KR20210048270A - 복수 객체에 대한 오디오 포커싱 방법 및 장치 - Google Patents
복수 객체에 대한 오디오 포커싱 방법 및 장치 Download PDFInfo
- Publication number
- KR20210048270A KR20210048270A KR1020190132342A KR20190132342A KR20210048270A KR 20210048270 A KR20210048270 A KR 20210048270A KR 1020190132342 A KR1020190132342 A KR 1020190132342A KR 20190132342 A KR20190132342 A KR 20190132342A KR 20210048270 A KR20210048270 A KR 20210048270A
- Authority
- KR
- South Korea
- Prior art keywords
- interest
- objects
- importance
- electronic device
- user
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013528 artificial neural network Methods 0.000 claims description 48
- 230000015654 memory Effects 0.000 claims description 40
- 230000000694 effects Effects 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 16
- 238000011017 operating method Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 14
- 238000013527 convolutional neural network Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000011176 pooling Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 210000000225 synapse Anatomy 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000007774 longterm Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000010454 slate Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04S—STEREOPHONIC SYSTEMS
- H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control
- H04S7/30—Control circuits for electronic adaptation of the sound field
- H04S7/302—Electronic adaptation of stereophonic sound system to listener position or orientation
- H04S7/303—Tracking of listener position or orientation
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
- G02B27/0172—Head mounted characterised by optical features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
-
- 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
- G10L21/0272—Voice signal separating
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2201/00—Details of transducers, loudspeakers or microphones covered by H04R1/00 but not provided for in any of its subgroups
- H04R2201/40—Details of arrangements for obtaining desired directional characteristic by combining a number of identical transducers covered by H04R1/40 but not provided for in any of its subgroups
- H04R2201/401—2D or 3D arrays of transducers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
- H04R2499/10—General applications
- H04R2499/11—Transducers incorporated or for use in hand-held devices, e.g. mobile phones, PDA's, camera's
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
- H04R2499/10—General applications
- H04R2499/15—Transducers incorporated in visual displaying devices, e.g. televisions, computer displays, laptops
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Otolaryngology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Optics & Photonics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
본 발명은 복수 관심 대상 객체에 대하여 오디오 포커싱을 제공하는 장치 및 방법에 관한 것으로, 전자 장치의 동작 방법은 동영상을 촬영하는 동작, 상기 동영상을 디스플레이부에 표시하는 동작, 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심대상 객체를 획득하는 동작, 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작, 상기 복수의 관심 대상 객체의 위치 정보를 획득하는 동작 및 상기 복수의 관심 대상 객체의 중요도 및 위치 정보에 기초하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는 동작을 포함할 수 있으며, 이에 의해 전자 장치의 동영상 촬영에서 복수의 관심 대상에 오디오 포커싱을 제공할 수 있어 만족스러운 촬영물 제작이 가능하도록 할 수 있다.
Description
다양한 실시 예들은 복수 관심 대상 객체에 대하여 오디오 포커싱을 제공하는 장치 및 방법에 관한 것이다.
최근의 전자 장치들은 카메라를 이용하여 촬영을 하면서, 동시에 소리들을 획득하기 위한 마이크로폰들을 갖추고 있다. 일반적으로 마이크로폰은 원하는 소리와 함께 잡음(noise)으로 작용하는 주변의 다양한 소리도 함께 획득하게 된다. 따라서, 사용자의 만족감 확대를 위하여는 원하는 소리만을 획득하도록 하기 위한 오디오 포커싱(audio focusing) 기술이 필요하다.
최근 오디오 포커싱 관련한 제품이 나오고 있으나 아직까지는 수동 또는 영상의 조절에 연동하여 선택된 하나의 객체가 있는 방향으로만 오디오 포커싱을 수행하도록 하고 있다.
전자 장치의 동영상 촬영에서 복수의 관심 대상이 있을 수 있으나, 복수의 관심 대상에 대한 오디오 포커싱(audio focusing)이 불가능한 현재의 장치들은 만족스러운 촬영물을 제공하는 데 한계가 있다.
본 발명의 다양한 실시 예는 복수의 관심 대상에 대한 오디오 포커싱이 가능한 전자 장치 및 방법을 제공할 수 있다.
또한, 본 발명의 다양한 실시 예는 복수의 관심 대상에 오디오 포커싱을 수행할 수 있도록 하는 사용자 인터페이스를 가지는 전자 장치를 제공할 수 있다.
또한, 본 발명의 다양한 실시 예는, 복수의 관심 대상에 대한 오디오 포커싱 배분을 수행할 수 있는 전자 장치 및 방법을 제공할 수 있다.
본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 다양한 실시 예들에 따르면, 전자 장치는 동영상을 촬영하는 촬영부, 복수의 마이크로폰으로 구성되는 마이크로폰, 상기 동영상을 표시하는 디스플레이부, 사용자의 입력을 수신하는 입력부 및 상기 촬영부, 상기 마이크로폰 어레이, 상기 출력부 및 상기 입력부와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 촬영부에서 촬영하는 동영상을 상기 디스플레이부에 표시하고, 상기 입력부를 통한 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심 대상 객체를 획득하고, 상기 복수의 관심 대상 객체의 중요도를 설정하고, 상기 복수의 관심 대상 객체의 위치 정보를 획득하고, 상기 복수의 관심 대상 객체의 중요도 및 위치 정보에 기초하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분할 수 있다.
본 발명의 다양한 실시 예들에 따르면, 전자 장치의 동작 방법은 동영상을 촬영하는 동작, 상기 동영상을 디스플레이부에 표시하는 동작, 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심대상 객체를 획득하는 동작, 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작, 상기 복수의 관심 대상 객체의 위치 정보를 획득하는 동작 및 상기 복수의 관심 대상 객체의 중요도 및 위치 정보에 기초하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는 동작을 포함할 수 있다.
다양한 실시 예들에 따라, 전자 장치는 복수의 관심 대상 및 각 관심 대상에 대한 중요도를 입력받을 수 있는 사용자 인터페이스를 제공하고, 복수의 관심 대상에 대해 중요도 및/또는 위치에 따라 오디오 포커싱을 배분할 수 있다.
다양한 실시 예들에 따라, 전자 장치의 동영상 촬영에서 복수의 관심 대상에 오디오 포커싱을 제공할 수 있어 만족스러운 촬영물 제작이 가능하도록 할 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 다양한 실시 예에 따른 복수의 객체에 대한 오디오 포커싱을 수행할 수 있는 전자 장치의 블록도이다.
도 2는 완전 연결된 인공 신경망 구조의 일 예를 도시한 도면이다.
도 3은 심층 신경망의 일종인 합성곱 신경망(convolutional neural network, CNN) 구조의 일 예를 도시한 도면이다.
도 4는 다양한 실시 예들에 따른 전자 장치의 적어도 하나의 프로세서에서 수행하는 구성요소들을 도시한 블록도이다.
도 5a 내지 5d는 다양한 실시 예에 따라, 복수의 관심 대상 개체에 대한 오디오 포커싱을 위해 사용자의 입력을 수신하는 사용자 인터페이스를 도시한 도면이다.
도 6은 사용자 인터페이스부가 관심 대상 객체에 설정된 중요도를 표시하는 일 예를 도시한 도면이다.
도 7은 다양한 실시 예들에 따라, 오디오 포커싱 제어부가 관심 대상 객체의 위치 및 중요도에 기초하여 마이크로폰의 활성도를 조정한 일 예를 도시한 도면이다.
도 8은 다양한 실시 예에 따른, 전자 장치가 복수의 관심 대상 객체에 오디오 포커싱을 배분하는 동작을 도시한 흐름도이다.
도 9는 다양한 실시 예에 따른, 전자 장치(100)가 인공 신경망 모델을 이용하여자동으로 관심 대상 객체의 중요도를 설정하는 동작을 도시한 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 2는 완전 연결된 인공 신경망 구조의 일 예를 도시한 도면이다.
도 3은 심층 신경망의 일종인 합성곱 신경망(convolutional neural network, CNN) 구조의 일 예를 도시한 도면이다.
도 4는 다양한 실시 예들에 따른 전자 장치의 적어도 하나의 프로세서에서 수행하는 구성요소들을 도시한 블록도이다.
도 5a 내지 5d는 다양한 실시 예에 따라, 복수의 관심 대상 개체에 대한 오디오 포커싱을 위해 사용자의 입력을 수신하는 사용자 인터페이스를 도시한 도면이다.
도 6은 사용자 인터페이스부가 관심 대상 객체에 설정된 중요도를 표시하는 일 예를 도시한 도면이다.
도 7은 다양한 실시 예들에 따라, 오디오 포커싱 제어부가 관심 대상 객체의 위치 및 중요도에 기초하여 마이크로폰의 활성도를 조정한 일 예를 도시한 도면이다.
도 8은 다양한 실시 예에 따른, 전자 장치가 복수의 관심 대상 객체에 오디오 포커싱을 배분하는 동작을 도시한 흐름도이다.
도 9는 다양한 실시 예에 따른, 전자 장치(100)가 인공 신경망 모델을 이용하여자동으로 관심 대상 객체의 중요도를 설정하는 동작을 도시한 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 '모듈' 또는 '부'는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, '모듈' 또는 '부'는 소프트웨어 구성요소 또는 FPGA(field programmable gate array), ASIC(application specific integrated circuit)과 같은 하드웨어 구성요소를 의미할 수 있으며, '부' 또는 '모듈'은 어떤 역할들을 수행한다. 그렇지만 '부' 또는 '모듈'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '부' 또는 '모듈'은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '부' 또는 '모듈'은 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 포함할 수 있다. 구성요소들과 '부' 또는 '모듈'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '부' 또는 '모듈'들로 결합되거나 추가적인 구성요소들과 '부' 또는 '모듈'들로 더 분리될 수 있다.
본 발명의 몇몇 실시예들과 관련하여 설명되는 방법 또는 알고리즘의 단계는 프로세서에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM, 또는 당업계에 알려진 임의의 다른 형태의 기록 매체에 상주할 수도 있다. 예시적인 기록 매체는 프로세서에 커플링되며, 그 프로세서는 기록 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 기록 매체는 프로세서와 일체형일 수도 있다. 프로세서 및 기록 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC은 사용자 단말기 내에 상주할 수도 있다.
본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
이하에서 설명하는 오디오 포커싱(focusing)은 오디오 줌잉(zooming)으로도 칭해지는 것으로서, 특정 객체의 음성을 주변의 다른 객체에 의한 음성보다 강조하여 취득할 수 있도록 마이크로폰 어레이의 방향을 해당 특정 객체로 지향(focusing)하여 주는 기술이라 정의할 수 있다.
또한, 오디오 포커싱을 배분한다는 것은 복수의 관심 대상 객체에 의한 음성을 강조하여 취득하고자 하는 경우, 각각의 관심 대상 객체로 마이크로폰 어레이의 방향을 지향하여 주는 정도를 나누어 줌으로써 복수의 관심 대상 객체의 음성을 주변의 다른 객체에 의한 음성보다 강조하여 취득할 수 있도록 하는 기술로 정의할 수 있다.
도 1은 다양한 실시 예에 따른 복수의 객체에 대한 오디오 포커싱을 수행할 수 있는 전자 장치(100)의 블록도이다.
도 1에 도시된 전자 장치(100)는 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 인공 지능 기기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 인공 지능 기기 (smartwatch), 글래스형 인공 지능 기기 (smart glass), HMD(head mounted display)) 등과 같은 이동 전자 장치 또는 냉장고, 세탁기, 스마트 TV, 데스크탑 컴퓨터, 디지털 사이니지 등과 같은 고정 전자 장치일 수 있다. 또한, 전자 장치(100)는 고정 또는 이동 가능한 로봇일 수 있다.
도 1에 도시된 전자 장치(100)의 구성은 일실시 예로, 각각의 구성 요소는 하나의 칩, 부품 또는 전자 회로로 구성되거나, 칩, 부품 또는 전자 회로의 결합으로 구성될 수 있다. 다른 일실시 예에 따라, 도 1에 도시된 구성요소의 일부는 몇 개의 구성요소로 분리되어 서로 다른 칩 또는 부품 또는 전자 회로로 구성될 수 있으며, 또는 몇 개의 구성요소가 결합되어 하나의 칩, 부품 또는 전자 회로로 구성될 수도 있다. 또한, 다른 일실시 예에 따라, 도 1에 도시된 구성요소의 일부가 삭제될 수 있거나 또는 도 1에 도시되지 않은 구성요소가 추가될 수도 있다. 예를 들면, 퍼스널 컴퓨터의 경우 도 1에 도시된 무선 통신부(110)는 삭제될 수 있고 대신에, 이더넷 및/또는 LAN을 포함하는 유선 통신부가 추가될 수 있다.
도 1을 참조하면, 다양한 실시 예에 따른 전자 장치(100)는 무선 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 인터페이스부(160), 메모리(170), 프로세서(180) 및 전원 공급부(190)를 포함할 수 있다.
다양한 실시 예에 따르면, 무선 통신부(110)는 방송 수신 모듈(111), 이동통신 모듈(112), 무선 인터넷 모듈(113), 근거리 통신 모듈(114), 위치정보 모듈(115) 중 적어도 하나를 포함할 수 있다.
방송 수신 모듈(111)은 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 및/또는 방송 관련된 정보를 수신할 수 있다.
이동통신 모듈(112)은, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 데이터 통신을 위하여 무선 신호를 송수신할 수 있다.
무선 인터넷 모듈(113)은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 전자 장치(100)에 내장되거나 외장될 수 있다. 무선 인터넷 모듈(113)은 무선 인터넷 기술들에 따른 통신망에서 데이터 통신을 위하여 무선 신호를 송수신할 수 있다.
무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있다.
근거리 통신 모듈(114)은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.
위치정보 모듈(115)은 전자 장치(100)의 위치(또는 현재 위치)를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Positioning System) 모듈 또는 WiFi(Wireless Fidelity) 모듈이 있다. 예를 들어, 전자 장치(100)는 GPS모듈을 활용하면, GPS 위성에서 보내는 신호를 이용하여 전자 장치(100)의 위치를 획득할 수 있다.
입력부(120)는 영상 신호 입력을 위한 카메라(121), 오디오 신호를 수신하기 위한 마이크로폰(122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(123)를 포함할 수 있다. 일실시 예에 따라, 카메라(121)는 서로 다른 방향을 촬영하는 복수의 카메라를 포함할 수 있고, 마이크로폰(122)은 지향성 마이크로폰 어레이를 구성하는 복수의 마이크로폰을 포함할 수 있다.
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어명령으로 처리될 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(151)에 표시되거나 메모리(170)에 저장될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 전자 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 구현될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 전자 장치(100)의 동작을 제어할 수 있다.
사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 기계식 키, 예를 들어, 전자 장치(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
센싱부(140)는 전자 장치(100) 내 정보, 전자 장치(100)를 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱 하기 위한 하나 이상의 센서를 포함할 수 있다.
예를 들어, 센싱부(140)는 근접센서, 조도 센서, 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor, 예를 들어, 카메라(121 참조)), 마이크로폰(microphone, 122 참조), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 본 명세서에 개시된 전자 장치(100)는, 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부(151), 음향 출력부(152), 햅틱(haptic) 모듈(153), 광 출력부(154) 중 적어도 하나를 포함할 수 있다.
디스플레이부(151)는 전자 장치(100)에서 처리되는 정보를 표시(출력)한다. 예를 들어, 디스플레이부(151)는 전자 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 전자 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 전자 장치(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
음향 출력부(152)는 호 신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 무선 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.
음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.
햅틱 모듈(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킬 수 있다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.
광 출력부(154)는 전자 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. 전자 장치(100)에서 발생되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
인터페이스부(160)는 전자 장치(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행한다. 이러한 인터페이스부(160)는, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port) 중 적어도 하나를 포함할 수 있다. 전자 장치(100)에서는, 상기 인터페이스부(160)에 외부 기기가 연결되는 것에 대응하여, 연결된 외부 기기와 관련된 적절할 제어를 수행할 수 있다.
한편, 식별 모듈은 전자 장치(100)의 사용 권한을 인증하기 위한 각종 정보를 저장한 칩으로서, 사용자 인증 모듈(user identify module; UIM), 가입자 인증 모듈(subscriber identity module; SIM), 범용 사용자 인증 모듈(universal subscriber identity module; USIM) 등을 포함할 수 있다. 식별 모듈이 구비된 장치(이하 '식별 장치')는, 스마트 카드(smart card) 형식으로 제작될 수 있다. 따라서 식별 장치는 상기 인터페이스부(160)를 통하여 전자 장치(100)와 연결될 수 있다.
메모리(170)는 전자 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 메모리(170)는 전자 장치(100)에서 구동되는 복수의 응용 프로그램(application program) 또는 애플리케이션(application), 전자 장치(100)의 동작을 위한 데이터들, 명령어들, 러닝 프로세서(130)의 동작을 위한 데이터들(예를 들어, 기계 학습(machine running)을 위한 적어도 하나의 알고리즘 정보 등)을 저장할 수 있다.
전원공급부(190)는 프로세서(180)의 제어 하에서, 외부의 전원, 내부의 전원을 인가받아 전자 장치(100)에 포함된 각 구성요소들에 전원을 공급할 수 있다. 이러한 전원공급부(190)는 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체 가능한 형태의 배터리가 될 수 있다.
프로세서(180)는 데이터 분석 및 기계 학습 알고리즘을 사용하여 결정되거나, 생성된 정보에 기초하여 전자 장치(100)의 적어도 하나의 실행 가능한 동작을 결정 또는 예측할 수 있다. 이를 위해, 프로세서(180)는 러닝 프로세서(130)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 전자 장치(100)를 제어할 수 있다.
프로세서(180)는 지능적 에뮬레이션(즉, 지식 기반 시스템, 추론 시스템 및 지식 획득 시스템)을 구현하는 다양한 기능을 수행할 수 있다. 이는 적응 시스템, 기계 학습 시스템, 인공 신경망 등을 포함하는, 다양한 유형의 시스템(예컨대, 퍼지 논리 시스템)에 적용될 수 있다.
프로세서(180)는, 또한 I/O 처리 모듈, 환경 조건 모듈, 음성-텍스트 (speech-to-text, STT) 처리 모듈, 자연어 처리(natural language processing, NLP) 모듈, 작업 흐름 처리 모듈 및 서비스 처리 모듈과 같이, 음성 및 자연 언어 음성 처리를 수반하는 연산을 가능하게 하는 서브 모듈을 포함할 수 있다.
이들 서브 모듈들 각각은, 전자 장치(100)에서의 하나 이상의 시스템 또는 데이터 및 모델, 또는 이들의 서브 셋(subset) 또는 수퍼 셋(super set)에 대한 액세스를 가질 수 있다. 또한, 이들 서브 모듈들 각각은, 어휘 색인, 사용자 데이터, 작업 흐름 모델, 서비스 모델 및 자동 음성 인식 (automatic speech recognition, ASR) 시스템을 비롯한 다양한 기능을 제공할 수 있다.
다른 실시 예에서, 프로세서(180) 또는 전자 장치(100)의 다른 양태는 상기 서브 모듈, 시스템, 또는 데이터 및 모델로 구현될 수 있다.
일부 예에서, 러닝 프로세서(130)의 데이터에 기초하여, 프로세서(180)는 사용자 입력 또는 자연 언어 입력으로 표현된 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항을 검출하고 감지하도록 구성될 수 있다.
프로세서(180)는 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항을 완전히 결정하는데 필요한 정보를 능동적으로 이끌어 내고, 획득할 수 있다. 예를 들어, 프로세서(180)는 역사적 입력 및 출력, 패턴 매칭, 모호하지 않은 단어, 입력 의도 등을 포함하는 과거 데이터를 분석함으로써 요구 사항을 결정하는데, 필요한 정보를 능동적으로 이끌어낼 수 있다.
프로세서(180)는 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항에 응답하는 기능을 실행하기 위한 동작의 흐름을 결정할 수 있다.
프로세서(180)는 러닝 프로세서(130)에서 프로세싱 및 저장을 위한 정보를 수집하기 위해, 전자 장치(100)에서 하나 이상의 감지 컴포넌트를 통해 데이터 분석 및 기계 학습 작업에 사용되는 신호 또는 데이터를 수집, 감지, 추출, 검출 및/또는 수신하도록 구성될 수 있다.
정보 수집은 센서를 통해 정보를 감지하는 것, 메모리(170)에 저장된 정보를 추출하는 것 또는 통신 수단을 통해 다른 전자 장치, 엔티티 또는 외부 저장 장치로부터 정보를 수신하는 것을 포함할 수 있다.
프로세서(180)는 전자 장치(100)의 사용 히스토리 정보를 수집하여, 저장할 수 있다.
프로세서(180)는 저장된 사용 히스토리 정보 및 예측 모델링을 사용하여 특정 기능을 실행하기 위한 최상의 매치를 결정할 수 있다.
프로세서(180)는 센싱부(140)를 통해 주변 환경 정보 또는 기타 정보를 수신하거나 감지할 수 있다.
프로세서(180)는 무선 통신부(110)를 통해 방송 신호 및/또는 방송 관련 정보, 무선 신호, 무선 데이터를 수신할 수 있고, 외부 전자 장치와 통신할 수 있다.
프로세서(180)는 입력부(120)로부터 이미지 정보 (또는 해당 신호), 오디오 정보 (또는 해당 신호), 데이터 또는 사용자 입력 정보를 수신할 수 있다.
프로세서(180)는 정보를 실시간으로 수집하고, 정보(예를 들어, 지식 그래프, 명령 정책, 개인화 데이터베이스, 대화 엔진 등)를 처리 또는 분류하고, 처리된 정보를 메모리(170) 또는 러닝 프로세서(130)에 저장할 수 있다.
전자 장치(100)의 동작이 데이터 분석 및 기계 학습 알고리즘 및 기술에 기초하여 결정될 때, 프로세서(180)는 결정된 동작을 실행하기 위해 전자 장치(100)의 구성 요소를 제어할 수 있다. 그리고 프로세서(180)는 제어 명령에 따라 전자 장치(100)를 제어하여 결정된 동작을 수행할 수 있다.
프로세서(180)는 특정 동작이 수행되는 경우, 데이터 분석 및 기계 학습 알고리즘 및 기법을 통해 특정 동작의 실행을 나타내는 이력 정보를 분석하고, 분석된 정보에 기초하여 이전에 학습한 정보의 업데이트를 수행할 수 있다.
따라서, 프로세서(180)는 러닝 프로세서(130)과 함께, 업데이트 된 정보에 기초하여 데이터 분석 및 기계 학습 알고리즘 및 기법의 미래 성능의 정확성을 향상시킬 수 있다.
프로세서(180)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 전자 장치(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(180)는 전자 장치(100)의 상태가 설정된 조건을 만족하면, 애플리케이션들에 대한 사용자의 제어 명령의 입력을 제한하는 잠금 상태를 실행하거나, 해제할 수 있다.
프로세서(180)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(170)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
또한, 프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, 도 1에 도시된 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용프로그램의 구동을 위하여, 전자 장치(100)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작 시킬 수 있다.
러닝 프로세서(130)는 데이터 마이닝, 데이터 분석, 지능형 의사 결정, 및 기계 학습 알고리즘 및 기술을 위해 이용될 정보를 수신, 분류, 저장 및 출력하도록 구성될 수 있다.
러닝 프로세서(130)는 전자 장치(100)에 의해 수신, 검출, 감지, 생성, 사전 정의 또는 다른 방식으로 출력되거나 수신, 검출, 감지, 생성, 사전 정의 또는 다른 방식으로 다른 컴포넌트, 디바이스, 전자 장치 또는 전자 장치와 통신하는 장치에 의해 출력되는 데이터를 저장하도록 구성된 하나 이상의 메모리 유닛을 포함 할 수 있다.
러닝 프로세서(130)는 전자 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 일부 실시 예에서, 러닝 프로세서(130)는 메모리(170)를 사용하여 구현될 수 있다.
선택적으로 또는 부가 적으로, 러닝 프로세서(130)는 전자 장치(100)에 직접 결합된 외부 메모리 또는 전자 장치(100)와 통신하는 서버에서 유지되는 메모리와 같이 전자 장치(100)와 관련된 메모리를 사용하여 구현될 수 있다.
다른 실시 예에서, 러닝 프로세서(130)는 클라우드 컴퓨팅 환경에서 유지되는 메모리, 또는 네트워크와 같은 통신 방식을 통해 전자 장치(100)에 의해 액세스 가능한 다른 원격 메모리 위치를 이용하여 구현될 수 있다.
러닝 프로세서(130)는 일반적으로 지도 학습, 비지도 학습, 강화 학습, 데이터 마이닝, 예측 분석 또는 다른 전자 장치에서 사용하기 위해 데이터를 식별, 색인화, 카테고리화, 조작, 저장, 검색 및 출력하기 위해 데이터를 하나 이상의 데이터베이스에 저장하도록 구성될 수 있다.
러닝 프로세서(130)에 의해 저장된 정보는 다양한 상이한 유형의 데이터 분석 알고리즘 및 기계 학습 알고리즘 중 임의의 것을 사용하여 프로세서(180) 또는 전자 장치(100)의 하나 이상의 다른 제어기에 의해 이용될 수 있다.
이러한, 알고리즘의 예로는, k-최근 인접 시스템, 퍼지 논리 (예: 가능성 이론), 신경 회로망, 볼츠만 기계, 벡터 양자화, 펄스 신경망, 지원 벡터 기계, 최대 마진 분류기, 힐 클라이밍, 유도 논리 시스템 베이지안 네트워크, 페리트넷 (예: 유한 상태 머신, 밀리 머신, 무어 유한 상태 머신), 분류기 트리 (예: 퍼셉트론 트리, 지원 벡터 트리, 마코프 트리, 의사 결정 트리 포리스트, 임의의 포리스트), 판돈 모델 및 시스템, 인공 융합, 센서 융합, 이미지 융합, 보강 학습, 증강 현실, 패턴 인식, 자동화된 계획 등을 포함할 수 있다.
러닝 프로세서(130)는 기계 학습 알고리즘에서 사용하는 인공 신경망(artificial neural network, ANN) 모델을 메모리에 저장할 수 있고, 인공 신경망 모델을 학습시킨 학습 모델을 생성하여 메모리에 저장하고 있을 수 있으며, 학습 모델을 이용하여 입력되는 데이터에 기초하여 분류, 검출, 인지와 같은 작업을 수행할 수 있다.
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 기계 학습은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 기계 학습은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망은 기계 학습에서 사용되는 모델로서, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력 값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
도 2는 완전 연결된 인공 신경망 구조의 일 예를 도시한 도면이다.
도 2를 참조하면, 인공 신경망은 입력 층(Input Layer)(10), 출력 층(Output Layer)(20), 그리고 선택적으로 하나 이상의 은닉 층(Hidden Layer)(31, 33)을 포함할 수 있다. 각 층은 신경망의 뉴런에 대응되는 하나 이상의 노드를 포함하고, 인공 신경망은 한 층의 노드와 다른 층의 노드 간을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 노드는 시냅스를 통해 입력되는 입력 신호들을 받고, 각 입력 신호들에 대한 가중치 및 편향에 대한 활성 함수에 기초하여 출력 값을 생성할 수 있다. 각 노드의 출력 값은 시냅스를 통해 다음 층의 입력 신호로 작용할 수 있다. 한 층의 모든 노드와 다음 층의 모든 노드가 시냅스를 통해 모두 연결된 경우의 인공 신경망을 완전 연결된 인공 신경망이라 칭할 수 있다.
인공 신경망 모델의 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함될 수 있다. 그리고, 하이퍼 파라미터는 기계 학습 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함될 수 있다.
인공 신경망 중에서 복수의 은닉 층을 포함하는 심층 신경망(deep neural network, DNN)으로 구현되는 기계 학습을 심층 학습(Deep Learning)이라 부르기도 하며, 심층 학습은 기계 학습의 일부이다. 이하에서, 기계 학습은 심층 학습을 포함하는 의미로 사용될 수 있다.
도 3은 심층 신경망의 일종인 합성곱 신경망(convolutional neural network, CNN) 구조의 일 예를 도시한 도면이다.
이미지, 동영상, 문자열과 같은 구조적 공간 데이터를 식별하는 데 있어서는 도 3에 도시된 것과 같은 합성곱 신경망 구조가 더 효과적일 수 있다. 합성곱 신경망은 이미지의 공간 정보를 유지하면서 인접 이미지와의 특징을 효과적으로 인식할 수 있다.
도 3을 참조하면, 합성곱 신경망은 특징 추출 층(60)과 분류 층(70)을 포함할 수 있다. 특징 추출 층(60)은 합성곱(convolution)을 이용하여 이미지에서 공간적으로 가까이에 위치한 것들을 합성하여 이미지의 특징을 추출할 수 있다.
특징 추출 층(60)은 합성곱 층(61, 65)과 풀링 층(63, 67)을 복수 개 쌓은 형태로 구성될 수 있다. 합성곱 층(61, 65)은 입력 데이터에 필터를 적용한 후 활성화 함수를 적용한 것일 수 있다. 합성곱 층(61, 65)은 복수의 채널을 포함할 수 있으며, 각각의 채널은 서로 상이한 필터 및/또는 서로 상이한 활성화 함수를 적용한 것일 수 있다. 합성곱 층(61, 65)의 결과는 특징 지도(feature map)일 수 있다. 특징 지도는 2차원 행렬 형태의 데이터일 수 있다. 풀링 층(63, 67)은 합성곱 층(61, 65)의 출력 데이터, 즉 특징 지도를 입력으로 받아서 출력 데이터의 크기를 줄이거나, 특정 데이터를 강조하는 용도로 사용될 수 있다. 풀링 층(63, 67)은 합성곱 층(61, 65)의 출력 데이터의 일부 데이터 중에서 가장 큰 값을 선택하는 맥스 풀링(max pooling), 평균값을 선택하는 평균 풀링(average pooling), 최소 값을 선택하는 민 풀링(min pooling)의 함수를 적용하여 출력 데이터를 생성할 수 있다.
일련의 합성곱 층과 풀링 층을 거치면서 생성되는 특징 지도는 그 크기가 점점 작아질 수 있다. 마지막 합성곱 층과 풀링 층을 거쳐 생성된 최종 특징 지도는 1차원 형태로 변환되어 분류 층(70)으로 입력될 수 있다. 분류 층(70)은 도 2에 도시된 완전 연결된 인공 신경망 구조일 수 있다. 분류 층(70)의 입력 노드의 개수는 최종 특징 지도의 행렬의 원소 수에 채널의 수를 곱한 것과 동일할 수 있다.
심층 신경망 구조로 상술한 합성곱 신경망 외에도 순환신경망(recurrent neural network, RNN), LSTM(long short term memory network), GRU(gated recurrent units)등이 사용될 수도 있다. 순환신경망은 순차적인 데이터를 학습하여 분류 또는 예측을 수행할 수 있는 것으로 내부에 순환 구조가 들어 있어 과거 시간의 학습이 가중치와 곱해져 현재 학습에 반영될 수 있은 구조이다. 따라서 현재의 출력 결과는 과거 시간에서의 출력 결과에 영향을 받으며, 은닉 층은 일종의 메모리 기능을 수행한다. 순환신경망은 음성 파형을 분석하여 기계 번역을 수행하거나, 텍스트의 문장 앞 뒤 성분을 파악하여 텍스트를 생성하거나, 음성 인식을 위해 사용될 수 있다.
인공 신경망 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다. 완전 연결된 인공 신경망의 경우, 학습에 의하여 각 시냅스의 가중치가 결정될 수 있으며, 합성곱 신경망의 경우, 학습에 의하여 특징 지도를 추출하기 위한 합성곱 층의 필터가 결정될 수 있다.
기계 학습은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
도 4는 다양한 실시 예들에 따른 전자 장치(100)의 적어도 하나의 프로세서에서 수행하는 구성요소들을 도시한 블록도이다. 도 4에 도시된 구성요소들은 도 1의 프로세서(180) 및/또는 러닝 프로세서(130)에 의해 실행될 수 있는 소프트웨어 프로그램 또는 어플리케이션 모듈일 수 있다. 일부 구성요소의 경우에는 해당 구성요소만을 실행하도록 제작된 별도의 칩, ASIC 또는 FPGA에 의해 구현될 수 있다. 이 경우, 해당 구성요소는 하드웨어 모듈로 고려될 수 있다. 또한, 적어도 하나의 프로세서는 일반적인 범용 프로세서, 특정 기능 또는 구성을 수행하도록 제작된 칩, ASIC, 또는 FPGA를 포함할 수 있다. 도 4에 도시된 구성은 일실시 예에 불과하다, 다른 일실시 예에 따라, 도 4에 도시된 하나의 구성요소가 몇 개의 구성요소로 분리될 수 있고, 또는 몇 개의 구성요소가 결합하여 하나의 구성요소를 이룰 수도 있다. 또한 다른 일실시 예에 따라, 도 4에 도시된 구성요소의 일부가 삭제될 수 있거나 또는 도 4에 도시되지 않은 구성요소가 추가될 수도 있다.
도 4를 참조하면, 전자 장치(100)는 사용자 인터페이스부(410), 촬영부(420), 관심 대상 설정부(430), 및 오디오 포커싱 제어부(450)를 포함할 수 있고, 추가적으로 음성 필터 모델링부(440)를 포함할 수 있다.
다양한 실시 예들에 따르면, 사용자 인터페이스부(410)는 사용자로부터 명령을 수신하거나, 출력부(150)를 제어하여 사용자에게 정보를 제공할 수 있다. 일실시 예에 따라, 사용자 인터페이스부(410)는 촬영부(420)에서 수신한 영상을 디스플레이부(151)의 화면에 표시되도록 출력부(150)를 제어할 수 있다. 또한 사용자 인터페이스부(410)는 사용자의 태그 입력 동작이 있는 경우, 태그 입력의 위치 정보를 획득할 수 있다. 일실시 예에 따라, 사용자 인터페이스부(410)는 터치스크린 상에서 사용자가 터치한 좌표 또는 마우스 클릭한 좌표 정보를 획득할 수 있다.
다양한 실시 예들에 따르면, 촬영부(420)는 동영상을 촬영할 수 있다. 촬영되는 동영상은 영상 데이터 및 음성 데이터를 포함할 수 있다. 촬영부(420)는 촬영한 동영상을 메모리(170)에 저장할 수 있다. 이때 사용자의 터치 입력이 있는 경우 사용자 인터페이스부(410)로부터 오는 터치 정보를 함께 연동하여 저장할 수 있다.
다양한 실시 예들에 따르면, 관심 대상 설정부(430)는 사용자의 입력에 기초하여 관심 대상 객체를 선택하고, 관심 대상 객체의 중요도를 설정할 수 있다. 또한, 오디오 포커싱 제어부(450)는 영상 내에서 선택된 관심 대상 객체의 분포 및 각 객체의 설정된 중요도에 기반하여 오디오 포커싱의 배분을 제어할 수 있다.
다양한 실시 예들에 따르면, 음성 필터 모델링부(440)가 추가될 수 있다. 음성 필터 모델링부(440)는 관심 대상 객체의 음성 데이터를 기반으로 음성 특징을 모델링하고, 각 관심 대상 객체의 음성을 강조할 수 있는 음성 필터를 생성할 수 있다. 음성 필터는 해당 관심 대상 객체의 음성이 들어오는 것으로 판단되는 경우 적용되어 해당 관심 대상 객체의 음성을 강조하는 데 사용될 수 있다.
도 5a 내지 5d는 다양한 실시 예에 따라, 복수의 관심 대상 개체에 대한 오디오 포커싱을 위해 사용자의 입력을 수신하는 사용자 인터페이스를 도시한 도면이다. 도 5a 내지 5d는 사용자 인터페이스부(410)의 제어에 따라 디스플레이부(151)의 화면에 표시될 수 있다.
도 5a는 카메라에서 촬영하는 동영상을 디스플레이부(151)의 화면에 표시하는 일실시 예를 도시한다. 도 5a를 참조하면, 일실시 예에 따라 프로세서(180)의 사용자 인터페이스부(410)는 카메라(121)가 촬영한 A 내지 G의 객체를 포함하는 영상을 디스플레이부(151)에 표시할 수 있다. 사용자는 디스플레이부(151)에 표시되는 객체들 중에서 오디오 포커싱을 할 복수의 객체를 선택할 수 있다. 또한, 사용자는 오디오 포커싱을 할 복수의 객체를 선택 시에 각 객체의 중요도도 함께 설정할 수 있다.
다양한 실시 예에 따라, 사용자는 객체 선택을 위한 단일 터치 입력, 객체 선택 및 해당 객체의 중요도 선택을 위한 긴 터치 입력, 선택한 객체를 취소하기 위한 이중 터치 입력을 수행할 수 있다. 긴 터치 입력은 터치 후 스와이핑으로 입력되거나 터치 후 일정 시간 유지하는 것으로 입력될 수 있다. 이때 스와이핑의 길이 또는 터치 후 유지된 시간 길이에 비례하여 해당 객체의 중요도가 결정될 수 있다. 다른 일실시 예에 따라, 사용자는 터치 스크린을 이용한 터치 입력 대신에 터치 스크린이 구비되지 아니한 전자 장치(100)에 대해서는 마우스 또는 다른 동등한 입력 도구를 사용하여 단일 터치(예: 단일 마우스 클릭), 긴 터치(예: 마우스 클릭 후 스와이핑), 이중 터치(예: 마우스 이중(double) 클릭) 입력과 동등한 동작을 수행할 수도 있다.
도 5b의 일실시 예에 따르면, 사용자의 입력에 기초하여 사용자 인터페이스부(410)는 객체 F에 대한 단일 터치 입력(511), 객체 E에 대한 단일 터치 입력(513) 및 객체 B에 대한 단일 터치 입력(515)이 있음을 알 수 있다. 사용자 인터페이스부(410)는 상술한 터치 입력을 관심 대상 설정부(430)로 전달할 수 있다. 관심 대상 설정부(430)는 오디오 포커싱을 위한 객체 선택만을 위한 사용자의 단일 터치 입력에 대응하여, 객체 B, E 및 F를 관심 대상 객체로 선정하고, 객체 B, E 및 F에 대해 오디오 포커싱에 있어서 동일한 중요도를 가지도록 설정할 수 있다.
다른 일실시 예에 따르면, 관심 대상 설정부(430)는 사용자가 관심 대상으로 선택한 객체(예: 도 5b의 B, E 및 F)에 대해 과거의 사용자의 선택 패턴에 기초하여 선택된 빈도수에 기초하여 각 객체의 중요도를 자동으로 설정할 수 있다. 이를 위하여 관심 대상 설정부(430)는 선택된 객체에 대한 객체 인식을 수행하고, 인식된 객체의 선택 빈도 수를 저장할 수 있다. 여기서 객체 인식은 도 3에 도시된 합성곱 신경망 모델을 기초로 한 인공 지능 기술을 이용하여 수행할 수 있다.
다른 일실시 예에 따르면, 관심 대상 설정부(430)는 사용자가 관심 대상으로 선택한 객체(예: 도 5b의 B, E 및 F)에 대해 저장되어 있는 동영상 또는 이미지에서 해당 객체가 나타나는 빈도 수에 기초하여 각 객체의 중요도를 자동으로 설정할 수 있다. 일실시 예에 따라, 관심 대상 설정부(430)는 사용자가 선택한 객체의 중요도를 자동으로 설정할 것인지에 대한 파라미터를 제공할 수 있고, 사용자는 별도의 어플리케이션 파라미터 설정을 위한 사용자 인터페이스에서 해당 파라미터를 설정할 수 있다.
도 5c의 일실시 예에 따르면, 사용자는 오디오 포커싱을 위한 관심 대상 객체 선택 및 해당 대상 객체의 중요도를 설정할 수 있다. 사용자 인터페이스부(410)는 사용자의 객체 F에 대한 터치 후 스와이핑 입력(527, 529), 사용자의 객체 E에 대한 터치 후 스와이핑 입력(523,525)) 및 사용자의 객체 B에 대한 단일 터치 입력(521)이 있음을 인식할 수 있다. 사용자 인터페이스부(410)는 인식한 정보를 관심 대상 설정부(430)로 전달할 수 있다. 관심 대상 설정부(430)는 터치 후 스와이핑 입력에서 스와이핑 길이에 비례하여 해당 객체의 중요도를 설정할 수 있다. 도 5c의 일실시 예에서 객체 E에 대한 스와이핑 길이보다 객체 F에 대한 스와이핑 길이가 긴 것에 기초하여 관심 대상 설정부(430)는 객체 E보다 객체 F에 대해 더 높은 중요도를 가지도록 설정할 수 있다. 관심 대상 설정부(430)는 객체 B에 대하여는 단일 터치 입력(521)만을 인식하였으므로 가장 낮은 중요도를 가지도록 설정할 수 있다. 다른 실시 예에 따라, 사용자 인터페이스부(410)는 터치 후 스와이핑 입력 대신에 터치 후 일정 시간 유지 입력을 인식할 수 있다. 그리고 관심 대상 설정부(430)는 유지된 시간 길이에 기초하여 각 관심 대상 객체의 중요도를 설정할 수 있다.
도 5d는 사용자의 터치 후 스와이핑 입력 시 프로세서(180)의 사용자 인터페이스부(410)가 해당 객체에 설정되는 중요도의 정도를 표시하여 주는 일 예를 도시한 도면이다.
사용자 인터페이스부(410)는 스와이핑 길이 또는 터치 유지 시간에 비례하여 중요도가 설정되는 정도를 표시하는 사용자 인터페이스(531, 535)를 디스플레이부(151)에 표시하여 사용자에게 제공할 수 있다. 사용자 인터페이스부(410)는 터치 후 스와이핑이 시작되는 시점에서 사용자 인터페이스(531, 535)를 디스플레이부(151)의 해당 객체 위에 또는 근처에 표시할 수 있으며, 처음 시작 시에는 가장 낮은 수준의 중요도를 표시하고, 스와이핑이 길어 짐에 따라 더 높은 수준의 중요도를 가지는 것으로 표시할 수 있다. 일실시 예에 따라, 사용자 인터페이스부(410)는 바 그래프(bar graph)를 표시할 수 있다. 예를 들면, 사용자 인터페이스부(410)는 스와이핑 시작 시에는 가장 낮은 수준의 중요도를 표시하기 위하여 모두 흰색인 바 그래프를 표시하다가 스와이핑 길이가 길어지면서 바 그래프가 점차적으로 증가하는 검은색 부분을 가지도록 표시할 수 있다. 사용자는 바 그래프에서 검은색 부분의 정도에 기초하여 설정된 중요도를 인지할 수 있다.
도 6은 사용자 인터페이스부(410)가 관심 대상 객체에 설정된 중요도를 표시하는 일 예를 도시한 도면이다.
도 6을 참조하면, 사용자 인터페이스부(410)는 사용자의 관심 객체 선택 및/또는 중요도 설정이 완료된 이후에, 설정 결과를 디스플레이부(151)에 표시할 수 있다. 도 6에 도시된 설정 결과는 상술한 사용자의 관심 객체 선택 및 중요도 설정에 의한 결과이거나 또는 사용자의 관심 객체 선택에 기초하여 프로세서(180)의 관심 대상 설정부(430)가 자동으로 중요도를 설정한 결과일 수 있다. 일실시 예에 따라, 사용자 인터페이스부(410)는 일정 시간 사용자의 입력이 없는 경우, 사용자의 관심 객체 선택 및/또는 중요도 설정이 완료되었다고 판단할 수 있다. 다른 일실시 예에 따라, 사용자 인터페이스부(410)는 객체가 없는 위치에서 사용자의 터치가 있는 경우 사용자의 관심 객체 선택 및/또는 중요도 설정이 완료되었다고 판단할 수 있다. 다른 일실시 예에 따라, 사용자 인터페이스부(410)는 디스플레이부(151)의 특정 위치에 표시되는 가상 키 또는 전자 장치(100)의 전/후면 또는 측면에 위치하는 버튼을 사용자가 터치하거나 누르는 경우 사용자의 관심 객체 선택 및/또는 중요도 설정이 완료되었다고 판단할 수 있다. 그리고 사용자 인터페이스부(410)는 사용자의 입력이 완료되었다는 신호를 관심 대상 설정부(430) 및 오디오 포커싱 제어부(450)로 전달할 수 있다.
다양한 실시 예들에 따르면, 오디오 포커싱 제어부(450)는 관심 대상 객체 및 중요도 설정이 완료되면, 디스플레이부(151)에 표시되고 있는 동영상 화면 내에서 관심 대상 객체의 분포를 판단할 수 있다. 일실시 예에 따라, 오디오 포커싱 제어부(450)는 화면 내 관심 대상 객체 각각의 중요도, 위치를 파악할 수 있다. 일실시 예에 따라, 위치는 전자 장치(100)를 원점으로 하는 좌표계 상의 (x, y) 좌표로 파악할 수도 있다. 관심 대상 객체의 위치 파악에 의하여 오디오 포커싱 제어부(450)는 관심 대상 객체의 방향과 거리를 파악할 수 있다. 그리고 오디오 포커싱 제어부(450)는 파악한 전체 분포에 기초하여 오디오 포커싱을 배분할 수 있다. 일실시 예에 따라, 오디오 포커싱 제어부(450)는 파악한 전체 분포에서 최적의 오디오 포커싱을 수행하기 위해 지향성 마이크로폰 어레이에 포함된 각 마이크로폰의 활성도를 조정함으로써 오디오 포커싱의 배분을 수행할 수 있다. 예를 들면, 오디오 포커싱 제어부(450)는 관심 대상 객체의 위치 또는 전자 장치로부터의 거리와 관심 대상 객체에 설정된 중요도에 기초하여 활성도를 조정할 수 있다.
도 7은 다양한 실시 예들에 따라, 오디오 포커싱 제어부(450)가 관심 대상 객체의 위치 및 중요도에 기초하여 마이크로폰의 활성도를 조정한 일 예를 도시한 도면이다.
도 7을 참조하면, 오디오 포커싱 제어부(450)는 왼쪽 상단에 위치한 객체 F가 가장 높은 중요도(711)를 가지고 오른쪽 상단에 위치한 객체 E가 다음의 중요도(713), 그리고 오른쪽 하단에 위치한 객체 B가 가장 낮은 중요도(715)를 가지게 설정되었다고 판단할 수 있다. 오디오 포커싱 제어부(450)는 관심 대상 객체의 위치와 중요도에 기초하여 마이크로폰(122a, 122b, 122c) 각각의 활성도를 조정하여 오디오 포커싱을 배분할 수 있다. 도 7의 일 예에 따르면, 오디오 포커싱 제어부(450)는 가장 높은 중요도를 가지는 객체 F를 향하는 마이크로폰(122c)에 대하여 높은 활성도(예: 80%)를 가지도록 조정하고, 객체 F보다 낮은 중요도를 가지는 객체 E 및 객체 B 쪽을 향해 있는 마이크로폰(122b)은 낮은 활성도(예: 30%)를 가지도록 조정할 수 있다. 또한, 가운데를 향하는 마이크로폰(122a)은 중간의 활성도(예: 50%)를 가지도록 조정할 수 있다. 도 7에 도시된 예와 같이 오디오 포커싱 제어부(450)는 중요도가 높은 관심 대상 객체를 향하는 마이크로폰(122c)에 대해 높은 활성도를 가지도록 조정함으로써 오디오 포커싱의 많은 부분을 중요도가 높은 관심 대상 객체에 배분할 수 있다.
다양한 실시 예들에 따르면, 프로세서(180)는 관심 대상 객체를 인식하고, 인식된 관심 대상 객체의 발화된 음성 특징에 맞추어 구성된 오디오 필터링을 추가적으로 적용할 수 있다. 일실시 예에 따라, 프로세서(180)의 음성 필터 모델링부(440)는 관심 대상 객체의 발화 음성에 대한 스펙트럼 분석을 통해, 발화 음성의 주요 주파수 대역을 파악할 수 있고, 이 결과에 기초하여 오디오 필터링을 구성할 수 있다. 전자 장치(100)는 인식된 관심대상 객체에 대해 대응하는 오디오 필터링을 추가함으로써 오디오 포커싱과 함께 관심대상 객체의 음성을 강조하여 취득하여 녹음할 수 있다.
오디오 포커싱 제어부(450)는 오디오 필터링 효과를 고려하여 마이크로폰의 활성도 조정을 수행할 수 있다. 일실시 예에 따라, 오디오 포커싱 제어부(450)는 오디오 필터링을 적용하고 마이크로폰의 활성도를 오디오 필터링을 적용하지 않았을 때보다 낮게 조정할 수 있다. 그 결과, 마이크로폰에서 획득한 대상 객체의 음성 및 주변 잡음의 크기는 줄어들지만 대상 객체의 음성은 오디오 필터링에 의해 강조될 수 있으므로, 오디오 필터링을 적용하지 않을 때보다 잡음은 줄이면서 유사한 크기의 대상 객체 음성을 획득할 수 있다.
다른 실시예에 따라, 오디오 포커싱을 적용하더라도 주변 잡음이 너무 가까워 관심 대상 객체의 음성이 강조되지 않는 경우, 오디오 포커싱 제어부(450)는 해당 관심 대상 객체로의 오디오 포커싱 배분은 낮추면서 오디오 필터링을 적용할 수 있다. 그 결과, 주변 잡음의 크기는 작게 하면서 해당 관심 대상 객체의 음성은 강조하여 취득할 수 있다.
다양한 실시 예들에 따르면, 전자 장치(예: 도 1의 전자 장치(100))는 동영상을 촬영하는 촬영부(예: 도 1의 카메라(121)), 복수의 마이크로폰으로 구성되는 마이크로폰 어레이(예: 도 1의 마이크로폰(122) 또는 도 4의 마이크로폰(122a, 122b, 122c)), 상기 동영상을 표시하는 디스플레이부(예: 도 1의 디스플레이부(151)), 사용자의 입력을 수신하는 입력부(예: 도 1의 사용자 입력부(123) 또는 센싱부(140)) 및 상기 촬영부, 상기 마이크로폰 어레이, 상기 출력부 및 상기 입력부와 작동적으로 연결되는 적어도 하나의 프로세서(예: 도 1의 프로세서(180), 러닝 프로세서(130))를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 상기 촬영부에서 촬영하는 동영상을 상기 디스플레이부에 표시하고, 상기 입력부를 통한 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심 대상 객체를 획득하고, 상기 복수의 관심 대상 객체의 중요도를 설정하고, 상기 복수의 관심 대상 객체의 위치 정보를 획득하고, 상기 복수의 관심 대상 객체의 중요도 및 위치 정보에 기초하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 상기 입력부를 통한 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 터치 입력 또는 마우스 클릭 입력에 기초하여 해당 객체를 관심 대상 객체로 획득할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 상기 입력부를 통한 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 이중(double) 터치 입력 또는 마우스 이중 클릭 입력에 기초하여 해당 객체를 관심 대상 객체에서 제외할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 상기 입력부를 통한 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 터치 후 스와이핑(swiping) 동작 또는 일정 시간 이상의 터치에 기초하여 해당 객체를 관심 대상 객체로 획득하고, 해당 객체의 중요도를 설정할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 과거 사용자에 의해 관심 대상 객체로 선정된 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정할 수 있다.
다양한 실시 예들에 따르면, 전자 장치는 복수의 동영상을 저장하고 있는 메모리를 더 포함하고, 상기 적어도 하나의 프로세서는 상기 복수의 관심 대상 객체의 상기 복수의 동영상에서 나타나는 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 인공 신경망 모델을 생성하고, 상기 촬영부에서 촬영하는 동영상에서 상기 복수의 관심 대상 객체의 이미지를 추출하고, 상기 복수의 관심 대상 객체의 이미지를 학습 데이터로 하는 지도 학습을 통해 상기 인공 신경망 모델을 학습시킨 이미지 학습 모델을 획득하고, 상기 메모리에 저장되어 있는 상기 복수의 동영상에서 객체 이미지들을 추출하고, 상기 객체 이미지들을 상기 이미지 학습 모델에 입력하여 상기 복수의 관심 대상 객체별로 분류하고, 상기 복수의 관심 대상 객체별 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 상기 복수의 관심 대상 객체의 중요도를 상기 디스플레이부에 표시되는 동영상에 함께 표시할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 상기 복수의 관심 대상 객체에 오디오 포커싱을 배분하기 위하여 상기 복수의 마이크로폰 각각의 활성도를 조정할 수 있다.
다양한 실시 예들에 따르면, 상기 적어도 하나의 프로세서는 상기 복수의 관심 대상 객체에 대해 각 관심 대상 객체의 음성 특징에 맞추어 필터링을 수행하는 오디오 필터링을 적용하고, 상기 오디오 필터링 효과를 추가적으로 고려하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분할 수 있다.
도 8은 다양한 실시 예에 따른, 전자 장치(100)가 복수의 관심 대상 객체에 오디오 포커싱을 배분하는 동작을 도시한 흐름도이다. 도 8에 도시된 흐름도에 따른 동작은 전자 장치(예: 도 1의 전자 장치(100)) 또는 전자 장치의 적어도 하나의 프로세서(예: 도 1의 프로세서(180) 또는 러닝 프로세서(130))에 의해 실현될 수 있다.
도 8을 참조하면, 동작 801에서, 전자 장치(100)는 카메라(121)를 이용하여 동영상을 촬영하고, 촬영된 동영상을 디스플레이부(151)의 화면에 표시할 수 있다.
다양한 실시 예들에 따르면, 동작 803에서, 전자 장치(100)는 디스플레이부(151)에 표시되고 있는 동영상에 포함되어 있는 복수의 관심 대상 객체를 획득할 수 있다. 일실시 예에 따르면, 전자 장치(100)는 디스플레이부(151)에 표시되고 있는 동영상에서 사용자의 선택 입력에 기초하여 복수의 관심 대상 객체를 획득할 수 있다.
다양한 실시 예들에 따르면, 동작 805에서, 전자 장치(100)는 관심 대상 객체의 중요도를 설정할 수 있다. 일실시 예에 따라, 전자 장치(100)는 관심 대상 객체의 중요도를 사용자의 입력에 기초하여 설정할 수 있다. 예를 들면, 전자 장치(100)는 사용자의 긴 터치 입력의 터치하고 있는 시간 길이 또는 스와이핑한 길이에 기초하여 관심 대상 객체의 중요도를 설정할 수 있다. 다른 일실시 예에 따라, 전자 장치(100)는 관심 대상 객체의 중요도를 자동으로 설정할 수 있다. 예를 들면, 전자 장치(100)는 사용자에 의한 관심 대상 객체의 선택 빈도 수에 기초하거나 또는 메모리(170)에 저장하고 있는 동영상 또는 이미지에서 관심 대상 객체가 나타나는 빈도 수에 기초하여 관심 대상 객체의 중요도를 자동으로 설정할 수 있다. 그리고 전자 장치(100)는 사용자에게 알리기 위하여 설정된 관심 대상 객체의 중요도 정보를 디스플레이부(151)의 화면에 표시할 수 있다. 일실시 예에 따라, 전자 장치(100)는 도 6에 도시된 것처럼 화면 상의 관심 대상 객체의 위 또는 주변에 바 그래프 형식으로 해당 관심 대상 객체에 설정된 중요도를 표시할 수 있다.
일실시 예에 따라, 전자 장치(100)가 사용자의 입력에 기초하여 관심 대상 객체 획득 및 중요도 설정을 하는 경우, 전자 장치(100)는 사용자의 하나의 동작에 기초하여 관심 대상 객체 선택 및 중요도 설정을 할 수 있다. 예를 들면, 전자 장치(100)는 사용자의 단일 터치 입력, 긴 터치 입력, 이중 터치 입력을 획득하고, 그에 기초하여 관심 대상 객체 선택 및 해당 관심 대상 객체 선택에 대한 중요도를 설정할 수 있다.
다양한 실시 예들에 따르면, 동작 807에서, 전자 장치(100)는 화면 내 관심 대상 객체의 전체 분포를 파악할 수 있다. 일실시 예로, 전자 장치(100)는 관심 대상 객체의 위치 또는 전자 장치(100)와 관심 대상 객체 사이의 거리 또는 관심 대상 객체의 중요도를 파악할 수 있다.
다양한 실시 예들에 따르면, 동작 809에서, 전자 장치(100)는 파악된 분포에 기초하여 관심 대상 객체의 각각에 대해 오디오 포커싱을 배분할 수 있다. 일실시 예에 따라, 전자 장치(100)는 구비하고 있는 복수의 마이크로폰(예: 도 5의 마이크로폰(122a, 122b, 122c))에 대해 활성도를 조정함으로써 오디오 포커싱의 배분을 수행할 수 있다. 예를 들면, 전자 장치(100)는 높은 중요도를 가지는 관심 대상 객체로 향하는 마이크로폰에 대해 높은 활성도를 가지도록 설정하고 낮은 중요도를 가지는 관심 대상 객체로 향하는 마이크로폰에 대해서는 낮은 활성도를 가지도록 설정함으로써 관심 대상 객체의 중요도에 기초한 오디오 포커싱의 배분을 수행할 수 있다. 일실시 예에 따라, 각 마이크로폰의 활성도는 전자 장치(100)와 관심 대상 객체 사이의 거리와 관심 대상 객체의 중요도의 곱에 기반하여 결정될 수 있다. 예를 들면, 관심 대상 객체의 중요도는 상대적으로 낮더라도 관심 대상 객체가 전자 장치(100)로부터 멀리 떨어진 경우에는 마이크로폰의 활성도가 중요도가 높은 관심 대상 객체와 비교하였을 때 더 클 수 있다.
다양한 실시 예들에 따르면, 추가적으로 동작 811에서, 전자 장치(100)는 관심 대상 객체에 대해 오디오 필터링을 적용하고, 오디오 필터링을 고려하여 오디오 포커싱을 다시 분배할 수 있다. 동작 811을 수행하기 위하여, 전자 장치(100)는 객체 인식 기술 및 음성 분석 기술을 사용할 수 있다. 일실시 예에 따라, 객체 인식 기술 및 음성 분석 기술은 인공 지능 기술에 기반한 것일 수 있다.
전자 장치(100)는 관심 대상 객체로 선택된 객체의 음성을 분석하여 특징을 파악하고, 특징에 맞추어 해당 객체의 음성을 최적으로 취득할 수 있도록 오디오 필터를 설계하여 오디오 필터링을 적용할 수 있다. 또한, 전자 장치(100)는 설계한 오디오 필터를 메모리(170)에 저장할 수 있다. 전자 장치(100)는 선택된 관심 대상 객체에 대한 오디오 필터가 이미 설계되어 메모리(170)에 저장되어 있는 경우, 해당 오디오 필터를 사용하여 오디오 필터링을 적용할 수 있다.
전자 장치(100)는 오디오 필터링을 적용한 후에 필터링 효과를 고려하여 오디오 포커싱 배분을 다시 수행할 수 있다. 일실시 예에 따라, 전자 장치(100)는 오디오 필터링을 적용한 후의 관심 대상 객체의 음성의 강조 정도가 오디오 필터링을 적용하기 전의 강조 정도만큼 또는 그 이상이 되도록 마이크로폰의 활성도를 조절할 수 있다. 이러한 추가적인 오디오 필터링 배분을 통하여 전체적으로 관심 대상 객체의 음성들에 대한 강조가 강화될 수 있을 것이다.
도 9는 다양한 실시 예에 따른, 전자 장치(100)가 인공 신경망 모델을 이용하여자동으로 관심 대상 객체의 중요도를 설정하는 동작을 도시한 흐름도이다. 도 9에 도시된 흐름도에 따른 동작은 전자 장치(예: 도 1의 전자 장치(100)) 또는 전자 장치의 적어도 하나의 프로세서(예: 도 1의 프로세서(180) 또는 러닝 프로세서(130))에 의해 실현될 수 있다.
도 9를 참조하면, 동작 901에서, 전자 장치(100)는 이미지 특성을 기억하기 위한 인공 신경망 모델을 생성할 수 있다. 일실시 예로, 인공 신경망 모델은 2차원 이미지에서 특성을 추출하는데 좋은 성능을 보이는 합성곱 신경망(예: 도 3의 합성곱 신경망)일 수 있다.
다양한 실시 예들에 따르면, 동작 903에서, 전자 장치(100)는 촬영되는 영상에서 사용자가 관심 대상 객체로 선택한 객체의 이미지를 추출할 수 있다. 복수의 관심 대상 객체가 선택되면 각각의 관심 대상 객체에 대한 이미지를 추출할 수 있다. 객체 이미지의 추출은 통상의 이미지 프로세싱 알고리즘을 사용하거나 별도의 학습된 인공 신경망을 이용하여 수행할 수 있다.
다양한 실시 예들에 따르면, 동작 904에서, 전자 장치(100)는 사용자가 선택한 관심 대상 객체 모두가 과거에 선택되었던 관심 대상 객체인지 아니면 새롭게 선택된 관심 대상 객체가 있는 지를 판단할 수 있다. 판단 결과, 새롭게 선택된 관심 대상 객체가 없는 경우에는(904-아니오), 동작 913에서, 사용자가 선택한 관심 대상 객체 각각의 빈도 수를 1 증가시킬 수 있다. 반면에, 새롭게 선택된 관심 대상 객체가 있는 경우에는(904-예), 메모리에 저장되어 있는 영상 또는 이미지 중에서 해당 관심 대상 객체를 포함하고 있는 영상의 개수(빈도 수)를 계산하기 위한 작업을 할 수 있다.
다양한 실시 예들에 따르면, 새롭게 선택된 관심 대상 객체가 있다면 동작 905에서, 전자 장치(100)는 동작 903에서 추출한 관심 대상 객체 이미지를 학습 데이터로 한 지도 학습을 통해 동작 901에서 생성한 인공 신경망 모델을 학습시켜 이미지 학습 모델을 획득할 수 있다. 일실시 예에 따라, 과거에 만들어진 이미지 학습 모델이 있는 경우에는, 새롭게 선택된 관심 대상 객체에 대한 이미지만을 학습 데이터로 하여 기존의 이미지 학습 모델을 갱신할 수 있다. 일실시 예에 따라, 관심 대상 객체 이미지는 크기, 객체가 보는 각도 및 이미지의 밝기를 조정하는 전처리를 거친 후에 인공 신경망 모델에 학습 데이터로 입력될 수도 있다. 동작 905에서 획득한 이미지 학습 모델은 입력 데이터가 어느 관심 대상 객체와 유사한 이미지 특징을 가지고 있는 지를 판단하는 분류 작업을 수행할 수 있다.
다양한 실시 예들에 따르면, 동작 907에서, 전자 장치(100)는 메모리(170)에 저장되어 있는 영상으로부터 객체 이미지를 추출할 수 있다. 동작 909에서, 전자 장치(100)는 동작 907에서 추출한 객체 이미지를 이미지 학습 모델에 입력하여 관심 대상 객체별로 분류할 수 있다.
다양한 실시 예들에 따르면, 동작 911에서, 전자 장치(100)는 분류된 관심 대상 객체별 빈도 수를 계산할 수 있고, 빈도 수에 기초하여 중요도를 설정할 수 있다.
다양한 실시 예들에 따르면, 전자 장치의 동작 방법은 동영상을 촬영하는 동작, 상기 동영상을 디스플레이부에 표시하는 동작, 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심대상 객체를 획득하는 동작, 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작, 상기 복수의 관심 대상 객체의 위치 정보를 획득하는 동작 및 상기 복수의 관심 대상 객체의 중요도 및 위치 정보에 기초하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심대상 객체를 획득하는 동작은 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 터치 입력 또는 마우스 클릭 입력에 기초하여 해당 객체를 관심 대상 객체로 획득하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심대상 객체를 획득하는 동작은 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 이중(double) 터치 입력 또는 마우스 이중 클릭 입력에 기초하여 해당 객체를 관심 대상 객체에서 제외하는 동작을 더 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작은 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 터치 후 스와이핑(swiping) 동작 또는 일정 시간 이상의 터치에 기초하여 해당 객체를 관심 대상 객체로 획득하고, 해당 객체의 중요도를 설정하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작은 과거 사용자에 의해 관심 대상 객체로 선정된 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작은 상기 복수의 관심 대상 객체의 메모리에 저장되어 있는 복수의 동영상에서 나타나는 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 관심 대상 객체의 메모리에 저장되어 있는 복수의 동영상에서 나타나는 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작은 인공 신경망 모델을 생성하는 동작, 상기 촬영되는 동영상에서 상기 복수의 관심 대상 객체의 이미지를 추출하는 동작, 상기 복수의 관심 대상 객체의 이미지를 학습 데이터로 하는 지도 학습을 통해 상기 인공 신경망 모델을 학습시킨 이미지 학습 모델을 획득하는 동작, 메모리에 저장되어 있는 복수의 동영상에서 객체 이미지들을 추출하는 동작, 상기 객체 이미지들을 상기 이미지 학습 모델에 입력하여 상기 복수의 관심 대상 객체별로 분류하는 동작 및 상기 복수의 관심 대상 객체별 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 방법은 상기 복수의 관심 대상 객체의 중요도를 상기 디스플레이부에 표시되는 동영상에 함께 표시하는 동작을 더 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는 동작은 마이크로폰 어레이를 구성하는 복수의 마이크로폰 각각의 활성도를 조정하는 동작을 포함할 수 있다.
상기 방법은 상기 복수의 관심 대상 객체에 대해 각 관심 대상 객체의 음성 특징에 맞추어 필터링을 수행하는 오디오 필터링을 적용하는 동작 및 상기 오디오 필터링 효과를 추가적으로 고려하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는 동작을 더 포함할 수 있다.
상술한 바와 같이 본 개시에서 제시하는 장치 및 방법은 복수의 관심 대상 객체에 오디오 포커싱을 배분하여 제공할 수 있어 만족스러운 촬영물 제작이 가능하도록 할 수 있을 것이다.
Claims (20)
- 전자 장치에 있어서,
동영상을 촬영하는 촬영부;
복수의 마이크로폰으로 구성되는 마이크로폰 어레이;
상기 동영상을 표시하는 디스플레이부;
사용자의 입력을 수신하는 입력부; 및
상기 촬영부, 상기 마이크로폰 어레이, 상기 디스플레이부 및 상기 입력부와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고,
상기 적어도 하나의 프로세서는,
상기 촬영부에서 촬영하는 동영상을 상기 디스플레이부에 표시하고,
상기 입력부를 통한 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심 대상 객체를 획득하고,
상기 복수의 관심 대상 객체의 중요도를 설정하고,
상기 복수의 관심 대상 객체의 위치 정보를 획득하고,
상기 복수의 관심 대상 객체의 중요도 및 위치 정보에 기초하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는, 전자 장치
- 제1항에 있어서,
상기 적어도 하나의 프로세서는,
상기 입력부를 통한 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 터치 입력 또는 마우스 클릭 입력에 기초하여 해당 객체를 관심 대상 객체로 획득하는, 전자 장치.
- 제2항에 있어서,
상기 적어도 하나의 프로세서는,
상기 입력부를 통한 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 이중(double) 터치 입력 또는 마우스 이중 클릭 입력에 기초하여 해당 객체를 관심 대상 객체에서 제외하는, 전자 장치.
- 제1항에 있어서,
상기 적어도 하나의 프로세서는,
상기 입력부를 통한 상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 터치 후 스와이핑(swiping) 동작 또는 일정 시간 이상의 터치에 기초하여 해당 객체를 관심 대상 객체로 획득하고, 해당 객체의 중요도를 설정하는, 전자 장치.
- 제1항에 있어서,
상기 적어도 하나의 프로세서는,
과거 사용자에 의해 관심 대상 객체로 선정된 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는, 전자 장치.
- 제1항에 있어서,
복수의 동영상을 저장하고 있는 메모리를 더 포함하고,
상기 적어도 하나의 프로세서는,
상기 복수의 관심 대상 객체의 상기 복수의 동영상에서 나타나는 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는, 전자 장치.
- 제6항에 있어서,
상기 적어도 하나의 프로세서는,
인공 신경망 모델을 생성하고,
상기 촬영부에서 촬영하는 동영상에서 상기 복수의 관심 대상 객체의 이미지를 추출하고,
상기 복수의 관심 대상 객체의 이미지를 학습 데이터로 하는 지도 학습을 통해 상기 인공 신경망 모델을 학습시킨 이미지 학습 모델을 획득하고,
상기 메모리에 저장되어 있는 상기 복수의 동영상에서 객체 이미지들을 추출하고,
상기 객체 이미지들을 상기 이미지 학습 모델에 입력하여 상기 복수의 관심 대상 객체별로 분류하고,
상기 복수의 관심 대상 객체별 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는, 전자 장치.
- 제1항에 있어서,
상기 적어도 하나의 프로세서는,
상기 복수의 관심 대상 객체의 중요도를 상기 디스플레이부에 표시되는 동영상에 함께 표시하는, 전자 장치.
- 제1항에 있어서,
상기 적어도 하나의 프로세서는,
상기 복수의 관심 대상 객체에 오디오 포커싱을 배분하기 위하여 상기 복수의 마이크로폰 각각의 활성도를 조정하는, 전자 장치.
- 제1항에 있어서,
상기 적어도 하나의 프로세서는,
상기 복수의 관심 대상 객체에 대해 각 관심 대상 객체의 음성 특징에 맞추어 필터링을 수행하는 오디오 필터링을 적용하고,
상기 오디오 필터링 효과를 추가적으로 고려하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는, 전자 장치.
- 전자 장치의 동작 방법에 있어서,
동영상을 촬영하는 동작;
상기 동영상을 디스플레이부에 표시하는 동작;
사용자의 입력에 기반하여 상기 동영상에서 복수의 관심대상 객체를 획득하는 동작;
상기 복수의 관심 대상 객체의 중요도를 설정하는 동작;
상기 복수의 관심 대상 객체의 위치 정보를 획득하는 동작; 및
상기 복수의 관심 대상 객체의 중요도 및 위치 정보에 기초하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는 동작을 포함하는, 방법.
- 제11항에 있어서,
상기 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심대상 객체를 획득하는 동작은,
상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 터치 입력 또는 마우스 클릭 입력에 기초하여 해당 객체를 관심 대상 객체로 획득하는 동작을 포함하는, 방법.
- 제12항에 있어서,
상기 사용자의 입력에 기반하여 상기 동영상에서 복수의 관심대상 객체를 획득하는 동작은,
상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 이중(double) 터치 입력 또는 마우스 이중 클릭 입력에 기초하여 해당 객체를 관심 대상 객체에서 제외하는 동작을 더 포함하는, 방법.
- 제11항에 있어서,
상기 복수의 관심 대상 객체의 중요도를 설정하는 동작은,
상기 사용자의 상기 디스플레이부에 표시되는 동영상 내의 객체에 대한 터치 후 스와이핑(swiping) 동작 또는 일정 시간 이상의 터치에 기초하여 해당 객체를 관심 대상 객체로 획득하고, 해당 객체의 중요도를 설정하는 동작을 포함하는, 방법.
- 제11항에 있어서,
상기 복수의 관심 대상 객체의 중요도를 설정하는 동작은,
과거 사용자에 의해 관심 대상 객체로 선정된 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작을 포함하는, 방법.
- 제11항에 있어서,
상기 복수의 관심 대상 객체의 중요도를 설정하는 동작은,
상기 복수의 관심 대상 객체의 메모리에 저장되어 있는 복수의 동영상에서 나타나는 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작을 포함하는, 방법.
- 제16항에 있어서,
상기 복수의 관심 대상 객체의 메모리에 저장되어 있는 복수의 동영상에서 나타나는 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작은,
인공 신경망 모델을 생성하는 동작;
상기 촬영되는 동영상에서 상기 복수의 관심 대상 객체의 이미지를 추출하는 동작;
상기 복수의 관심 대상 객체의 이미지를 학습 데이터로 하는 지도 학습을 통해 상기 인공 신경망 모델을 학습시킨 이미지 학습 모델을 획득하는 동작;
메모리에 저장되어 있는 복수의 동영상에서 객체 이미지들을 추출하는 동작;
상기 객체 이미지들을 상기 이미지 학습 모델에 입력하여 상기 복수의 관심 대상 객체별로 분류하는 동작; 및
상기 복수의 관심 대상 객체별 빈도 수에 기초하여 상기 복수의 관심 대상 객체의 중요도를 설정하는 동작을 포함하는, 방법.
- 제11항에 있어서, 상기 방법은,
상기 복수의 관심 대상 객체의 중요도를 상기 디스플레이부에 표시되는 동영상에 함께 표시하는 동작을 더 포함하는, 방법.
- 제11항에 있어서,
상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는 동작은,
마이크로폰 어레이를 구성하는 복수의 마이크로폰 각각의 활성도를 조정하는 동작을 포함하는, 방법.
- 제11항에 있어서, 상기 방법은,
상기 복수의 관심 대상 객체에 대해 각 관심 대상 객체의 음성 특징에 맞추어 필터링을 수행하는 오디오 필터링을 적용하는 동작; 및
상기 오디오 필터링 효과를 추가적으로 고려하여 상기 복수의 관심 대상 객체에 대한 오디오 포커싱을 배분하는 동작을 더 포함하는, 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190132342A KR102709916B1 (ko) | 2019-10-23 | 2019-10-23 | 복수 객체에 대한 오디오 포커싱 방법 및 장치 |
| US16/824,628 US11218803B2 (en) | 2019-10-23 | 2020-03-19 | Device and method of performing automatic audio focusing on multiple objects |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190132342A KR102709916B1 (ko) | 2019-10-23 | 2019-10-23 | 복수 객체에 대한 오디오 포커싱 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210048270A true KR20210048270A (ko) | 2021-05-03 |
| KR102709916B1 KR102709916B1 (ko) | 2024-09-26 |
Family
ID=75587232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190132342A KR102709916B1 (ko) | 2019-10-23 | 2019-10-23 | 복수 객체에 대한 오디오 포커싱 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11218803B2 (ko) |
| KR (1) | KR102709916B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102663375B1 (ko) * | 2019-10-23 | 2024-05-08 | 엘지전자 주식회사 | 음성 및 영상 자동 포커싱 방법 및 장치 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140000586A (ko) * | 2012-06-25 | 2014-01-03 | 엘지전자 주식회사 | 이동 단말기 및 그의 오디오/비디오 듀얼 포커싱 방법 |
| US10397659B1 (en) * | 2015-04-01 | 2019-08-27 | The Directv Group, Inc. | Method and system for personalizing the display of recordings stored in a user receiving device |
| KR20190118994A (ko) * | 2019-10-01 | 2019-10-21 | 엘지전자 주식회사 | 음원 포커스 방법 및 장치 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2680616A1 (en) * | 2012-06-25 | 2014-01-01 | LG Electronics Inc. | Mobile terminal and audio zooming method thereof |
| US10659848B1 (en) * | 2019-03-21 | 2020-05-19 | International Business Machines Corporation | Display overlays for prioritization of video subjects |
| KR20200117562A (ko) * | 2019-04-04 | 2020-10-14 | 삼성전자주식회사 | 비디오 내에서 보케 효과를 제공하기 위한 전자 장치, 방법, 및 컴퓨터 판독가능 매체 |
-
2019
- 2019-10-23 KR KR1020190132342A patent/KR102709916B1/ko active IP Right Grant
-
2020
- 2020-03-19 US US16/824,628 patent/US11218803B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140000586A (ko) * | 2012-06-25 | 2014-01-03 | 엘지전자 주식회사 | 이동 단말기 및 그의 오디오/비디오 듀얼 포커싱 방법 |
| US10397659B1 (en) * | 2015-04-01 | 2019-08-27 | The Directv Group, Inc. | Method and system for personalizing the display of recordings stored in a user receiving device |
| KR20190118994A (ko) * | 2019-10-01 | 2019-10-21 | 엘지전자 주식회사 | 음원 포커스 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20210127205A1 (en) | 2021-04-29 |
| KR102709916B1 (ko) | 2024-09-26 |
| US11218803B2 (en) | 2022-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102663375B1 (ko) | 음성 및 영상 자동 포커싱 방법 및 장치 | |
| US11699213B2 (en) | Image-capturing device and method for controlling same | |
| US11216694B2 (en) | Method and apparatus for recognizing object | |
| US20200236425A1 (en) | Method and apparatus for filtering video | |
| KR102389041B1 (ko) | 이동단말기 및 머신 러닝을 이용한 이동 단말기의 제어방법 | |
| US11887215B2 (en) | Image processing apparatus and method for style transformation | |
| Betancourt et al. | The evolution of first person vision methods: A survey | |
| US10593322B2 (en) | Electronic device and method for controlling the same | |
| US11164565B2 (en) | Unsupervised learning system and method for performing weighting for improvement in speech recognition performance and recording medium for performing the method | |
| KR20180055708A (ko) | 이미지를 처리하는 전자 장치 및 방법 | |
| US20190228294A1 (en) | Method and system for processing neural network model using plurality of electronic devices | |
| CN110741377A (zh) | 人脸图像处理方法、装置、存储介质及电子设备 | |
| KR20210052036A (ko) | 복수 의도어 획득을 위한 합성곱 신경망을 가진 장치 및 그 방법 | |
| KR102206181B1 (ko) | 단말기 및 그의 동작 방법 | |
| KR20210044475A (ko) | 대명사가 가리키는 객체 판단 방법 및 장치 | |
| US10917721B1 (en) | Device and method of performing automatic audio focusing on multiple objects | |
| US20210004702A1 (en) | System and method for generating information for interaction with a user | |
| US11218803B2 (en) | Device and method of performing automatic audio focusing on multiple objects | |
| KR20190048630A (ko) | 전자 장치 및 그 제어 방법 | |
| KR20200094607A (ko) | 영상 시퀀스에 대한 캡션 정보를 생성하는 전자 장치 및 그 동작 방법 | |
| Theraja et al. | Automatic Volume Control Using Image Processing and Deep Learning Techniques: A Review | |
| US20240153262A1 (en) | Device for managing a visual saliency model and control method thereof | |
| KR20240012453A (ko) | 영상 편집 장치 및 영상 편집 장치의 동작 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |