009A1 (en) 2019-01-09 2020-01-08 Method and apparatus for controlling audio sound quality in terminal using network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190002951A KR20200086569A (ko) 2019-01-09 2019-01-09 네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20200086569A true KR20200086569A (ko) 2020-07-17

Family

ID=71522308

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190002951A KR20200086569A (ko) 2019-01-09 2019-01-09 네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치

Country Status (3)

Country Link
US (1) US20220095009A1 (ko)
KR (1) KR20200086569A (ko)
WO (1) WO2020145667A2 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532856B (zh) * 2019-09-17 2023-10-17 中兴通讯股份有限公司 一种拍摄方法、装置和系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040075447A (ko) * 2003-02-21 2004-08-30 대한민국(전남대학교총장) 이동통신 기반의 음성인식 시스템 및 방법
US7801910B2 (en) * 2005-11-09 2010-09-21 Ramp Holdings, Inc. Method and apparatus for timed tagging of media content
US8774598B2 (en) * 2011-03-29 2014-07-08 Sony Corporation Method, apparatus and system for generating media content
US8531602B1 (en) * 2011-10-19 2013-09-10 Google Inc. Audio enhancements for media
US9300910B2 (en) * 2012-12-14 2016-03-29 Biscotti Inc. Video mail capture, processing and distribution
KR20140126556A (ko) * 2013-04-23 2014-10-31 주식회사 엘지유플러스 감성 기반 멀티미디어 재생을 위한 장치, 서버, 단말, 방법, 및 기록 매체
US9819429B2 (en) * 2014-10-21 2017-11-14 Qualcomm Innovation Center, Inc. Efficient load sharing and accelerating of audio post-processing
KR101700040B1 (ko) * 2015-07-06 2017-01-25 한국과학기술원 이미지 기반 동영상 콘텐츠 제공 방법 및 그 시스템
KR20180110971A (ko) * 2017-03-30 2018-10-11 엘지전자 주식회사 홈 어플라이언스, 및 음성 인식 모듈
CN111201567A (zh) * 2017-08-10 2020-05-26 费赛特实验室有限责任公司 用于与数字媒体内容交互的口语、面部和姿势通信设备和计算体系架构

Also Published As

Publication number Publication date
US20220095009A1 (en) 2022-03-24
WO2020145667A3 (ko) 2020-09-17
WO2020145667A2 (ko) 2020-07-16

Similar Documents

Publication Publication Date Title
US20180277133A1 (en) Input/output mode control for audio processing
US10904637B2 (en) Embedded rendering engine for media data
US10699747B2 (en) System and method for recording a video scene within a predetermined video framework
US11474775B2 (en) Sound effect adjustment method, device, electronic device and storage medium
CN104618446A (zh) 一种实现多媒体推送的方法和装置
US10283114B2 (en) Sound conditioning
JP2022505850A (ja) オーディオ特性の解析に基づいてオーディオ再生設定を調節するための方法及び装置
US10728688B2 (en) Adaptive audio construction
US20220101623A1 (en) Room Acoustics Simulation Using Deep Learning Image Analysis
US9456055B2 (en) Apparatus and method for communicating media content
US20170148438A1 (en) Input/output mode control for audio processing
KR20190083624A (ko) 생체 인식 개인화된 오디오 프로세싱 시스템
EP3874911B1 (en) Determining light effects based on video and audio information in dependence on video and audio weights
KR20200086569A (ko) 네트워크를 이용한 단말에서의 오디오 음질 제어 방법 및 장치
CN110392297B (zh) 视频处理方法及设备、存储介质、终端
US10389323B2 (en) Context-aware loudness control
WO2017121245A1 (zh) 环绕立体声实现方法、电子设备及存储介质
JP2009260718A (ja) 画像再生装置及び画像再生処理プログラム
CN116107537A (zh) 一种音频质量调整方法和装置、电子设备及存储介质
CN113112998B (zh) 模型训练方法、混响效果复现方法、设备及可读存储介质
CN110622517A (zh) 视频处理方法及设备
CN108605196B (zh) 用于输出音频信号的系统和关联方法以及调整设备
US11848655B1 (en) Multi-channel volume level equalization based on user preferences
CN109672962B (zh) 一种信息处理方法和电子设备
CN114449341B (zh) 音频处理方法、装置、可读介质及电子设备

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal