KR20210053202A

KR20210053202A - 컴퓨터 비전 훈련 시스템 및 그 방법

Info

Publication number: KR20210053202A
Application number: KR1020200136606A
Authority: KR
Inventors: 하오유 렌; 모스타파 엘-카미; 아만 라즈; 이정원
Original assignee: 삼성전자주식회사
Priority date: 2019-10-29
Filing date: 2020-10-21
Publication date: 2021-05-11
Also published as: US20210124985A1; TW202117611A; CN112750133A; US11429805B2

Abstract

컴퓨터 비전 애플리케이션용 딥 머신 러닝을 위한 시스템 및 방법이 제공된다. 컴퓨터 비전(CV) 훈련 시스템은 타겟 CV 애플리케이션에 따라 하나 이상의 입력 이미지들로부터 지도 출력을 추정하고, 지도 출력 및 지도 출력의 실측에 따라 지도 손실을 결정하는 지도 학습 시스템, 지도 출력 및 하나 이상의 입력 이미지들에 따라 비지도 손실을 결정하는 비지도 학습 시스템, 지도 출력 및 하나 이상의 입력 이미지들에 대응하는 약한 라벨에 따라 약한(weakly) 지도 손실을 결정하는 약한 지도 학습 시스템 및 지도 손실, 비지도 손실 및 약한 지도 손실을 최적화하는 공동 최적화 프로그램을 포함한다.

Description

컴퓨터 비전 훈련 시스템 및 그 방법{Computer vision training system and method for training computer vision system}

본 개시 내용의 하나 이상의 예시적인 실시예는 컴퓨터 비전 시스템 및 머신 러닝을 사용하여 컴퓨터 비전 시스템을 훈련시키는 방법에 관한 것이다.

컴퓨터 비전 애플리케이션은 예를 들어, 깊이 추정 및 이미지/비디오 향상과 같은 실제 시나리오에서 광범위하게 사용된다. 예를 들어, 깊이 추정은 이미지 Bokeh에 대한 전경/배경 분할에서 활용될 수 있으며, 이미지/비디오 향상은 오늘날 대부분의 최신 휴대폰 카메라의 많은 이미지 신호 프로세서(ISP: image signal processor)들에서 표준기능이 되었다.

최근 컴퓨터 비전 분야는 통계적 방법에서 딥러닝 신경망 방법으로 이동하고 있다. 예를 들어, 딥러닝 신경망 방법을 사용하면 단일 모델이 이미지에서의 의미를 학습하여 특정 컴퓨터 비전 작업을 수행할 수 있으므로 특수한 수작업 방법의 파이프라인 작업이 필요하지 않다. 일반적으로 딥러닝 신경망 방법은 단일 머신 러닝 기술과 해당 손실 함수를 사용하여 특정 컴퓨터 비전 애플리케이션을 훈련할 수 있으며, 이는 정확도를 제한할 수 있다.

본 배경기술에 개시된 정보는 본 개시의 배경에 대한 이해를 높이기 위한 것이므로, 종래기술을 구성하지 않는 정보를 포함할 수 있다.

본 발명이 해결하고자 하는 과제는 개선된 컴퓨터 비전(CV: computer vision) 애플리케이션을 얻기 위해 컴퓨터 비전 훈련 시스템을 제공하는 것이다.

본 발명이 해결하고자 하는 다른 과제는 개선된 컴퓨터 비전애플리케이션을 얻기 위해 컴퓨터 비전 시스템 훈련 방법을 제공하는 것이다.

본 개시 내용의 하나 이상의 예시적인 실시예는 다양한 컴퓨터 비전 애플리케이션을 위한 훈련하기 위해 다중 머신 러닝 전략 프레임워크를 갖는 컴퓨터 비전 시스템 및 컴퓨터 비전 시스템을 훈련하는 방법에 관한 것이다.

본 개시의 하나 이상의 예시적인 실시예에 따르면, 컴퓨터 비전(CV) 훈련 시스템은, 타켓 CV 애플리케이션에 따라 하나 이상의 입력 이미지들로부터 지도 출력에 대한 추정을 수행하고, 지도 출력 및 지도 출력의 실측에 따라 지도 손실을 결정하도록 구성된 지도 학습 시스템, 지도 출력 및 하나 이상의 입력 이미지들에 따라 비지도 손실을 결정하도록 구성된 비지도 학습 시스템, 지도 출력 및 하나 이상의 입력 이미지에 대응하는 약한 라벨에 따라 약한 지도 손실을 결정하도록 구성된 약한 지도 학습 시스템, 지도 손실, 비지도 손실, 약한 지도 손실을 최적화하도록 구성된 공동 최적화 프로그램을 포함한다.

일 실시예에서, 타겟 CV 애플리케이션은 단안 깊이 추정에 해당할 수 있고, 지도 출력은 하나 이상의 입력 이미지들 중 타켓 이미지로부터 추정된 깊이에 해당할 수 있다.

예시적인 실시예에서, 무지도 학습 시스템은 하나 이상의 입력 이미지들에 대응하는 2차원(2D) 이미지 좌표를 추정된 깊이에 따라 3차원(3D) 좌표로 변환하고, 적어도 3D 좌표를 기반으로 비지도 손실을 계산하도록 구성될 수 있다.

일 실시예에서, 타겟 CV 애플리케이션은 스테레오 매칭에 해당할 수 있고, 지도 출력은 하나 이상의 입력 이미지들 중에서 왼쪽 이미지와 오른쪽 이미지 사이에서 추정된 시차에 해당한다.

일 실시예에서, 비지도 학습 시스템은 추정된 시차에 따라 왼쪽 이미지와 오른쪽 이미지 중 하나를 이동하여 뒤틀린 이미지를 생성하고, 적어도 뒤틀린 이미지에 기초하여 비지도 손실을 계산하도록 구성될 수 있다.

타켓 CV 애플리케이션은 이미지/비디오 향상에 대응할 수 있고, 지도 출력은 하나 이상의 입력 이미지들 중에서 저해상도 입력 이미지로부터 추정된 고해상도 이미지에 대응할 수 있다.

예시적인 실시예에서, 비지도 학습 시스템은 추정된 고해상도 이미지에 대응하는 광학 흐름을 추정하고, 적어도 추정된 광학 흐름 및 추정된 고해상도 이미지에 기초하여 비지도 손실을 계산하도록 구성될 수 있다.

일 실시예에서, 타켓 CV 애플리케이션은 다시점(multi-view) 깊이 추정에 대응할 수 있고, 지도 출력은 하나 이상의 입력 이미지 중 복수의 입력 프레임 각각에서 추정된 깊이에 대응할 수 있다.

예시적인 실시예에서, 비지도 학습 시스템은 복수의 입력 프레임 각각에서 추정된 깊이에 따라 복수의 입력 프레임 각각에 대한 3D 포인트 클라우드를 생성하고, 적어도 3D 포인트 클라우드의 정렬된 좌표 사이의 거리에 기초하여 비지도 손실을 계산하도록 구성될 수 있다.

예시적인 실시예에서, 공동 최적화 프로그램은 지도 손실, 비지도 손실 및 약한 지도 손실에 대한 해당 가중치를 포함하는 조인트 손실 함수에 따라 지도 손실, 비지도 손실 및 약한 지도 손실을 동시에 최적화하도록 구성될 수 있다.

예시적인 실시예에서, 시스템은 하나 이상의 입력 이미지들의 서로 다른 잘린 영역에 해당하는 패치 쌍을 갖는 패치 기반 약한 라벨로 약한 라벨을 생성하는 약한 라벨 생성기와, 패치 쌍의 잘린 영역간의 지도 출력에 해당하는 관계를 정의하는 패치 기반의 약한 라벨을 더 포함할 수 있다.

본 개시의 하나 이상의 예시적인 실시예에 따르면, 컴퓨터 비전(CV) 시스템을 훈련하기 위한 방법은 타겟 CV 애플리케이션에 따라 하나 이상의 입력 이미지들로부터 지도 출력을 추정하고, 지도 출력 및 지도 출력의 실측에 따라 지도 손실을 결정하고, 지도 출력 및 하나 이상의 입력 이미지들에 따라 비지도 손실을 결정하고, 지도 출력 및 하나 이상의 입력 이미지들에 대응하는 약한 라벨에 따라 약한(weakly) 지도 손실을 결정하고 및 지도 손실, 비지도 손실 및 약한 지도 손실을 최적화하는 것을 포함한다.

일 실시예에서, 타켓 CV 애플리케이션은 단안 깊이 추정에 해당할 수 있고, 지도 출력은 하나 이상의 입력 이미지들 중 타겟 이미지로부터 추정된 깊이에 해당할 수 있다.

예시적인 실시예에서, 방법은 하나 이상의 입력 이미지들에 대응하는 2차원(2D) 이미지 좌표를 추정된 깊이에 따라 3차원(3D) 좌표로 변환하고 및 적어도 3D 좌표를 기반으로 비지도 학습 손실을 계산하는 것을 더 포함할 수 있다.

일 실시예에서, 타겟 CV 애플리케이션은 스테레오 매칭에 해당할 수 있고, 지도 출력은 하나 이상의 입력 이미지들 중에서 왼쪽 이미지와 오른쪽 이미지 사이에서 추정된 시차에 해당할 수 있다.

일 실시예에서, 방법은 추정된 시차에 따라 왼쪽 이미지와 오른쪽 이미지 중 하나를 이동하여 뒤틀린 이미지를 생성하고 및 적어도 뒤틀린 이미지에 기초하여 비지도 손실을 계산하는 것을 더 포함할 수 있다.

일 실시예에서, 타켓 CV 애플리케이션은 이미지/비디오 향상에 대응할 수 있고, 지도 출력은 하나 이상의 입력 이미지들 중에서 저해상도 입력 이미지로부터 추정된 고해상도 이미지에 대응할 수 있다.

일 실시예에서, 방법은 추정된 고해상도 이미지에 대응하는 광학 흐름을 추정하고 및 적어도 추정된 고해상도 이미지에 기초하여 비지도 손실을 계산하는 것을 더 포함할 수 있다.

일 실시예에서, 최적화는 지도 손실, 비지도 손실 및 약한 지도 손실에 대한 해당 가중치를 포함하는 조인트 손실 함수에 따라 지도 손실, 비지도 손실 및 약한 지도 손실을 동시에 최적화할 수 있다.

일 실시예에서, 방법은 하나 이상의 입력 이미지들의 다른 잘린 영역에 해당하는 패치 쌍을 갖는 패치 기반 약한 라벨로 약한 라벨을 생성하고, 패치 쌍의 잘린 영역간의 지도 출력에 해당하는 관계를 정의하는 패치 기반의 약한 라벨을 더 포함할 수 있다.

본 개시의 다른 형태들 및 특징들은 첨부된 도면들을 참조하여 예시적인 실시예들의 다음의 상세한 설명으로부터 당업자에게 더 명백해질 것이다.
도 1은 본 개시의 하나 이상의 예시적인 실시예에 따른, 컴퓨터 비전 훈련 시스템의 블록도이다.
도 2는 본 개시의 하나 이상의 예시적인 실시예에 따른, 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크(framework)의 예시이다.
도 3은 본 개시의 하나 이상의 예시적인 실시예에 따른, 단안(monocular) 깊이 추정을 위한 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.
도 4는 본 개시 내용의 하나 이상의 예시적인 실시예에 따른, 스테레오 매칭을 위한 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.
도 5a-5b는 본 개시의 하나 이상의 예시적인 실시예에 따른, 이미지/비디오 향상을 위한 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.
도 6은 본 개시의 하나 이상의 예시적인 실시예에 따른, 다시점(multi-view) 깊이 추정을 위한 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.
도 7a 및 도 7b는 본 개시의 하나 이상의 예시적인 실시예들에 따른, 다양한 컴퓨터 비전 애플리케이션들에 적용되는 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 개요를 예시하는 표이다.
도 8은 본 개시의 하나 이상의 예시적인 실시예들에 따른, 컴퓨터 비전 훈련 시스템을 훈련하는 방법의 흐름도이다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 보다 상세하게 설명하며, 여기서 동일한 참조 번호는 동일한 요소를 지칭한다. 그러나, 본 개시는 여러가지 상이한 형태로 구현될 수 있으며, 여기에서 예시된 실시예에 한정되는 것으로 해석되어서는 안된다. 오히려, 이들 실시예는 본 개시가 철저하고 완전하고, 본 개시의 양태 및 특징을 당업자에게 완전히 전달할 수 있도록 예로서 제공된다. 따라서, 본 개시의 양태 및 특징을 완전한 이해를 위해 당업자에게 필요하지 않는 프로세스, 요소 및 기술은 설명되지 않을 수 있다. 별도의 언급이 없는 한, 동일한 참조 번호는 첨부된 도면 및 기재된 설명 전체에 걸쳐 동일한 요소를 나타내므로 그 설명을 반복하지 않을 수 있다.

본 개시 내용의 하나 이상의 예시적인 실시예는 컴퓨터 비전 훈련 시스템을 위한 다중 학습 전략 프레임 워크에 관한 것이다. 다중 학습 전략 프레임 워크는 최대 3개의 서로 다른 기계 학습 기술을 결합하여 다양한 컴퓨터 비전 애플리케이션에 대한 훈련의 정확성을 향상시킬 수 있으나, 예측 절차에 대한 추가 계산 비용이 없다. 예를 들어, 일부 실시예에서, 다중 학습 전략 프레임 워크는 지도 학습 기술, 비지도 학습 기술 및 약한 지도 학습 기술을 결합하여 다양한 컴퓨터 비전 애플리케이션 및 시나리오를 훈련할 수 있다.

일부 실시예에서, 지도 학습 기술에 따라 지도 출력(예를 들어, 지도 대상 출력 또는 지도 대상 항목)이 생성될 수 있다. 지도 출력은 하나 이상의 입력 이미지들로부터 생성될 수 있고, 해당 CV 애플리케이션에 의해 요구될 수 있는 하나 이상의 입력 이미지들로부터 추정된 정보에 대응할 수 있다. 예를 들어, 지도 출력은 깊이, 시차, 고해상도 이미지, 다시점(multi-view) 깊이 등에 대응할 수 있다. 일부 실시예에서, 지도 학습 기술에 따라 지도 출력과 지도 출력의 실측에 사이에서 지도 손실이 계산될 수 있다.

일부 실시예에서, 지도 출력은 비지도 학습 기술에 따른 비지도 손실을 계산하기 위한 입력으로 사용될 수 있고, 약한 지도 학습 기술에 따라 약한 지도 손실을 계산하기 위한 입력으로 사용될 수 있다. 예를 들어, 지도 출력은 비지도 학습 기술에 따라 비지도 손실을 계산하는데 사용될 수 있는 입력 이미지를 변환(예를 들어, 왜곡)하는데 사용될 수 있으며, 지도 출력은 약한 라벨과 비교하여 약한 지도 학습 기법에 따른 약한 지도 손실을 계산할 수 있다. 그 결과, 지도 출력의 정확도는 비지도 손실과 약한 지도 손실의 최적화 동안 더욱 정제(예를 들어, 더욱 개선)될 수 있다.

일부 실시예에서, 약한 지도 손실을 계산하는데 사용되는 약한 레벨은 픽셀 기반 또는 패치 기반일 수 있고, 입력 이미지들 또는 실측으로부터 생성될수 있다. 따라서, 일부 실시예에서, 유연성(flexibility)은 픽셀 기반 약한 라벨만 지원할 수 있는 컴퓨터 비전 시스템보다 개선될 수 있다.

일부 실시예에서, 다중 학습 전략 프레임 워크는 다중 프레임/다중 이미지 입력들을 갖는 임의의 적합한 컴퓨터 비전 기반 애플리케이션에 적용될 수 있다. 다중 프레임/다중 이미지 입력들은 동일한 소스들(예, 단일 카메라의 연속 프레임들) 또는 다른 소스들(예, 다른 원근을 가진 이미지 또는 듀얼 카메라의 다른 관점 또는 다른 시야각을 가진 이미지들)로부터 생성될 수 있다.

일부 실시예에서, 컴퓨터 비전 시스템은 지도 손실, 비지도 손실 및 약한 지도 손실 함수를 함께(예를 들어, 공동으로, 일제히, 동시에) 최적화함으로써 타겟 컴퓨터 비전 애플리케이션에 대한 철저하게 훈련될 수 있다. 일부 실시예에서, 지도 손실, 비지도 손실 및 약한 지도 손실 함수를 동시에 최적화하는 것은 적어도 부분적으로 지도 손실 함수, 비지도 손실 함수 및 약한 지도 손실 함수의 최적화 과정이 시간적으로 겹칠 수 있는 경우를 포함할 수 있다.

도 1은 본 개시의 하나 이상의 예시적인 실시예에 따른 컴퓨터 비전 훈련 시스템의 블록도이다.

간략한 개요에서, 컴퓨터 비전(CV) 훈련 시스템(102)은 다수의 기계 학습 기술에 따라 다양한 종류의 컴퓨터 비전(CV) 애플리케이션을 훈련하기 위한 딥러닝 신경망(DNN) 프레임워크를 포함할 수 있다. 예를 들어, 일부 실시예에서, CV 훈련 시스템(102)은 다양하고 상이한 CV 애플리케이션 시나리오에 대해 훈련되도록 지도 학습 기술(S), 비지도 학습 기술(U) 및 약한 지도 학습 기술(W)을 이용할 수 있다. CV 애플리케이션의 일부 비제한적인 예는 단안 깊이 추정, 스트레오 매칭, 이미지/비디오 향상, 다시점(multi-view) 깊이 추정 등을 포함할 수 있다.

일부 실시예에서, CV 훈련 시스템(102)은 타겟 CV 애플리케이션에 대응하는 지도 출력을 생성(예를 들어, 추정)할 수 있고, 지도 출력과 지도 출력의 대응하는 실측 사이에 지도 학습 기술(S)에 따라 지도 손실 함수를 생성(예를 들어, 최소화)할 수 있다. 지도 출력은 타겟 CV 애플리케이션(예를 들어, 깊이, 시차, 대응하는 고해상도 이미지 및/또는 다시점 깊이 등과 같은)이 원하는(예를 들어, 대상이 될 수 있는) 하나 이상의 입력 이미지로부터 얻은 정보(예, 추정, 계산, 추출, 변환 등)에 해당할 수 있다. 즉, 하나 이상의 입력 이미지들로부터 얻은 지도 출력은 하나 이상의 입력 이미지들을 처리, 분석, 분류, 변환 및/또는 왜곡에 사용되는 타켓 CV 애플리케이션의 해당 CV 애플리케이션의 대상이 될 수 있다.

일부 실시예에서, 지도 출력은 비지도 학습 기술(U)에 따라 비지도 손실 함수를 생성하기 위한 입력일 뿐만 아니라, 약한 지도 학습 기술(W)에 따라 약한 지도 손실 함수를 생성하기 위한 입력으로 사용될 수 있다. 예를 들어, 일부 실시예에서, CV 훈련 시스템(102)은 지도 출력에 기초하여 하나 이상의 입력 이미지들을 변환하거나 왜곡하여 비지도 학습 기술(U)에 따라 비지도 손실 함수를 생성할 수 있고, 하나 이상의 입력 이미지들에 대응하는 약한 라벨을 약한 지도 학습 기술(W)에 따른 지도 출력과 비교하기 위해 약한 지도 손실 함수를 생성할 수 있다. 그 결과, 지도 출력의 정확도는 예를 들어, 비지도 손실 함수 및 약한 지도 손실 함수의 최적화 동안 더욱 향상될 수 있다.

보다 상세하게 도 1을 참조하면, 일부 실시예에서, CV 훈련 시스템(102)은 다중 프레임/다시점 이미지들(104) 및 실측(105)(예를 들어, 실측값 및/또는 실측 이미지)을 수신할 수 있다. 예를 들어, 다중 프레임/다시점 이미지들(104)은 하나 이상의 이미징 장치들(예, 하나 이상의 카메라)로부터 캡쳐될 수 있다. 이 경우, 다중 프레임/다시점 이미지들(104)은 동일한 이미징 장치(예를 들어, 동일한 카메라에서)에서 가져올 수 있거나, 다른 이미징 장치들(예를 들어, 듀얼 카메라 및/또는 두 개 이상의 서로 다른 카메라들)에서 가져올 수 있다. 예를 들어, 일부 실시예에서, 다중 프레임/다시점 이미지들(104)은 동일한 카메라(예를 들어, 단일 카메라로부터)로부터 캡처된 다중 연속 프레임을 포함할 수 있거나, 두 개 이상의 카메라들(예를 들어, 듀얼 카메라 및/또는 두 개 이상의 다른 카메라)로부터 캡처된 다중 이미지들(예를 들어, 입체 뷰, 다른 시야 등)을 포함할 수 있다.

일부 실시예에서, 실측(105)은 지도 출력의 타겟 값 또는 이미지에 대응하는 하나 이상의 값을 포함할 수 있다. 예를 들어, 일부 실시예에서, CV 훈련 시스템(102)은 타겟 CV 애플리케이션에 따라(예를 들어, 원하는 대로) 지도 출력을 생성(예를 들어, 추정할 수 있고), 지도 출력을 지도 출력에 대응하는 실측(105)과 비교할 수 있다. 예를 들어, 일부 실시예에서, CV 훈련 시스템(102)은 지도 출력과 대응하는 실측에 따른 지도 손실 함수를 생성(예를 들어, 최소화하거나 감소)할 수 있다.

일부 실시예에서, CV 훈련 시스템(102)은 하나 이상의 프로세서(108) 및 메모리(110)을 포함하는 하나 이상의 처리 회로(106)를 포함할 수 있다. 프로세서(108)들 각각은 범용 프로세서 또는 특정 목적 프로세서, ASIC(Application Specific Integrated Circuit), 하나 이상의 FPGA(Field Programmable Gate Array)s, 프로세싱 컴포넌트 그룹 또는 다른 적절한 프로세싱 컴포넌트일 수 있다. 각각의 프로세서(108)는 단일 장치 내에 통합되거나 다수의 개별 시스템, 서버 또는 장치(예를 들어, 컴퓨터)에 걸쳐 분산될 수 있다. 예를 들어, 각각의 프로세서(108)들은 CV 훈련 시스템(102)과 관련하여 내부 프로세서 일 수 있고, 하나 이상의 프로세서(108)들은 예를 들어, 하나 이상의 서버의 일부 또는 클라우딩 기반 컴퓨팅 시스템으로 구현되는 외부 프로세서일 수 있다. 각각의 프로세서(108)들은 메모리(110)에 저장된 컴퓨터 코드 또는 명령어를 실행하도록 구성될 수 있고/있거나 다른 컴퓨터 판독가능 매체(예를 들어, CD-ROM, 네트워크 스토리지 및/또는 원격 서버)로부터 수신될 수 있다.

메모리(110)는 본 개시에 설명된 다양한 프로세스를 수행 및/또는 용이하게 하기 위한 데이터 및/또는 컴퓨터 코드를 저장하기 위한 하나 이상의 장치(예를 들어, 메모리 유닛, 메모리 장치 및/또는 저장 장치)을 포함할 수 있다. 메모리(110)은 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM), 하드 드라이브 스토리지, 비휘발성 메모리, 플래시 메모리, 광학 메모리 또는 소프트웨어 객체 및/또는 컴퓨터 인스트럭션(instruction)을 저장하기 위한 임의의 다른 적절한 메모리를 포함할 수 있다. 메모리(110)는 데이터베이스 구성 요소, 객체 코드 구성 요소, 스크립트 구성 요소 및/또는 본 개시에서 설명된 다양한 활동 및 정보 구조를 지원하기 위한 임의의 다른 종류의 정보 구조를 포함할 수 있다. 메모리(110)는 하나 이상의 처리 회로(106)를 통해 하나 이상의 프로세서(108)들에 통신 가능하게 연결될 수 있고, 여기에 설명된 하나 이상의 프로세스를 실행하기 위한(예를 들어, 하나 이상의 프로세서(108)들에 의해) 컴퓨터 코드를 포함할 수 있다.

일부 실시예에서, 메모리(110)는 지도 학습(S) 모듈(112)(예를 들어, 지도 학습 시스템, 지도 학습 신경망 및/또는 지도 학습 프레임워크), 비지도 학습(U) 모듈(114)(예를 들어, 비지도 학습 시스템, 비지도 학습 신경망 및/또는 비지도 학습 프레임워크), 약한 지도 학습(W) 모듈(116)(예를 들어, 약한 지도 학습 시스템, 약한 지도 학습 신경망 및/또는 약한 지도 학습 프레임워크), 약한 라벨 생성기(118) 및 공동 최적화 프로그램(120)을 포함할 수 있다.

다양한 실시예에서, 지도 학습 모듈(112), 비지도 학습 모듈(114), 약한 지도 학습 모듈(116), 약한 라벨 생성기(118) 및 공동 최적화 프로그램(120)는 단일 장치(예, 단일 컴퓨터, 단일 서버 및/또는 단일 하우징) 또는 그 중 적어도 일부는 여러 장치들에 걸쳐(예를 들어, 다중 컴퓨터들, 다중 서버들 및/또는 다중 하우징들에 걸쳐) 배포될 수 있다. 다양한 실시예에서, 지도 학습 모듈(112), 비지도 학습 모듈(114), 약한 지도 학습 모듈(116), 약한 라벨 생성기(118) 및 공동 최적화 프로그램(120) 각각은 임의의 적절한 프로세서(예를 들어, 하나 이상의 프로세서(108)들), 메모리(메모리(110)의 하나 이상의 메모리 장치), 인코더-디코더 쌍, 논리 장치, 신경망(예를 들어, 합성곱 신경망(CNN) 및/또는 (RNN)), 컨틀롤러들, 회로(예, 집적 회로(IC))들을 포함 및/또는 본 개시에서 설명된 다양한 기능들, 프로세스들, 활동들을 지원할 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 훈련 예시들을 사용하여(예를 들어, 실측을 사용하여) 타겟 CV 애플리케이션에 대응하는 예측 모델(예를 들어, 지도 출력)을 생성하도록 훈련될 수 있다. 예를 들어, 훈련 예시들은 실측을 나타내는 라벨을 포함할 수 있다. 일부 실시예에서, 비지도 학습 모듈(114)는 실측의 이점없이 훈련될 수 있다. 하나 이상의 예시적인 실시예에 따르면, 비지도 학습 모듈(114)는 지도 학습 모듈(112)에 의해 생성된 지도 출력에 따라 하나 이상의 입력 이미지를 분석, 추출, 구성, 변환 및/또는 왜곡 등을 수행할 수 있다. 일부 실시예에서, 약한 지도 학습 모듈(116)은 라벨링 된 데이터 및 라벨링 되지 않은 데이터 모두로 훈련될 수 있다. 예를 들어, 일부 실시예에서, 약한 지도 학습 모듈(116)은 약한 라벨 및 지도 출력에 따라 훈련될 수 있다.

예를 들어, 도 2를 참조하여 아래에서 더 상세히 설명하고, 일부 실시예에서, 지도 학습 모듈(112)은 타겟 CV 애플리케이션에 따라 다중 프레임/다시점 이미지들(104)에 기초하여 지도 출력을 생성(예를 들어, 추정)할 수 있다. 지도 학습 모듈(112)은 지도 출력과 대응하는 실측(105) 사이에 지도 손실 함수를 생성(예를 들어, 최소화)할 수 있다. 비지도 학습 모듈(114)는 다중 프레임/다시점 이미지들(104) 및 지도 출력에 따라 비지도 손실 함수를 생성(예를 들어, 최소화)할 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)는 지도 출력에 따라 다중 프레임/다시점 이미지들(104)을 변환하거나 왜곡할 수 있고, 변환 또는 왜곡된 이미지들은 비지도 손실 함수를 생성(예를 들어, 최소화하기 위해)하기 위해 사용될 수 있다.

약한 지도 학습 모듈(116)은 지도 출력에 따라 약한 지도 손실 함수를 생성(예를 들어, 추정)할 수 있다. 예를 들어, 일부 실시예에서, 약한 지도 학습 모듈(116)은 다중 프레임/다시점 이미지들(104)에 대응하는 약한 라벨들 사이에 약한 지도 손실 함수를 생성(예를 들어, 최소화)할 수 있고, 이는 약한 라벨 생성기(118) 및 지도 출력에 의해 생성될 수 있다. 약한 라벨 생성기(118)는 다중 프레임/다시점 이미지들(104)로부터 또는 지도 출력에 대응하는 실측(105)으로부터 약한 라벨들(예를 들어, 픽셀 기반 또는 패치 기반)을 생성할 수 있다.

일부 실시예에서, 공동 최적화 프로그램(120)은 타겟 CV 애플리케이션에 따라 CV 훈련 시스템(102)을 훈련하기 위해 지도 손실 함수, 비지도 손실 함수 및 약한 지도 손실 함수에 대응하는 조인트 손실 함수를 생성(예를 들어, 최소화)할 수 있다. 일부 실시예에서, 해당 가중치들은 조인트 손실 함수에서 지도 손실 함수, 비지도 손실 함수 및 약한 지도 손실 함수 각각의 중요성의 균형을 맞추기 위해 사용될 수 있다.

도 2는 본 개시의 하나 이상의 예시적인 실시예에 따른 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.

도 2를 참조하면, 일부 실시예에서, 단일 소스(예, 단일 카메라) 또는 다중 소스(예, 듀얼 카메라 또는 다중카메라)에 의해 다중 프레임/다시각 이미지들(예,

)의 입력이 생성될 수 있고, 지도 학습 모듈(112)은 타겟 CV 애플리케이션(예,

에 의해

)에 따라 지도 출력(예,

) 생성(예, 추정)할 수 있다. 이 경우, 네트워크(S)는 지도 출력(예,

)과 해당하는 실측값(예,

) 사이의 지도 손실(Ls)을 최소화하거나 줄임으로써 최적화될 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)는 지도 손실 함수(예,

,

)를 최소화하거나 줄일 수 있다.

비제한적인 예로서, CV 애플리케이션이 단안 깊이 추정에 해당하는 경우, 지도 학습 모듈(112)은 지도 출력(예,

)으로서 다중 프레임/다시점 이미지들(예,

)의 객체의 깊이(예,

)를 추정할 수 있다. 다른 비제한적인 예에서, CV 애플리케이션이 스테레오 매칭에 대응하는 경우, 지도 학습 모듈(112)은 지도 출력(예,

)으로서 다중 프레임/다시점 이미지들(예,

)의 왼쪽 이미지(예,

)와 오른쪽 이미지(예,

) 사이의 시차(예,

)를 추정할 수 있다. 또 다른 비제한적인 예에서, CV 애플리케이션이 이미지/비디오 향상에 해당하는 경우, 지도 학습 모듈(112)은 지도 출력(예,

)으로서 다중 프레임/다시점 이미지들(예,

)의 저해상도 입력 프레임(예,

)에 대응하는 고해상도 입력 프레임(예,

)을 추정할 수 있다. 또 다른 비제한적인 예에서, CV 애플리케이션이 다시점 깊이 추정에 대응하는 경우, 지도 학습 모듈(112)은 지도 출력(예,

)으로서 다중 프레임/다시점 이미지들(예,

) 각각의 다시점 깊이 추정(예,

)를 추정할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)은 다중 프레임/다시점 이미지들(예,

)과 지도 출력(예,

)을 입력으로서 받을 수 있고, 비지도 손실(

) 함수를 최소화하거나 줄일 수 있다. 예를 들어, 몇몇 실시예에서, 비지도 학습 모듈(114)은 비지도 손실 함수(

)를 최소화하거나 줄일 수 있다. 일부 실시예에서, 약한 지도 학습 모듈(116)은 추정된 지도 출력(예,

)을 받을 수 있고, 약한 지도 손실(

)함수를 최소화하거나 줄일 수 있고, 약한 라벨(

)과 지도 출력(

) 사이의 약한 지도 손실(

) 함수를 줄이거나 최소화할 수 있다. 예를 들어, 일부 실시예에서, 약한 지도 학습 모듈(116)은 약한 지도 손실 함수

,

를 최소화하거나 줄일 수 있다. 일부 실시예에서, 훈련 중에, 약한 지도 손실 함수

,

가 최적화될 수 있다.

일부 실시예에서, 약한 라벨 생성기(118)는 다중 프레임/다시점 이미지들(예,

)또는 실측(예,

)으로부터 직접 약한 라벨(예,

)을 생성할 수 있다. 예를 들어, 일부 실시예에서, 약한 라벨 생성기(118)은 보조 작업(예를 들어, 의미론적 분할을 통해)에 따라 약한 라벨(예,

)을 생성할 수 있다. 이 경우, 보조 작업과 관련된 휴리스틱(heuristic) 규칙에 따라 약한 라벨(예를 들어,

)을 생성될 수 있다. 비제한적인 예로서, 예를 들어, 하늘이 항상 나무보다 멀다는 것과 같은 사전 지식이 있는 의미론적 분할 맵에서 약한 라벨 깊이가 생성될 수 있다.

일부 실시예에서, 약한 라벨 생성기(118)에 의해 생성된 약한 라벨(예,

)은 픽셀 기반 또는 패치 기반일 수 있다. 픽셀 기반 약한 라벨은 이미지의 개별 픽셀 간의 관계를 정의하는 반면, 피치 기반 약한 라벨은 각 영역이 복수의 픽셀을 포함하는 이미지의 서로 다른 잘린 영역 간의 관계를 정의한다. 따라서, 패치 기반의 약한 라벨은 픽셀 기반의 서수(ordinal) 약한 라벨보다 더 유연할 수 있다. 예를 들어, 패치 기반의 약한 라벨의 경우, 일부 실시예에서, 약한 라벨 생성기(118)은 패치 쌍(p, q) 및 인자(예를 들어, 이진 관계, 분포, 통계 등)로서 패치 기반 약한 라벨을 생성할 수 있다. 훈련 중에, 약한 지도 학습 모듈(116)은 지도 출력(예,

)의 패치 쌍(p, q)이 생성된 약한 라벨과 일치하는지(예를 들어, 이와 유사한지) 확인할 수 있다. 비제한적은 예를 들어, CV 애플리케이션이 이미지/비디오 향상을 위한 경우 p가 하늘에서, q가 나무에서 나온다면 p는 초해상도에서 q보다 더 '파란색'이어야 한다.

일부 실시예에서, CV 훈련 시스템(102)은 예를 들어, 지도 손실(Ls) 함수, 비지도 손실(Lu) 함수와 약한 지도 손실(Lw) 함수를 동시에 최적화함으로써, 철저하게 훈련될 수 있다. 예를 들어, 일부 실시예에서, 공동 최적화 프로그램(120)(예를 들어, 도 1 참조)는 지도 손실(Ls) 함수, 비지도 손실(Lu) 함수, 약한 지도 손실(Lw) 함수와 해당 가중치들(Ws, Wu, Ww)에 따라 조인트 손실 함수(Lall)를 생성할 수 있다. 가중치들(Ws, Wu, Ww)은 타겟 CV 애플리케이션에 대한 조인트 손실 함수(Lall)에서 지도 손실(Ls) 함수, 비지도 손실(Lu) 함수와 약한 지도 손실(Lw) 함수 각각의 균형을 맞추기 위해 사용될 수 있다. 일부 실시예에서, 가중치들(Ws, Wu, Ww)은 타겟 CV 애플리케이션에 대한 절제(ablation) 연구에 따라 결정(예를 들어, 설정)될 수 있다. 예를 들어, 일부 실시예에서, 공동 최적화 프로그램(120)는 수학식 1에 나타난 조인트 손실 함수(Lall)에 따라 대응하는 CV 애플리케이션에 대한 CV 훈련 시스템(102)을 훈련시키기 위해 조인트 손실 함수(Lall)를 생성(예를 들어, 최소화 또는 감소시킬 수 있다)할 수 있다.

<수학식 1>

수학식 1에서 Ls는 지도 손실 함수에 해당할 수 있고, Ws는 지도 손실 함수(Ls)에 적용되는 가중치에 해당할 수 있고, Lu는 비지도 손실 함수에 해당할 수 있고, Wu는 비지도 손실 함수(Lu)에 적용되는 가중치에 해당할 수 있고, Lw는 약한 지도 손실 함수에 해당할 수 있고, Ww는 약한 지도 손실 함수(Lw)에 적용되는 가중치에 해당할 수 있다.

도 2는 다중 프레임/다시점 이미지들(

)이 3개의 입력 프레임 또는 시점를 포함하는 것으로 도시하였으나, 본 개시는 이에 제한되지 않는다. 예를 들어, CV 훈련 시스템(102)의 다중 학습 전략 프레임워크는 임의의 적절한 수의 프레임 또는 뷰를 갖는 임의의 적절한 CV 애플리케이션을 위한 트레이닝에 적용될 수 있다. 또한, 도 2는 CV 훈련 시스템(102)이 지도 학습 모듈(112), 비지도 학습 모듈(114), 약한 지도 학습 모듈(116)을 포함하는 것을 보여주고, 본 개시는 이에 제한되지 않고, CV 훈련 시스템(102)이 지도 학습 모듈(112), 비지도 학습 모듈(114), 약한 지도 학습 모듈(116) 중에서 임의 적절한 조합을 사용(예를 들어, 포함)할 수 있다. 예를 들어, 지도 항목의 실측이 없는 경우, CV 훈련 시스템(102)은 비지도 학습 모듈(114)과 약한 지도 학습 모듈(116)을 사용할 수 있다. 다른 예로서, 다중 프레임/다시점 이미지들(104)가 단일 프레임/단일 이미지 입력만을 포함하는 경우, CV 훈련 시스템(102)은 지도 학습 모듈(112)과 약한 지도 학습 모듈(116)을 사용할 수 있다.

일부 실시예에서, 다중 프레임/다시점 이미지들(Ia, Ib, Ic)은 CV 훈련 시스템(102)(예를 들어, 훈련 및/또는 개발하는 동안)을 훈련하기 위해 사용될 수 있으나, 다중 프레임/다시점 이미지들(Ia, Ib, Ic)은 타겟 CV 애플리케이션을 위한 CV 훈련 시스템(102)의 훈련을 활용하기 위해 최종 사용자 장치에서 타겟 CV 애플리케이션의 예측 절차를 위해 필요하지 않을 수 있다(예를 들어, 사용되지 않거나 요구하지 않을 수 있다). 예를 들어, 최종 사용자 장치의 타겟 CV 애플리케이션에 대한 예측 절차는 단일-프레임 이미지 입력을 기반으로 할 수 있고, 예측 시간은 증가하거나 실제로 증가하지 않을 수 있다. 따라서, 비디오 기반 CV 애플리케이션에 더하여, CV 훈련 시스템(102)은 단일-프레임 이미지 입력을 갖는 이미지 기반 CV 애플리케이션에 사용될 수 있다.

도 3은 본 개시 내용의 하나 이상의 실시예에 따른, 단안 깊이 추정을 위한 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.

본 개시의 하나 이상의 예시적인 실시예에서, CV 훈련 시스템(102)의 다중 학습 전략 프레임워크는 단안 깊이 추정에 적용될 수 있다. 일반적으로 단안 깊이 추정은 이미지에 대한 픽셀단위 깊이 맵을 추정하는데 사용할 수 있는 CV 애플리케이션이다.

간략한 개요에서, 다수의 연속적인 입력 프레임이 주어지면, 지도 학습 모듈은 입력 프레임에 표시된 객체의 깊이를 지도 출력으로 추정할 수 있고, 추정된 깊이와 깊이의 실측 사이의 지도 손실을 계산할 수 있다. 비지도 학습 모듈(114)은 추정된 깊이를 사용하여 3D 공간의 입력 프레임에서 물체의 강체 운동을 보상할 수 있고, 3D 공간의 강체 운동과 3D 좌표에 따라 입력 프레임 사이의 비지도 측광 손실을 계산할 수 있다. 약한 지도 학습 모듈(116)은 추정된 깊이와 약하게 라벨링된 깊이 사이의 약한 지도 손실을 계산할 수 있고, 이는 입력 프레임 또는 실측으로부터 생성될 수 있다. 일부 실시예에서, CV 훈련 시스템(102)은 지도 손실, 비지도 측광 손실 및 약한 지도 손실을 동시에 최적화함으로써 훈련될 수 있다.

보다 구체적으로 도 3을 참조하면, 일부 실시예에서, CV 훈련 시스템(102)은 다중 연속 입력 이미지 프레임들(It-1, It, It+1)을 수신할 수 있고, 이는 단일 소스(예를 들어, 단일 카메라)에서 생성될 수 있다. 예를 들어, 입력 영상 프레임들(It-1, It, It+1)은 이전 프레임(t-1), 타겟 프레임(t), 다음 프레임(t+1)을 포함할 수 있고, 이는 서로 인접할 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 지도 출력으로서 타켓 프레임(t)에서 객체의 깊이(Dt)를 추정할 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)은 예를 들어, 조건부 랜덤 필드, 인코더-디코더 네트워크 등과 같은 당업자에게 알려진 임의의 적절한 깊이 추정 방법 또는 알고리즘을 사용하여 깊이(Dt)를 추정하기 위해 깊이 추정기(예를 들어, 깊이 추정 네트워크)(308)를 포함할 수 있다. 예를 들어, 일부 실시예에서, 깊이 추정기(308)는 타겟 프레임(t)에서 객체의 깊이(Dt)를 추정하기 위해 하나 이상의 인코더-디코더 쌍(예를 들어, 인코더-디코더 쌍의 네트워크)를 포함할 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 추정된 깊이(Dt)와 깊이의 실측(Dt*) 사이의 지도 손실(Ls)을 계산할 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)은 수학식 2에 나타난 지도 손실 함수에 따라 지도 손실(Ls)를 계산할 수 있다.

<수학식 2>

수학식 2에서 Ls는 지도 손실에 해당할 수 있고, Dt는 깊이 추정기(308)에 의해 출력된 추정된 깊이에 해당할 수 있고, Dt*은 추정된 깊이(Dt)의 실측에 해당할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)는 3D공간에서 입력 이미지 프레임들(It-1, It, It+1)에서 물체의 강체 운동을 보상하기 위해 추정된 깊이(Dt)를 사용할 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)는 포즈 추정기(예를 들어, 포즈 추정 네트워크)(302), 투영 및 워핑 이미지 변환기(304)를 포함할 수 있다.

일부 실시예에서, 포즈 추정기(302)는 입력 이미지 프레임들(It-1, It, It+1)의 프레임에서 프레임까지 객체의 강체 운동을 결정할 수 있다. 예를 들어, 일부 실시예에서, 포즈 추정기(302)는 예를 들어, 타겟 프레임(t)에서 이전 프레임(t-1)으로의 객체의 강체 운동을

으로 결정할 수 있을 뿐만 아니라, 타겟 프레임(t)에서 다음 프레임(t+1)으로의 객체의 강체 운동을

으로 결정할 수 있다. 여기서, M은 객체의 운동 벡터이고, 각 움직임 벡터 M은 회전(R)과 병진(T)를 포함할 수 있다. 포즈 추정기(302)는 예를 들어, 선형 n-포인트 추정, 포즈CNN 또는 임의의 적절한 깊은 신경망 등과 같은 운동 벡터 M을 출력하기 위해 당업자에게 알려진 임의의 적절한 포즈 추정 방법 또는 알고리즘을 사용하여 물체의 강체 운동을 결정할 수 있다. 예를 들어, 일부 실시예에서, 포즈 추정기(302)는 프레임부터 프레임까지 물체의 강체 운동에 따라 강체의 운동 벡터 M을 출력하기 위해 하나 이상의 이상의 인코더-디코더 쌍(예를 들어, 인코더-디코더 쌍의 네트워크)를 포함할 수 있다.

일부 실시예에서, 포즈 추정기(302)는 깊이 추정기(308)과 유사한(예를 들어, 동일하거나 실질적으로 동일한) 인코더-디코더 아키텍처를 가질수 있다. 일부 실시예에서, 포즈 추정기(302)의 인코더-디코더 쌍 중 적어도 하나는 깊이 추정기(308)의 것과 공유될 수 있다. 따라서, 계산 비용이 감소될 수 있다. 그러나, 본 개시는 이에 제한되지 않는다.

일부 실시예에서, 투영 및 워핑 이미지 변환기(304)는 입력 이미지 프레임들(It-1, It, It+1)의 2D 이미지에서 물체의 강체 운동을 보상할 수 있고, 추정된 깊이(Dt)에 따라 보상된 2D 이미지를 3D 공간(예, 3D 좌표)으로 변환할 수 있다. 예를 들어, 일부 실시예에서, 투영 및 워핑 이미지 변환기(304)는 포즈 추정기(302)로부터 출력된 운동 벡터 M에 따라 입력 이미지 프레임들(It-1, It, It+1)의 2D 이미지를 워핑 할 수 있고, 입력 이미지 프레임들(It-1, It, It+1)에서 강체 운동으로부터 2D 이미지의 물체를 분리할 수 있다. 일부 실시예에서, 투영 및 워핑 이미지 변환기(304)는 추정된 깊이(Dt)에 따라 보상된 2D 이미지에서 물체의 2D 좌표를 3D 좌표로 투영할 수 있다(예를 들어, 변환할 수 있다). 예를 들어, 2D 좌표는 보상된 2D 영상에서 물체의 영상 좌표(x, y)에 해당할 수 있고, 추정된 깊이(Dt)는 3D 좌표의 제3 좌표(z)에 대응하는 물체의 깊이 차원을 제공할 수 있다. 따라서, 일부 실시예에서, 투영 및 워핑 이미지 변환기(304)는 지도 학습 모듈(112)에 의해 생성된 추정된 깊이(Dt)에 따라 3D 공간(예를 들어, 3D 좌표)에서 물체의 강체 운동을 보상할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114) 3D 좌표 및 강체 운동 보상에 따른 입력 이미지 프레임들(It-1, It, It+1) 사이의 비지도 측광 손실(Lu)를 계산할 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)은 수학식 3에 나타난 비지도 손실 함수에 따라 비지도 측광 손실(Lu)을 계산할 수 있다.

<수학식 3>

수학식 3에서, Lu는 비지도 손실에 해당할 수 있고, It-1은 이전 입력 이미지 프레임에 해당할 수 있고, It는 타겟 입력 이미지 프레임에 해당할 수 있고, It+1은 다음 입력 이미지 프레임에 해당할 수 있고, K는 고유 행렬에 해당할 수 있고,

은 타겟 입력 이미지 프레임(It)에서 이전 입력 이미지 프레임(It-1)까지의 강체 운동의 운동 벡터에 해당할 수 있고,

은 타겟 입력 이미지 프레임(It)에서 다음 입력 이미지 프레임(It+1)까지의 강체 운동의 운동 벡터에 해당할 수 있고, Dt는 지도 학습 모듈(112)에 의해 출력된 추정 깊이에 해당할 수 있고,

은 2D 와 3D 사이의 좌표 투영에 해당할 수 있고,

는 3D 공간에서의 강체 운동 보상에 해당할 수 있다.

일부 실시예에서, 약한 지도 학습 모듈(116)은 타겟 프레임(t)에 대응하는 약한 라벨링된 깊이(

)와 타겟 프레임(t)에 기초한 지도 학습 모듈(112)에 의해 생성된 추정된 깊이(Dt) 사이의 약한 지도 손실(Lw)을 계산할 수 있다. 예를 들어, 일부 실시예에서, 약한 라벨 생성기(118)은 입력 이미지 프레임들(It-1, It, It+1)(또는 실측 깊이(Dt*)) 예를 들어, 의미론적 분할 맵, 대략적인 깊이 추정 결과 등으로부터 유도된 정보로부터 약한 라벨링된 깊이(

)를 생성할 수 있다. 다양한 실시예에서, 약한 라벨링된 깊이(

)는 픽셀 기반 또는 패치 기반일 수 있다. 따라서, 약한 라벨링된 깊이(

)는 픽셀 쌍(i, j) 또는 패치 쌍(p, q)을 포함할 수 있고, 픽셀 쌍(i, j)의 픽셀 사이 또는 패치 쌍(p, q)의 패치 사이의 깊이 관계(예를 들어, 더 가까이/더 멀리)를 정의할 수 있다.

일부 실시예에서, 약한 라벨링된 깊이(

)가 픽셀 쌍(i, j)을 포함하도록 생성되면, 약한 지도 학습 모듈(116)은 수학식 4에 나타난 약한 지도 손실 함수에 따라 약한 지도 손실(Lw)을 계산할 수 있다.

<수학식 4>

수학식 4에서, Lw는 약한 지도 손실에 해당할 수 있고,

는 프레임 t에서 픽셀 i의 추정된 깊이에 해당할 수 있고,

는 프레임 t에서 픽셀 j의 추정된 깊이에 해당할 수 있고,

는 불연속성을 피하기 위한 상수에 해당할 수 있다. 이 경우, 픽셀 i가 픽셀 j보다 멀면

이고, 그렇지 않으면(예를 들어, 픽셀 j가 픽셀 i보다 멀면)

이다.

일부 실시예에서, 약하게 라벨링 된 깊이(

)가 패치쌍(p, q)을 포함하도록 생성될 때, 약한 지도 학습 모듈(116)은 수학식 5에서 나타난 약한 지도 손실 함수에 따라 지도 손실(Lw)을 계산할 할 수 있다.

<수학식 5>

수학식 5에서, Lw는 약한 지도 손실에 해당할 수 있고,

는 프레임 t에서 p영역의 추정된 깊이에 해당할 수 있고,

는 프레임 t에서 q영역의 추정된 깊이에 해당할 수 있고, var는 특이값을 억제하는 분산에 해당할 수 있다. 이 경우, 영역 p가 영역 q 보다 멀면

이고, 반대의 경우(예, 영역 q가 영역 p 보다 멀면)

이다.

일부 실시예에서, 약하게 라벨링 된 깊이(

)가 패치쌍(p, q)을 포함하도록 생성될 때, 추정된 깊이(Dt)에서 영역 p와 영역 q와의 깊이 통계의 차이를 평가할 수 있다. 예를 들어, 영역 p와 영역 q가 동일한 의미론적 종류에 속하면 깊이 분포는 서로 유사할 수 있다. 이 경우, 약한 지도 학습 모듈(116)은 영역 p(

)의 추정된 깊이의 히스토그램과 영역 q(

)의 추정된 깊이의 히스토그램 간의 카이-스퀘어 히스토그램(Chi-square histogram) 거리에 따라 약한 지도 손실(Lw)을 계산할 할 수 있다. 예를 들어, 일부 실시예에서, 약한 지도 학습 모듈(116)은 수학식 6에 도시된 약한 지도 손실 함수에 따라 약한 지도 손실(Lw)을 계산할 수 있다.

<수학식 6>

수학식 6에서, Lw는 약한 지도 손실에 해당할 수 있고, ChiSquare는 두 히스토그램 사이의 카이-제곱 거리에 해당할 수 있고, hist는 히스토그램 연산에 해당할 수 있고,

는 프레임 t에서 p영역의 추정된 깊이에 해당할 수 있고,

는 프레임 t에서 q영역의 추정된 깊이에 해당할 수 있다.

일부 실시예에서, CV 훈련 시스템(102)은 지도 손실 함수(예, 수학식 2에 나타남), 비지도 손실 함수(예, 수학식 3에 나타남), 약한 지도 손실 함수(예, 수학식 4, 5, 6에 나타남)를 동시에 최적화함으로써 단안 깊이 출력을 개선하도록 훈련될 수 있다. 예를 들어, 일부 실시예에서, 추정된 깊이(Dt)가 각각의 지도 손실(Ls), 비지도 손실(Lu) 및 약한 지도 손실(Lw)을 게산하는데 사용되고, 공동 최적화 프로그램(120)는 예를 들어, 수학식 1과 같은 조인트 손실 함수(Lall)에 따라 지도 손실 함수, 비지도 손실 함수, 약한 지도 손실 함수를 공동으로 최적화할 수 있다.

도 4는 본 개시 내용의 하나 이상의 실시예들에 따른, 스테레오 매칭을 위한 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.

본 개시의 하나 이상의 실시예에서, CV 훈련 시스템(102)의 다중 학습 전략 프레임 워크는 스테레오 매칭(예를 들어, 시차 추정)에 적용될 수 있다. 일반적으로, 스테레오 매칭(예를 들어, 시차 추정)은 동일한 장면의 다른 관점(예를 들어, 다른 입체 뷰)을 갖는 이미지(예를 들어, 왼쪽 이미지 및 오른쪽 이미지)의 픽셀을 일치시키는데 사용할 수 있는 CV 애플리케이션이다.

간략히 살펴보면, 동일한 장면의 서로 다른 입체 뷰에 해당하는 여러 입력 이미지(예를 들어, 왼쪽 이미지 및 오른쪽 이미지)가 주어지면 지도 학습 모듈(112)은 지도 출력으로 제1 이미지(예를 들어, 왼쪽 이미지)와 제2 이미지(예를 들어, 오른쪽 이미지)간의 차이를 추정할 수 있고, 추정된 시차와 시차의 실측 사이의 지도 손실을 계산할 수 있다. 비지도 학습 모듈(114)은 추정된 시차를 이용하여 추정된 시차에 따라 보상되는 제1 이미지 또는 제2 이미지 중 하나에 대응하는 뒤틀린 이미지를 생성할 수 있고, 뒤틀린 이미지와 제1 이미지 또는 제2 이미지(예를 들어, 뒤틀린 이미지를 생성하는데 사용하지 않은 이미지)중 다른 하나의 실제 이미지(예를 들어, 원본 이미지) 사이의 비지도 측광 손실을 계산할 수 있다. 약한 비지도 학습 모듈(116)은 추정된 시차와 약하게 라벨링된 시차 사이의 약한 지도 손실을 계산할 수 있고, 이는 입력 이미지들 중에 해당하는 하나 또는 실측으로부터 생성될 수 있다. 일부 실시예에서, CV 훈련 시스템(102)은 지도 손실, 비지도 광측 손실과 약한 지도 손실을 동시에 최적화함으로써 훈련될 수 있다.

보다 자세하게 도 4를 참조하면, 일부 실시예에서, CV 훈련 시스템(102)은 동일한 장면의 다른 관점(예를 들어, 다른 입체 뷰)에 대응하는 다중 입력 이미지들(Il, Ir)을 수신할 수 있다. 예를 들어, 다중 입력 이미지들(Il, Ir)은 왼쪽 이미지(Il)와 오른쪽 이미지(Ir)를 포함할 수 있고, 이는 예를 들어, 왼쪽 카메라와 오른쪽 카메라와 같은 서로 다른 소스(예를 들어, 듀얼 카메라 또는 서로 다른 카메라)에 의해 생성될 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 다중 입력 이미지들(Il, Ir) 간의 시차(D)를 추정할 수 있다. 예를 들어, 시차는 왼쪽 이미지(Il)와 오른쪽 이미지(Ir)의 차이에 해당할 수 있고, 이는 강체 운동과 유사할 수 있지만 한 방향(예를 들어, 왼쪽 이미지(Il)와 오른쪽 이미지(Ir) 사이의 이동 방향)이다. 이 경우, 일부 실시예에서, 지도 학습 모듈(112)은 예를 들어, 픽셀 매칭, PSMNet 또는 다른 적절한 깊은 신경망 등과 같은 당업자에게 알려진 임의의 적절한 시차 추정 방법 또는 알고리즘을 사용하여 왼쪽 이미지(Il)와 오른쪽 이미지(Ir) 사이의 시차(D)를 추정하기 위해 시차 추정기(406)(예를 들어, 시차 추정 네트워크)를 포함할 수 있다. 예를 들어, 일부 실시예에서, 시차 추정기(406)는 왼쪽 이미지(Il)와 오른쪽 이미지(Ir) 사이의 시차(D)를 추정하도록 훈련된 신경망(예를 들어, CNN, RNN 등)을 포함할 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 추정된 시차(D)와 추정된 시차의 실측(D*)간의 지도 손실(Ls)를 계산할 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)은 수학식 7에 나타난 지도 손실 함수에 따라 지도 손실(Ls)를 계산할 수 있다.

<수학식 7>

수학식 7에서 Ls는 지도 손실 함수에 해당할 수 있고, D는 시차 추정기(406)에 의해 추정된 시차에 해당할 수 있고, D*은 추정된 시차(D)의 실측에 해당할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)은 뒤틀린 이미지(I')를 생성하기 위해 추정된 시차(D)를 사용할 수 있다. 이 경우, 뒤틀린 이미지(I')는 다중 입력 이미지들(Il, Ir) 중 어느 하나로부터 생성될 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)은 워핑 이미지 변환기(402)를 포함할 수 있다.

일부 실시예에서, 워핑 이미지 변환기(402)는 추정된 시차(D)에 따라 왼쪽 이미지(Il) 또는 오른쪽 이미지(Ir) 중 어느 하나를 워핑하여 뒤틀린 이미지(I')를 생성할 수 있다. 예를 들어, 워핑 이미지 변환기(402)는 뒤틀린 이미지(예를 들어, Il', Ir')를 생성하기 위해 추정된 시차(D)에 기초하여 왼쪽 이미지(Il) 또는 오른쪽 이미지(Ir) 중 어느 하나를 시프트(shirt)할 수 있다. 이 경우, 추정된 시차(D)가 적절하게 생성된 경우, 시차는 왼쪽 이미지(Il)와 오른쪽 이미지(Ir) 사이의 차이에 해당할 수 있고, 뒤틀린 이미지(I')는 다른 이미지(예를 들어, 원본 이미지 또는 왼쪽 이미지(Il) 또는 오른쪽 이미지(Ir) 중 다른 하나의 실제 이미지)와 동일하거나 실질적으로 동일할 수 있다. 예를 들어, 추정된 시차(D)에 따라 뒤틀린 이미지(Il')를 생성하기 위해 왼쪽 이미지(Il)를 사용한다면, 뒤틀린 이미지(Il')는 추정된 시차(D)가 적절하게 생성된 경우 오른쪽 이미지(Ir)와 동일하거나 실질적으로 동일할 수 있다. 이와 비슷하게, 추정된 시차(D)에 따라 뒤틀린 이미지(Ir')를 생성하기 위해 오른쪽 이미지(Ir)를 사용한다면, 뒤틀린 이미지(Ir')는 추정된 시차(D)가 적절하게 생성된 경우 왼쪽 이미지(Il)와 동일하거나 실질적으로 동일할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)은 추정된 시차(D)를 기반으로 생성된 뒤틀린 이미지(I')에 따라 비지도 측광 손실(Lu)을 계산할 수 있고, 다중 입력 이미지들(Il, Ir)(예를 들어, 뒤틀린 이미지(I')를 생성하는데 사용되지 않는 것) 중 다른 하나의 원본 이미지가 계산될 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)은 수학식 8에 나타난 비지도 손실 함수에 따라 비지도 광측 손실(Lu)를 계산할 수 있다.

<수학식 8>

수학식 8에서, Lu는 비지도 손실에 해당할 수 있고, Il'은 뒤틀린 이미지(예, 도 4의 예에 도시된 바와 같이 왼쪽 이미지(Il)에 대응하는)에 해당할 수 있고, Il은 뒤틀린 이미지(예, 도 4에 도시된 예에서 왼쪽 이미지(Il))의 원본(또는 실제 이미지)에 해당할 수 있고, Ir은 다중 입력 이미지들(Il, Ir) 중에서 다른 이미지(예, 도 4에 도시된 예에서 오른쪽 이미지(Ir))의 원본 이미지(또는 실제 이미지)에 해당할 수 있고, D는 지도 학습 모듈(112)에 의해 출력된 시차에 해당할 수 있고, W는 워핑 연산자에 해당할 수 있다.

일부 실시예에서, 약한 지도 학습 모듈(116)은 약하게 라벨링 된 시차(

)와 지도 학습 모듈(112)에 의해 생성된 추정된 시차(D) 사이의 약한 지도 손실(Lw)을 계산할 수 있다. 시차는 깊이에 반비례할 수 있기 때문에, 일부 실시예에서, 약하게 라벨링 된 시차(

)는 약하게 라벨링된 깊이(

)와 유사한 방식으로 약한 라벨 생성기(118)에 의해 생성될 수 있다. 예를 들어, 일부 실시예에서, 약한 라벨 생성기(118)는 뒤틀린 이미지(I')(또는 시차의 실측(D*))의 원본 이미지로부터 유도된 정보로부터 예를 들어, 의미론적 세분화 맵 등과 같은 약하게 라벨링 된 시차(

)를 생성할 수 있다. 다양한 실시예에서, 약하게 라벨링 된 시차(

)는 픽셀 기반 또는 패치 기반일 수 있다. 따라서, 약하게 라벨링 된 시차(

)는 픽셀 쌍(i, j) 또는 패치 쌍(p, q)을 포함할 수 있고, 시차 관계(예, 작거나/크거나)를 정의할 수 있고, 이는 깊이에 반비례(예, 패치 p의 깊이가 패치 q보다 멀면 패치 p의 깊이가 패치 q보다 크고, 패치 p의 시차가 패치 q보다 작을 수 있다)할 수 있다.

일부 실시예에서, 약한 지도 학습 모듈(116)은 도 3을 참조하여 위에서 논의된 단안 깊이 추정에 사용된 것과 같이 동일하거나 실질적으로 동일한 약한 지도 손실 함수(예, 수학식 4, 수학식 5 또는 수학식 6)를 사용하여 스테레오 매칭에 대한 약한 지도 손실(Lw)을 계산할 수 있고, 그 외에는 추정된 시차(D)와 약하게 라벨링 된 시차(

)에 해당하는 정보는 약하게 라벨링 된 시차(

)와 추정된 시차(D) 간의 약한 지도 손실(Lw)을 계산하기 위한 입력으로 사용될 수 있다. 예를 들어, 당업자에 의해 이해되는 바와 같이, 약한 지도 손실(Lw)은 도 3을 참조하여 위에서 논의한 단안 깊이 추정 케이스와 같이 약하게 라벨링 된 깊이(

)에 해당하는 각 픽셀(i, j) 또는 영역 (p, q)에 대해 추정된 깊이(Dt)에 해당하는 깊이 관계 대신, 위에서 논의한 약하게 라벨링 된 시차(

)에 해당하는 각 픽셀(i, j) 또는 영역 (p, q)에 대한 추정된 시차 정보를 사용하여, 수학식 4, 수학식 3 또는 수학식 6 중 임의의 적절한 것에 따라 계산될 수 있다. 따라서, 중복되는 설명은 반복되지 않을 수 있다.

일부 실시예에서, CV 훈련 시스템(102)은 지도 손실 함수(예, 수학식 7에 나타남), 비지도 손실 함수(예, 수학식 8에 나타남) 및 약한 지도 손실 함수(예, 수학식 4, 수학식 5 또는 수학식 6에 나타난 추정된 시차(D)와 약하게 라벨링 된 시차(

)에 해당하는 적절한 대체들)을 최적화함으로써 스테레오 매칭을 개선하도록 훈련될 수 있다. 예를 들어, 일부 실시예에서, 추정된 시차(D)가 각각의 지도 손실(Ls), 비지도 손실(Lu) 및 약한 지도 손실(Lw)을 계산하는데 사용될 수 있기 때문에, 공동 최적화 프로그램(120)는 수학식 1에 나타난 봐와 같이 조인트 손실 함수(Lall)에 따라 지도 손실 함수, 비지도 손실 함수 및 약한 지도 손실 함수를 공동으로 최적화할 수 있다.

도 5a와 도 5b는 본 개시의 하나 이상의 예시적인 실시예에 따른, 이미지/비디오 향상을 위한 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.

본 개시의 하나 이상의 실시예에서 CV 훈련 시스템(102)의 다중 학습 전략 프레임워크는 이미지/비디오 향상에 적용될 수 있다. 일반적으로, 이미지/비디오 향상은 저해상도 이미지를 고해상도 이미지로 조정(예, 향상)하는데 사용할 수 있는 CV 애플리케이션이다. 이하, 초고해상도(SR) 네트워크 맥락에서 이미지/비디오 향상에 비제한적인 예가 도 5a와 도 5b를 참조하여 설명될 수 있으나, 본 개시는 이에 제한되지 않고 동일하거나 실질적으로 동일한(예, 유사한) 아키텍처(예, 다중 학습 전략 프레임워크)는 당업자에 의해 이해되는 바와 같이 적절한 수정을 갖는 다른 이미지/비디오 향상 CV 애플리케이션에 사용될 수 있다.

간략히 살펴보면, 다수의 연속적인 저해상도(LR) 입력 프레임이 주어지면, 지도 학습 모듈(112)은 대응하는 고해상도(HR) 이미지를 지도 출력으로 추정할 수 있고, 추정된 HR 이미지와 HR 이미지의 실측 간의 지도 손실을 계산할 수 있다. 비지도 학습 모듈(114)은 추정된 HR 이미지에 대응하는 광학 흐름을 생성할 수 있고(예를 들어, 추정할 수 있고), 광학적 흐름에 따라 추정된 HR 이미지에서 광학적 운동을 보상할 수 있다. 비지도 학습 모듈(114)은 뒤틀린 추정된 HR 이미지들 사이의 비지도 측광 손실을 계산할 수 있다. 약한 지도 학습 모듈(114)는 추정된 HR 이미지들과 약하게 라벨링된 HR 이미지들 사이의 약한 지도 손실을 계산할 수 있고, 이는 LR 입력 프레임들 또는 LR 입력 프레임들 실측에서 생성될 수 있다. 일부 실시예에서, CV 훈련 시스템(102)은 지도 손실, 비지도 광측 손실과 약한 지도 손실을 동시에 최적화함으로써 훈련될 수 있다.

보다 자세하게 도 5a 및 도 5b를 참조하면, 일부 실시예에서, CV 훈련 시스템(102)은 다중 연속 LR 입력 이미지 프레임들(

)을 수신할 수 있고, 이는 단일 소스(예, 단일 카메라)에서 생성될 수 있다. 예를 들어, 다중 연속 LR 입력 이미지 프레임들(

)은 제1 프레임(t-1), 제2 프레임(t), 제3 프레임(t+1)을 포함할 수 있고, 이는 서로 인접할 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 지도 출력으로서 LR 입력 프레임들(

)로부터 HR 이미지들(

)을 추정할 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)은 예를 들어, 업샘플링(예, 이중 선형/쌍방 업샘플링), 희소 코드 기반 사전 학습, CT-SRCNN 또는 다른 적절한 신경망 등과 같은 당업자에게 알려진 임의의 적절한 방법 또는 알고리즘을 사용하여, LR 입력 프레임들(

)로부터 HR 이미지들(

)을 추정하기 위해 단일 이미지 초해상도(SISR) 네트워크(510)를 포함할 수 있다. 예를 들어, 일부 실시예에서, 단일 이미지 초해상도(SISR) 네트워크(510)(예, CNN, RNN과 같은)는 LR 입력 프레임들((

)로부터 HR 이미지들(

)을 추정하도록 훈련된 신경망을 포함할 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 추정된 HR 이미지들(

)과 HR 이미지들의 실측(

) 사이의 지도 손실(Ls)를 계산할 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)은 수학식 9에 나타난 지도 손실 함수에 따라 추정된 HR 이미지들(

)의 각각에 대응하는 프레임-쌍과 HR 이미지들의 실측(

) 사이의 지도 손실(Ls)를 계산할 수 있다.

<수학식 9>

수학식 9에서,

은 해당 프레임 쌍에서 추정된 HR 이미지들(

) 중 허느 하나에 해당할 수 있고,

은 해당 프레임 쌍에서 해당하는 HR 이미지들의 실측(

)에 해당할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)은 추정된 HR 이미지들(

)에서 광학 운동을 보상할 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)은 추정된 HR 이미지들(

)에서 추정된 HR 광학 운동을 보상하기 위해 HR 광학 흐름(

) 생성(예, 추정)할 수 있다. 광학 운동은 강체 운동과 유사할 수 있지만, 물체 기반이 아닌 구모양 기반일 수 있다. 따라서, 강체 운동은 3D 운동(예, 깊이 차원 포함)을 고려하는 반면, 광학 운동은 추정된 HR 이미지들(

)의 2D 공간(예, 2D 이미지 좌표)에서의 운동을 고려할 수 있다.

다양한 실시예에서, 예를 들어, 도 5a에 도시된 바와 같이, 비지도 학습 모듈(114)은 LR 입력 프레임들(

)의 프레임에서 HR 광학 흐름(

)을 생성(예, 추정)할 수 있고, 예를 들어, 도 5b에 도시된 바와 같이, 추정된 HR 이미지들(

) 프레임에서 프레임으로 직접 HR 광학 흐름(

)을 생성(예, 추정)할 수 있다. 따라서, 일부 실시예에서, 비지도 학습 모듈(114)은 도 5a에 되시된 바와 같이, LR 입력 프레임들(

)에서 HR 광학 흐름(

)을 생성하기 위해 광학 흐름 추정기(502) 및 광학 흐름 SR 생성기(504)를 포함할 수 있거나, 도 5b에 도시된 바와 같이, 추정된 HR 이미지들(

)로부터 직접 HR 광학 흐름(

)을 생성하기 위해 광학 흐름 추정기(503)을 포함할 수 있다.

도 5a를 참조하면, 일부 실시예에서, 광학 흐름 추정기(502)는 LR 입력 프레임들(

)의 프레임에서 프레임으로 LR 광학 흐름((

)을 생성할 수 있다. 예를 들어, 일부 실시예에서, 광학 흐름 추정기(502)는 LR 입력 프레임들(

)의 프레임(t)에서 프레임(t-1)으로 LR 광학 흐름(

)을 생성할 수 있을 뿐만 아니라, 프레임(t)에서 프레임(t+1)으로 LR 광학 흐름(

)을 생성할 수 있다. 광학 흐름 추정기(502)는 예를 들어, TV-L1 광확 흐름 추정, PWCNet 또는 다른 적절한 신경망과 같은 당업자에게 알려진 임의의 적절한 광학 흐름 추정방법 또는 알고리즘을 사용하여 LR 광학 흐름((

)의 프레임에서 프레임으로의 LR 광학 흐름((

)을 추정하도록 훈련된 신경망(예, CNN, RNN 등과 같은)을 포함할 수 있다.

일부 실시예에서, 광학 흐름 SR 생성기(504)는 HR 광학 흐름(

)을 생성(예, 추정)하기 위해 LR 광학 흐름((

)을 업샘플(upsample)할 수 있다. 예를 들어, 일부 실시예에서, 광학 흐름 SR 생성기(504)는 예를 들어, 쌍선형/쌍입방 보간(interpolation)과 같은 임의의 적절한 업샘플링 방법 또는 알고리즘 사용하여 LR 광학 흐름(

)을 업샘플(upsample)할 수 있고, LR 광학 흐름(

)에서 HR 광학 흐름(

)을 생성하도록 훈련된 깊은 신경망(예, CNN, RNN 등)을 포함할 수 있다.

도 5b를 참조하면, 일부 실시예에서, 광학 흐름 추정기(503)는 추정된 HR 이미지들(

)의 프레임에서 프레임으로 HR 광학 흐름(

)을 직접 생성할 수 있다. 이 경우, 광학 흐름 SR 생성기(504)(예, 도 5a 참조)는 생략될 수 있다. 예를 들어, 일부 실시예에서, 광학 흐름 추정기(503)는 추정된 HR 이미지들(

)로부터 직접 프레임(t)에서 프레임(t-1)으로 HR 광학 흐름(

)을 생성할 수 있을 뿐만 아니라, 프레임(t)에서 프레임(t+1)으로 HR 광학 흐름(

)을 생성할 수 있다. 광학 흐름 추정기(503)는 예를 들어, TV-L1 광확 흐름 추정, PWCNet 또는 다른 적절한 신경망 등과 같은 당업자에게 알려진 임의의 적절한 광학 흐름 추정 방법 또는 알고리즘을 사용하여 HR 광학 흐름(

)을 생성할 수 있다. 예를 들어, 일부 실시예에서, 광학 흐름 추정기(503)는 추정된 HR 이미지들(

)의 프레임에서 프레임으로의 HR 광학 흐름(

일부 실시예에서, 비지도 학습 모듈(114)은 HR 광학 흐름(

)(예, 광학 흐름 SR 생성기(504)에 의한 출력 또는 광학 흐름 추정기(503)에 의한 출력)과 추정된 HR 이미지들(

)을 추정된 HR 이미지들(

)에서 광학 운동을 보상하기 위해 사용할 수 있다. 예를 들어, 도 5a와 도 5b에 도시된 바와 같이, 일부 실시예에서, 비지도 학습 모듈(114)은 2D 워핑 이미지 변환기(506)를 포함할 수 있다. 일부 실시예에서, 2D 워핑 이미지 변환기(506)는 HR 광학 흐름(

)에 따라 추정된 HR 이미지들(

)의 2D 이미지를 왜곡하여, 추정된 HR 이미지들(

)로부터 광학 운동을 분리할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)은 HR 광학 흐름(

)과 추정된 HR 이미지들(

)에 기초한 비지도 측광 손실(Lu)을 계산할 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)은 수학식 10에 나타난 비지도 손실 함수에 따라 비지도 측광 손실(Lu)을 계산할 수 있다.

<수학식 10>

수학식 10에서, Lu는 비지도 손실에 해당할 수 있고,

는 제1 LR 입력 이미지 프레임(

)의 추정된 고해상도 이미지에 해당할 수 있고,

는 제2 LR 입력 이미지 프레임(

)의 추정된 고해상도 이미지에 해당할 수 있고,

는 제3 LR 입력 이미지 프레임(

)의 추정된 고해상도 이미지에 해당할 수 있고,

은 프레임 t에서 프레임 t-1로의 광학 흐름에 해당할 수 있고,

은 프레임 t에서 프레임 t+1로의 광학 흐름에 해당할 수 있고,

는 2D 워핑에 해당할 수 있고, W는 워핑 연산자에 해당할 수 있다.

일부 실시예에서, 약한 지도 학습 모듈(116)은 약하게 라벨링 된 HR 프레임들(

,

)과 지도 학습 모듈(112)에 의해 생성된 대응하는 추정된 HR 이미지들(

) 사이의 약한 지도 손실(Lw)을 계산할 수 있다. 예를 들어, 일부 실시예에서, 약한 라벨 생성기(118)은 예를 들어, 의미론적 분할 맵 등과 같은 LR 입력 이미지 프레임들(

)에서 유도된 정보로부터 약하게 라벨링 된 LR 프레임들(

,

)을 생성할 수 있다. 이 경우, 일부 실시예에서, 약한 지도 학습 모듈(116)은 약하게 라벨링 된 LR 프레임들(

,

) 업샘플링 하기 위해, 약하게 라벨링 된 HR 프레임들(

,

)을 생성하기 위해 업샘플러(514)를 포함할 수 있으나, 본 개시는 이에 제한되지 않는다. 예를 들어, 다른 실시예에서, 약한 라벨 생성기(118)은 실측 HR 이미지들(

)로부터 직접 약하게 라벨링 된 HR 프레임들(

,

)을 생성할 수 있고, 이 경우, 업샘플러(514)는 생략될 수 있다.

다양한 실시예에서, 약하게 라벨링 된 HR 프레임들(

,

)은 픽셀 기반 또는 패치 기반일 수 있다. 따라서, 약하게 라벨링 된 HR 프레임들(

,

)은 픽셀 쌍(i, j) 또는 패치 쌍(p, q)을 포함할 수 있고, 픽셀 쌍(i, j)의 픽셀들 또는 패치 쌍(p, q)의 영역들 사이의 강도 관계(예, 더 밝게/더 어둡게)를 정의할 수 있다.

일부 실시예에서, 약한 지도 학습 모듈(116)은 추정된 HR 이미지들(

)과 약하게 라벨링 된 HR 프레임들(

,

)에 해당하는 정보는 약하게 라벨링 된 HR 프레임들(

,

)과 추정된 HR 이미지들(

) 사이의 약한 지도 손실(Lw)을 계산하기 위한 입력으로 사용될 수 있다는 점을 제외하고, 도 3을 참조하여 위에서 논의된 단안 깊이에 사용된 것과 같이 동일하거나 실질적으로 동일한 약한 지도 손실 함수(예, 수학식 4, 수학식 5 또는 수학식 6)를 사용하여 이미지/비디오 향상을 위한 약한 지도 손실(Lw)을 계산할 수 있다. 예를 들어, 당업자에 의해 이해되는 바와 같이, 약한 지도 손실(Lw)은 도 3을 참조하여 위에서 논의된 단안 깊이 추정 케이스와 같이 약하게 라벨링 된 깊이(

)에 해당하는 각각의 픽셀들(i, j) 또는 영역들(p, q)에 대해 추정된 깊이(Dt)에 해당하는 깊이 관계(예, 더 가깝게/더 멀리)를 사용하는 대신, 각각의 픽셀들(i, j) 또는 약하게 라벨링 된 HR 프레임들(

,

)에 해당하는 영역들(p, q)에 대응하는 추정된 HR 이미지들(

) 강도 관계(예, 더 밝게/더 어둡게)를 사용하여 위에서 논의된 수학식 4, 수학식 5 또는 수학식 6 중 임의의 적절한 것에 따라 계산될 수 있다. 따라서, 중복된 설명은 반복되지 않을 수 있다.

일부 실시예에서, CV 훈련 시스템(102)는 지도 손실 함수(예, 수학식 9에 나타남), 비지도 손실 함수(예, 수학식 10에 나타남) 및 약한 지도 손실 함수(예, 추정된 HR 이미지들(

)과 약하게 라벨링 된 HR 프레임들(

,

)에 대응하는 적절한 대체들이 있는 수학식 4, 수학식 5, 수학식 6에 나타남)를 최적화하여 이미지/비디오 향상을 개선하도록 훈련될 수 있다. 예를 들어, 일부 실시예에서, 추정된 HR 이미지들(

)은 지도 손실(Ls), 비지도 손실(Lu) 또는 약한 지도 손실(Lw)을 계산하는데 사용되기 때문에, 공동 최적화 프로그램(120)는 예를 들어, 수학식 1과 같은 조인트 손실 함수(Lall)에 따라 지도 손실 함수, 비지도 손실 함수 및 약한 지도 손실 함수를 공동으로 최적화할 수 있다.

도 6은 본 개시의 하나 이상의 예시적인 실시예에 따른, 다시점 깊이 추정을 위한 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 예시이다.

본 개시 내용의 하나 이상의 예시적인 실시예에서, CV 훈련 시스템(102)의 다중 학습 전략 프레임워크는 다시점 깊이 추정에 적용될 수 있다. 일반적으로, 다시점 깊이 추정은 서로 다른 이미지들(예, 다른 시야)을 다른 입력 이미지들의 픽셀 단위 깊이 맵을 정렬하는데 사용할 수 있는 CV 애플리케이션이다. 스테레오 매칭과 유사하게, 다시점 깊이 추정을 위한 입력 이미지들은 다른 소스들(예, 다른 카메라들)에서 생성될 수 있으나, 서로 다른 소스가 서로 잘 정렬될 수 있는 스트레오 매칭과 달리, 다시점 깊이 추정을 위해 다시점을 생성하는 소스들(예, 카메라들)은 서로 잘 정렬되지 않을 수 있다. 비제한적인 예를 들어, 하나의 시점은 물체 또는 장면의 전면 시점일수 있고, 다른 시점은 물체 또는 장면의 측면 시점일 수 있다.

간략하게, 서로 다른 시점(예, 다른 시야)을 포함하는 다중 입력 이미지들이 주어지고, 지도 학습 모듈(112)은 각 입력 이미지들에 표시되는 물체의 깊이를 지도 출력으로 추정할 수 있고, 입력 영상들 각각에 대한 추정 깊이와 입력 영상들 각각에 대한 추정 깊이에 대응하는 실측 사이의 지도 손실을 계산할 수 있다. 비지도 학습 모듈(114)은 각각의 입력 이미지들에 대한 추정 깊이에 따라 입력 이미지들 각각에 대한 3D 포인트 클라우드를 생성할 수 있고, 입력 이미지들의 3D 포인트 클라우드에서 정렬된 특징 포인트의 3D 좌표 사이의 거리에 기초하여 비지도 측광 손실을 계산할 수 있다. 약한 지도 학습 모듈(114)은 각각의 입력 이미지들에 대한 추정된 깊이와 각각의 입력 이미지들에 대한 약하게 라벨링 된 깊이 사이의 약한 지도 손실을 계산할 수 있고, 이는 입력 이미지들 또는 실측으로부터 생성될 수 있다. 일부 실시예에서, CV 훈련 시스템(102)은 지도 손실, 비지도 측광 손실 및 약한 지도 손실을 동시에 최적화함을로써 훈련될 수 있다.

보다 상세하게는 도 6을 참조하면, 일부 실시예에서, CV 훈련 시스템(102)은 동일한 장면의 다른 시점들(예, 다른 시야)에 대응하는 다중 입력 이미지들(

)을 수신할 수 있다. 예를 들어, 다중 입력 이미지들(

)은 제1 이미지(

)와 제2 이미지(

)를 포함할 수 있고, 이는 예를 들어, 전면 카메라와 측면 카메라 등과 같은 서로 다른 시야들을 가진 다른 소스들(예, 다른 카메라들)에 의해서 생성될 수 있다. 도 6은 입력 이미지들(

)을 2개의 이미지들인 제1 이미지(

)와 제2 이미지(

)를 간략히 예시한 것이고, 본 개시는 이에 제한되지 않고, 입력 이미지들은 2개 이상의 이미지들(

)을 포함할 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 입력 이미지들(

) 각각에서 물체의 깊이(

)를 지도 출력으로 추정할 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)은 예를 들어, 조건부 랜덤 필드, 인코더-디코더 네트워크 등과 같은 당업자에게 알려진 임의의 적절한 깊이 추정 방법 또는 알고리즘을 사용하여 각각의 입력 이미지들(

)에서 깊이(

)를 추정하기 위한 깊이 추정기(예, 깊이 추정 네트워크)(606)를 포함할 수 있다. 예를 들어, 일부 실시예에서, 깊이 추정기 (606)는 각각의 입력 이미지들(

)에서 물체의 깊이(

)를 추정하기 위해 하나 이상의 인코더-디코더 쌍(예, 인코더-디코더 쌍의 네트워크)을 포함할 수 있다.

일부 실시예에서, 지도 학습 모듈(112)은 각각의 입력 이미지들(

)의 추정된 깊이(

)와 각각의 입력 이미지들(

)의 깊이의 실측(

) 사이의 지도 손실(

)을 계산할 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)은 수학식 11에 나타난 지도 손실 함수에 따라 지도 손실(

)을 계산할 수 있다.

<수학식 11>

수학식 11에서,

는 지도 손실에 해당할 수 있고,

는 깊이 추정기(606)에 의해 출력된 추정된 깊이(

) 중 대응하는 하나에 해당할 수 있고,

은 추정된 깊이(

) 중 하나에 대응하는 실측(

)에 해당할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)은 입력 이미지들(

)의 추정된 깊이(

)에 따라 각각의 입력 이미지들(

)을 3D 공간(예, 카메라 좌표들)에 역투사하고, 외부 행렬에 의해 세계 좌표를 추가하는 역투영 및 보정 영상 변환기(602)를 포함할 수 있다. 일부 실시예에서, 역투영 및 보정 영상 변환기(602)는 각각의 입력 이미지들(

)에 대한 세계 좌표들에 3D 포인트 클라우드를 생성할 수 있고, 서로 대응하는 각각의 3D 포인트 클라우드의 공통 특징 포인트들을 보정(예, 정렬)할 수 있다. 즉, 일부 실시예에서, 역투영 및 보정 영상 변환기(602)는 추정된 깊이(

)를 기반으로 3D 세계 좌표들에 따라 입력 이미지들(

)에서 공통 영역들을 식별할 수 있고, 식별된 공통 영역들에 따라 입력 이미지들(

)의 3D 세계 좌표들을 서로 보정(예, 정렬)할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)은 각각의 입력 이미지들(

)의 3D 포인트 클라우드에서 정렬된 특징 포인트들의 3D 좌표들 사이의 거리를 기반으로 비지도 측광 손실(

)을 계산할 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)은 수학식 12에 나타난 비지도 손실 함수에 따라 비지도 측광 손실(

)을 계산할 수 있다.

<수학식 12>

수학식 12에서,

는 비지도 측광 손실에 해당할 수 있고, x는 두 카메라들의 공통 영역에 나타나는 픽셀에 해당할 수 있고,

는 제1 카메라에 의해 정렬된 픽셀 x의 3D 세계 좌표들에 해당할 수 있고,

는 두 좌표들 사이의 유클리드 거리에 해당할 수 있다.

일부 실시예에서, 약한 지도 학습 모듈(116)은 각각의 입력 이미지들(

)에 대응하는 약하게 라벨링 된 깊이(

)와 각각의 입력 이미지들(

)에 대한 지도 학습 모듈(112)에 의해 생성된 추정된 깊이(

) 사이의 약한 지도 손실(

)을 계산할 수 있다. 예를 들어, 일부 실시예에서, 약한 라벨 생성기(118)는 각각의 입력 이미지들(

)에 대해 약하게 라벨링 된 깊이(

)를 생성할 수 있고, 약한 지도 학습 모듈(116)은 도 3을 참조하여 단안 깊이 추정의 경우에서 설명한 것과 동일하거나 실질적으로 동일한 약하게 라벨링 된 깊이(

)와 추정된 깊이(

) 사이의 약한 지도 손실(

)을 계산할 수 있고, 중복된 설명은 반복되지 않을 수 있다.

일부 실시예에서, CV 훈련 시스템(102)은 지도 손실 함수(예, 수학식 11에 나타남), 비지도 손실 함수(예, 수학식 12에 나타남) 및 약한 지도 손실 함수(예, 수학식 4, 수학식 5 또는 수학식 6에 나타남)를 동식에 최적화아혀 다시점 깊티 추정을 개선하도록 훈련될 수 있다. 예를 들어, 일부 실시예에서, 추정된 깊이(

)를 사용하여 각각의 지도 손실(

), 비지도 손실(

) 및 약한 지도 손실(

)을 계산하기 때문에, 공동 최적화 프로그램(120)은 예를 들어, 수학식 1에 나타난 조인트 손실 함수(

)에 따라 지도 손실 함수, 비지도 손실 함수 및 약한 지도 손실 함수를 공동으로 최적화할 수 있다.

다음 표 1은 본 개시의 하나 이상의 예시적인 실시예에 따른 CV 훈련 시스템(102)의 다양한 학습 전략 프레임워크의 효과를 예시한다. 비제한적인 예로서, 표 2는 KITTI 스트릿 뷰 데이터세트를 훈련 데이터로 사용되는 도 3을 참조하여 위에서 설명된 단안 깊이 추정 CV 애플리케이션에 적용되는 CV 훈련 시스템(102)의 다양한 학습 전략 프레임워크를 예시한다.

ML Framework	RMSE [m](낮을수록 좋다)	REL [%](낮을수록 좋다)
S	3.454	6.64
S+U	2.362	5.32
S+W	3.147	5.78
S+U+W	2.191	4.62

표 1에서 RMSE는 제곱 평균 오차에 해당할 수 있고, REL은 상대 오차에 해당할 수 있고, S는 지도 학습 프레임워크만을 나타낼 수 있고, S+U는 지도 학습 프레임워크와 비지도 학습 프레임워크를 더한 것을 나타낼 수 있고, S+W는 지도 학습 프레임워크와 약한 지도 학습 프레임워크를 더한 것을 나타낼 수 있고, S+U+W는 지도 학습 프레임워크, 비지도 학습 프레임 워크와 약한 지도 학습 프레임워크를 더한 것을 나타낼 수 있다.

표 1에서 나타난 바와 같이, 지도 학습 프레임워크와 비지도 학습 프레임워크를 더한 S+U, 지도 학습 프레임워크와 약한 지도 학습 프레임워크를 더한 S+W는 지도 학습 프레임워크 S보다 더 잘 수행된다. 게다가, 지도 학습 프레임워크, 비지도 학습 프레임 워크와 약한 지도 학습 프레임워크를 더한 S+U+W는 지도 학습 프레임워크와 비지도 학습 프레임워크를 더한 S+U 및 지도 학습 프레임워크와 약한 지도 학습 프레임워크를 더한 S+W보다 더 잘 수행될 수 있다. 따라서, 위에서 본 개시의 하나 이상의 예시적인 실시예들에 따라 설명된 바와 같이, 이들 프레임 워크들 중 적어도 2개를 결합함으로써 보다 정확한 딥러닝 신경망이 제공될 수 있다.

도 7a 및 도 7b는 본 개시의 하나 이상의 예시적인 실시예들에 따른, 위에서 설명된 다양한 컴퓨터 비전 애플리케이션들에 적용되는 컴퓨터 비전 훈련 시스템의 다중 학습 전략 프레임워크의 개요를 예시하는 표이다. 도 8은 본 개시의 하나 이상의 예시적인 실시예들에 따른, 컴퓨터 비전 훈련 시스템을 훈련하는 방법의 흐름도이다. 본 개시는 도 8에 도시된 방법(800)의 동작 순서 또는 수로 제한되지 않고, 당업자에 의해 인식되는 바와 같이 임의의 원하는 순서 또는 동작의 수로 변경될 수 있다. 예를 들어, 일부 실시예에서, 순서는 변할 수 있거나, 방법은 더 적거나 추가적인 동작을 포함할 수 있다. 또한, 방법(800)에 도시된 동작은 구성 요소 중 임의의 적절한 하나 또는 전술한 하나 이상의 예시적인 실시예의 구성 요소의 임의의 적절한 조합에 의해 수행될 수 있다.

도 7a, 도 7b 및 도 8에 도시된 바와 같이, 다중 프레임/다중 이미지 입력이 CV 훈련 시스템(102)에 의해 수신될 수 있고, 방법(800)이 시작될 수 있다. 예를 들어, 타겟 CV 애플리케이션에 따라 다중 프레임/다중 이미지 입력은 단일 소스(예, 단일 카메라) 또는 다중 소스(예, 이중 카메라 또는 다른 카메라)에 의해 생성될 수 다. 다중 프레임/다중 이미지 입력의 지도 출력은 블록(805)에서 추정될 수 있다. 일부 실시예에서, 지도 학습 모듈(112)은 타겟 CV 애플리케이션에 따라 지도 출력을 추정할 수 있다. 예를 들어, 지도 출력(예, 추정된 지도 항목)은 타겟 CV 애플리케이션이 단안 깊이 추정에 해당하는 경우 깊이(Dt)에 해당할 수 있고, 타겟 CV 애플리케이션이 스트레오 매칭에 해당하는 경우 시차(D), 타겟 CV 애플리케이션이 이미지/비디오 향상에 해당하는 경우 HR 이미지들(

) 및/또는 타겟 CV 애플리케이션이 다시점 깊이 추정에 해당하는 경우 다시점 깊이(Da, Db)에 해당할 수 있다.

일부 실시예에서, 블록(810)에서 추정된 지도 출력 및 실측에 따라 지도 손실이 결정될 수 있다. 예를 들어, 일부 실시예에서, 지도 학습 모듈(112)는 추정된 지도 출력 및 지도 출력에 대응하는 실측에 따라 지도 손실(Ls) 함수를 결정(예, 생성, 계산, 최소화 등) 할 수 있다. 이 경우, 예를 들어, 지도 손실(Ls)은 타겟 CV 애플리케이션이 단안 깊이 추정에 해당하는 경우 깊이(Dt)와 실측 깊이(Dt*) 사이에 해당할 수 있고, 타겟 CV 애플리케이션이 스테레오 매칭에 해당하는 경우 시차(D)와 실측 시차(D*)에 해당할 수 있고, 타겟 CV 애플리케이션이 이미지/비디오 향상 및 다시점 깊이에 해당하는 경우 HR 이미지들(

)과 실측 HR 이미지들(

)에 해당할 수 있고, 타겟 CV 애플리케이션이 다시점 깊이 추정에 해당하는 경우 다시점 깊이(

) 실측 다시점 깊이(

)에 해당할 수 있다.

일부 실시예에서, 비지도 손실은 블록(815)에서 다중 프레임/다중 이미지 입력 및 추정된 지도 출력에 따라 결정될 수 있다. 예를 들어, 일부 실시예에서, 비지도 학습 모듈(114)은 다중 프레임/다중 이미지 입력 중 하나 이상에 대응하는 이미지를 변환하거나 뒤틀리기 위해 지도 출력을 사용할 수 있다. 예를 들어, 변형 또는 뒤틀린 이미지는 타겟 CV 애플리케이션이 단안 깊이 추정에 해당하는 경우 추정된 깊이(Dt)에 기초한 강체 운동 보상 및 2D에서 3D 좌표 투영에 해당할 수 있고, 타겟 CV 애플리케이션이 스테레오 매칭에 해당하는 경우 추정된 시차(D)를 기반으로 생성된 뒤틀린 이미지(I')에 해당할 수 있고, 타겟 CV 애플리케이션이 이미지/비디오 향상에 해당하는 경우 추정된 HR 이미지들(

)을 기반으로 하는 광학 흐름 추정 및 2D HR 이미지 워핑에 해당할 수 있고 및/또는 타겟 CV 애플리케이션이 다시점 깊이 추정에 해당하는 경우 추정된 다시점 깊이(Da, Db)를 기반으로 3D 포인트 클라우드에서 정렬된 포인트의 투시 투영 및 보정에 해당할 수 있다.

일부 실시예에서, 비지도 학습 모듈(114)은 비지도 손실(

) 함수를 결정(예, 생성, 계산, 최소화 등)하기 위해 변환 또는 뒤틀린 이미지를 사용할 수 있다. 예를 들어, 일부 실시예에서, 비지도 손실(

) 함수는 타겟 CV 애플리케이션이 단안 깊이 추정에 해당하는 경우 추정된 깊이(

)에 기반한 강체 운동 보상 및 2D에서 3D 좌표 투영과 다중 프레임/다중 이미지의 입력의 해당 원본(또는 실제 이미지) 사이의 측광 손실, 타겟 CV 애플리케이션이 스테레오 매칭에 해당하는 경우 추정된 시차(

)를 기반으로 생성된 생성된 뒤틀린 이미지(

)와 뒤틀린 이미지의 원본(또는 실제 이미지) 사이의 측광 손실, 타겟 CV 애플리케이션이 이미지/비디오 향상에 해당하는 경우 추정된 HR 이미지들(

) 및 추정된 HR 광학 흐름에 기초한 광학 흐름 추정과 2D HR 이미지 워핑 간의 측광 손실, 타겟 CV 애플리케이션이 다시점 깊이 추정에 해당하는 경우 추정된 다시점 깊이()를 기반으로 3D 포인트 클라우드에서 정렬된 포인트들 사이의 거리들에 해당할 수 있다.

일부 실시예에서, 약한 라벨들(예, 약한 지도 레벨들)은 블록(820)에서 다중 프레임/다중 이미지 입력에 대응하여 생성될 수 있다. 예를 들어, 일부 실시예에서, 약한 라벨 생성기(118)은 다중 프레임/다중 이미지 입력 또는 대응하는 실측으로부터 약한 라벨들을 생성할 수 있다. 약한 라벨 생성기(118)에서 생성된 약한 라벨들은 픽셀 기반 또는 패치 기반일 수 있고, 타겟 CV 애플리케이션에 대한 약한 라벨의 픽셀 쌍 또는 패치 쌍 간의 적절한 관계(예, 깊이 관계, 시차 관계, 강도 관계 등)를 정의할 수 있다.

일부 실시예에서, 약한 지도 손실은 블록(825)에서 약한 라벨들 및 추정된 지도 출력에 따라 결정될 수 있다. 예를 들어, 일부 실시예에서, 약한 지도 학습 모듈(116)은 약한 라벨들을 추정된 지도 출력과 비교하기 위해 약한 지도 손실(

) 함수를 결정(예, 생성, 계산, 최소화 등)할 수 있다. 이 경우, 약한 지도 손실(

) 함수는 타겟 CV 애플리케이션이 단안 깊이 추정에 해당하는 경우 약하게 라벨링 된 깊이(

)와 추정된 깊이(

) 사이의 일관성을 평가하는데 사용될 수 있고, 타겟 CV 애플리케이션이 스테레오 매칭에 해당하는 경우 약하게 라벨링 된 시차(

)와 추정된 시차(

), 타겟 CV 애플리케이션이 이미지/비디오 향상에 해당하는 경우 약하게 라벨링 된 HR 프레임들((

,

) 및 추정된 HR 이미지들(

), 타겟 CV 애플리케이션이 다시점 깊이 추정에 해당하는 경우 약하게 라벨링 된 깊이(

)와 추정된 깊이(

)에 사용될 수 있다.

일부 실시예에서, 결합 손실 함수는 블록(830)에서 지도 손실, 비지도 손실 및 약한 지도 손실에 따라 계산될 수 있다. 예를 들어, 일부 실시예에서, 공동 최적화 프로그램(120)는 예를 들어, 수학식 1에 나타난 바와 같이 지도 손실(Ls) 함수, 비지도 손실(Lu) 함수 및 약한 지도 손실(Lw) 함수에 따라 조인트 손실 함수(Lall)를 생성할 수 있다. 일부 실시예에서, 공동 최적화 프로그램(120)는 조인트 손실 함수(Lall)에서 지도 손실(Ls) 함수, 비지도 손실(Lu) 함수 및 약한 지도 손실(Lw) 함수 각각의 균형을 맞추기 위해 적절한 가중치들(Ws, Wu, Ww)을 적용할 수 있다. 예를 들어, 일부 실시예에서, 가중치들(Ws, Wu, Ww)은 대응하는 대응하는 CV 애플리케이션에 대한 절제 연구에 따라 결정(예, 설정)될 수 있다.

일부 실시예에서, 결합 손실 함수는 블록(835)에서 최적화될 수 있고, 방법(800)은 종료될 수 있다. 예를 들어, 일부 실시예에서, CV 훈련 시스템(102)은 지도 손실(Ls) 함수, 비지도 손실(Lu) 함수 및 약한 지도 손실(Lw) 함수에 대응하는 조인트 손실 함수(Lall)를 최적화(예, 최소화)함으로써 대응하는 CV 애플리케이션에 대해 철저하게 훈련될 수 있다. 본 개시의 하나 이상의 예시적인 실시예에 따르면, 추정된 지도 출력은 지도 손실(Ls), 비지도 손실(Lu) 및 약한 지도 손실(Lw) 각각을 계산하는데 사용될 수 있고, 공동 최적화 프로그램(120)는 예를 들어, 수학식 1에 나타난 바와 같이 조인트 손실 함수(Lall)를 사용하여, 지도 손실(Ls) 함수, 비지도 손실(Lu) 함수 및 약한 지도 손실(Lw) 함수를 동시에 최적화할 수 있다. 따라서, CV 훈련 시스템(102)의 성능이 향상될 수 있다.

도면에서, 요소, 층 및 영역의 상대적 크기는 명확성을 위해 과장 및 또는 단순화될 수 있다. "밑에", "아래에", "하부의" "아래의", "위에", "위의" 등과 같은 공간적으로 상대적인 용어는 도면에 도시된 바와 같이 하나의 요소 또는 특징과 다른 요소(들) 또는 다른 특징(들)의 관계를 설명하기 위해 설명의 편의를 위해 본원에서 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 묘사된 방향에 추가하여 사용 또는 작동 중인 장치의 다른 방향을 포함하도록 의도된 것임을 이해할 수 있을 것이다. 예를 들어, 도면의 장치가 뒤집힌 경우, 다른 요소 또는 기능 "아래에", "밑에" 또는 "아래의"로 설명된 요소는 다른 요소 또는 기능을 위로 향하게 된다. 따라서, 예시적인 용어 "아래에", "아래의"는 위와 아래의 방향을 모두 포함할 수 있다. 장치가 다른 방향으로 배치될 수 있고(예를 들어, 90도 회전되거나 다른 방향으로), 여기에 사용된 공간적으로 상대적인 설명자는 그에 따라 해석되어야 한다.

비록 용어 "제1", "제2", "제3" 등이 본 명세서에서 다양한 요소, 구성 요소, 영역, 층 및/또는 섹션을 설명하기 위해 사용될 수 있지만, 이러한 요소, 구성 요소, 영역, 층 및/또는 섹션은 이러한 용어에 의해 제한되어시는 안된다. 이러한 용어는 하나의 요소, 구성 요소, 영역, 층 또는 섹션을 다른 요소, 구성 요소, 영역, 층 또는 섹션과 구별하는데 사용된다. 따라서, 아래에 설명되는 제1 요소, 구성 요소, 영역, 층 또는 섹션은 본 개시의 사상 및 범위를 벗어나지 않고 제2 요소, 구성 요소, 영역, 층 또는 섹션으로 지칭될 수 있다.

요소 또는 층이 다른 요소 또는 층에 "위에", "연결된" 또는 "결합된"으로 언급될 때, 그것은 직접 연결되거나 결합할 수 있음을 이해할 수 있고, 또는 다른 요소나 층에 결합될 수 있고, 또는 하나 이상의 개재 요소나 층이 존재할 수 있다. 또한, 한 요소나 층이 두 요소나 층 "사이"인 것으로 언급될 때, 두 요서나 층 사이의 유일한 요소 또는 층이거나 하나 이상의 중간 요소나 층이 존재할 수도 있다.

본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위한 것이며, 본 개시의 내용을 제한하려는 의도가 아니다. 본 명세서에서 사용된 바와 같이, 단수 형태는 문맥상 명백하게 달리 나타내지 않는 한 복수의 형태도 한다. 본 명세서에서 사용되는 용어는 "구성하다", "구성하는", "포함하다", "포함하는", "갖다", "갖는다" 와 "갖는"은 언급된 특징, 정수, 단계, 연산, 요소 및/또는 구성 요소의 존재를 명시한다는 것을 추가로 이해할 것이나, 하나 이상의 다른 특징, 정수, 단계, 연산, 요소, 구성 요소 및/또는 그룹의 존재를 배제하지는 않는다. 본 명세서에서 사용되는 용어 "및/또는"은 하나 이상의 연관된 열거된 항목의 임의의 및 모든 조합을 포함한다. "적어도 하나"와 같은 표현은 요소의 목록 앞에 올 때 전체 요소의 목록을 수정하고, 목록의 개별 요소를 수정하지 않는다.

본 명세서에 사용된 용어 "실질적으로", "약" 및 유사한 용어는 정도의 용어가 아니라 근사값의 용어로 사용되고, 이는 당업자에 의해 인식될 측정 또는 계산된 값의 고유한 변화를 설명하기 위한 것이다. 또한, 본 개시의 실시예를 설명할 때, "할 수 있다"라는 용어는 "본 개시의 하나 이상의 실시예"를 의미한다. 본 명세서에 사용되는 용어 "사용", "사용하는" 및 "사용된"은 각각 "활용", "활용하는" 및 "활용된"과 동의어로 간주될 수 있다. 또한, 용어 "예시적인"은 예 또는 예시를 의미하는 것으로 의도된다.

여기에 설명된 본 개시 내용의 실시예들에 따른 전자 또는 전기 장치 및/또는 임의의 다른 관련 장치나 구성 요소는 임의의 적절한 하드웨어, 펌웨어(예를 들어, 주문형 반도체) 또는 소프트웨어, 소프트웨어, 펌웨어, 하드웨어의 결합을 활용하여 구현될 수 있다. 예를 들어, 이러한 장치의 다양한 구성 요소는 하나의 집적 회로(IC) 칩들 또는 별도의 IC 칩들에 형성될 수 있다. 또한, 이러한 장치의 다양한 구성 요소는 연성 인쇄 회로 필름, 테이프 캐리어 패키지(TCP), 인쇄 회로 기판(PCB)에 구현되거나 하나의 기판에 형성될 수 있다. 또한, 이러한 장치의 다양한 구성 요소들은 하나 이상의 프로세서들, 하나 이상의 컴퓨팅 장치에서 실행되고, 여기에 설명된 다양한 기능을 수행하기 위해 컴퓨터 프로그램 명령들을 실행하고, 다른 시스템 구성 요소와 상호 작용하는 프로세스 또는 스레드(thread)일 수 있다. 컴퓨터 프로그램 명령들은 예를 들어, 랜덤 액세스 메모리(RAM)과 같은 표준 메모리 장치에서 사용하여 컴퓨팅 장치에서 구현될 수 있는 메모리에 저장된다. 컴퓨터 프로그램 명령들은 또한, 예를 들어, CD-ROM, 플래시 드라이브 등과 같은 다른 비일시적 컴퓨터 판독가능 매체에 저장될 수 있다. 또한, 당업자는 다양한 컴퓨팅 장치의 기능이 단일 컴퓨팅 장치에 결합되거나 통합될 수 있음을 인식하거나, 특정 컴퓨팅 장치의 기능은 본 개시 내용의 예시적인 실시예의 사상 및 범위를 벗어나지 않고, 하나 이상의 다른 컴퓨팅 장치에 걸쳐 분산될 수 있다.

달리 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함하여 본 명세서에서 사용되는 모든 용어는 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일빈적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의된 용어와 같은 용어는 관련 기술 및/또는 본 명세서의 맥락에서 그 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 여기에 명시적으로 정의되지 않는 한 이상화되거나 지나치게 형식적인 의미로 해석되어서는 안된다.

일부 예시적인 실시예가 설명되었지만, 당업자는 본 개시의 사상 및 범위를 벗어나지 않고 예시적인 실시예에서 다양한 수정이 가능하다는 것을 쉽게 이해할 수 있다. 달리 설명되지 않는 한, 각 실시예 내의 특징 또는 측면의 설명은 일반적으로 다른 실시예의 다른 유사한 특징 또는 측면에 대해 이용가능한 것으로 간주되어야 한다는 것을 이해할 것이다. 따라서, 전술한 내용은 다양한 예시적인 실시예들을 예시한 것이며 여기에 개시된 특정 예시적인 실시예들에 한정되는 것으로 해석되서는 안되며, 개시된 예시적인 실시예들 및 다른 예시적인 실시예에 대한 다양한 수정은 첨부된 청구 범위 및 균등물에 정의된 본 개시의 사상 및 범위 내에 포함된다.

112: 지도 학습 모듈 114: 비지도 학습 모듈
116: 약한 감독 학습 모듈 120: 공동 최적화 프로그램

Claims

타겟 CV 애플리케이션에 따라 하나 이상의 입력 이미지들로부터 지도 출력에 대한 추정을 수행하고, 상기 지도 출력 및 상기 지도 출력의 실측에 따라 지도 손실을 결정하는 지도 학습 시스템;
상기 지도 출력 및 상기 하나 이상의 입력 이미지들에 따라 비지도 손실을 결정하는 비지도 학습 시스템;
상기 지도 출력 및 상기 하나 이상의 입력 이미지들에 대응하는 약한 라벨에 따라 약한(weakly) 지도 손실을 결정하는 약한 지도 학습 시스템; 및
상기 지도 손실, 상기 비지도 손실 및 상기 약한 지도 손실을 최적화하는 공동 최적화 프로그램을 포함하는, 컴퓨터 비전(CV) 훈련 시스템.
제1항에 있어서,
상기 타겟 CV 애플리케이션은 단안 깊이 추정에 해당하고, 상기 지도 출력은 상기 하나 이상의 입력 이미지들 중 타겟 이미지로부터 추정된 깊이에 해당하는 컴퓨터 비전 훈련 시스템.
제2항에 있어서,
상기 비지도 학습 시스템은 상기 하나 이상의 입력 이미지들에 대응하는 2차원(2D) 이미지 좌표를 상기 추정된 깊이에 따라 3차원(3D) 좌표로 변환하고, 적어도 상기 3D 좌표를 기반으로 상기 비지도 학습 손실을 계산하는 컴퓨터 비전 훈련 시스템.
제1항에 있어서,
상기 타겟 CV 애플리케이션은 스테레오 매칭에 해당하고, 상기 지도 출력은 상기 하나 이상의 입력 이미지들 중에서 왼쪽 이미지와 오른쪽 이미지 사이에서 추정된 시차에 해당하는 컴퓨터 비전 훈련 시스템.
제4항에 있어서,
상기 비지도 학습 시스템은 상기 추정된 시차에 따라 상기 왼쪽 이미지와 상기 오른쪽 이미지 중 하나를 이동하여 뒤틀린 이미지를 생성하고, 적어도 상기 뒤틀린 이미지에 기초하여 상기 비지도 손실을 계산하는 컴퓨터 비전 훈련 시스템.
제1항에 있어서,
상기 타겟 CV 애플리케이션은 이미지/비디오 향상에 대응하고, 상기 지도 출력은 상기 하나 이상의 입력 이미지들 중에서 저해상도 입력 이미지로부터 추정된 고해상도 이미지에 대응하는 컴퓨터 비전 훈련 시스템.
제6항에 있어서,
상기 비지도 학습 시스템은 상기 추정된 고해상도 이미지에 대응하는 광학 흐름을 추정하고, 적어도 상기 추정된 고해상도 이미지에 기초하여 비지도 손실을 계산하는 컴퓨터 비전 훈련 시스템.
제1항에 있어서,
상기 타겟 CV 애플리케이션은 다시점(muti-view) 깊이 추정에 대응하고, 상기 지도 출력은 상기 하나 이상의 이미지들 중 복수의 입력 프레임 각각에서 추정된 깊이에 대응하는 컴퓨터 비전 훈련 시스템.
제1항에 있어서,
상기 공동 최적화 프로그램은 상기 지도 손실, 상기 비지도 손실 및 상기 약한 지도 손실에 대한 해당 가중치를 포함하는 조인트 손실 함수에 따라 상기 지도 손실, 상기 비지도 손실 및 상기 약한 지도 손실을 동시에 최적화하는 컴퓨터 비전 훈련 시스템.
제1항에 있어서,
상기 하나 이상의 입력 이미지들의 서로 다른 잘린 영역에 해당하는 패치 쌍을 갖는 패치 기반 약한 라벨로 상기 약한 라벨을 생성하는 약한 라벨 생성기를 더 포함하고,
상기 패치 기반의 약한 라벨은 상기 패치 쌍의 상기 잘린 영역간의 상기 지도 출력에 해당하는 관계를 정의하는 컴퓨터 비전 훈련 시스템.
타겟 CV 애플리케이션에 따라 하나 이상의 입력 이미지들로부터 지도 출력을 추정하고;
상기 지도 출력 및 상기 지도 출력의 실측에 따라 지도 손실을 결정하고;
상기 지도 출력 및 상기 하나 이상의 입력 이미지들에 따라 비지도 손실을 결정하고;
상기 지도 출력 및 상기 하나 이상의 입력 이미지들에 대응하는 약한 라벨에 따라 약한(weakly) 지도 손실을 결정하고; 및
상기 지도 손실, 상기 비지도 손실 및 상기 약한 지도 손실을 최적화하는 컴퓨터 비전(CV) 시스템 훈련 방법.
제11항에 있어서,
상기 타겟 CV 애플리케이션은 단안 깊이 추정에 해당하고, 상기 지도 출력은 상기 하나 이상의 입력 이미지들 중 타겟 이미지로부터 추정된 깊이에 해당하는 컴퓨터 비전 시스템 훈련 방법.
제12항에 있어서,
상기 하나 이상의 입력 이미지들에 대응하는 2차원(2D) 이미지 좌표를 상기 추정된 깊이에 따라 3차원(3D) 좌표로 변환하고; 및
적어도 상기 3D 좌표를 기반으로 상기 비지도 학습 손실을 계산하는 것을 더 포함하는 컴퓨터 비전 시스템 훈련 방법.
제11항에 있어서,
상기 타겟 CV 애플리케이션은 스테레오 매칭에 해당하고, 상기 지도 출력은 상기 하나 이상의 입력 이미지들 중에서 왼쪽 이미지와 오른쪽 이미지 사이에서 추정된 시차에 해당하는 컴퓨터 비전 시스템 훈련 방법.
제14항에 있어서,
상기 추정된 시차에 따라 상기 왼쪽 이미지와 상기 오른쪽 이미지 중 하나를 이동하여 뒤틀린 이미지를 생성하고; 및
적어도 상기 뒤틀린 이미지에 기초하여 상기 비지도 손실을 계산하는 것을 더 포함하는 컴퓨터 비전 시스템 훈련 방법.
제11항에 있어서,
상기 타겟 CV 애플리케이션은 이미지/비디오 향상에 대응하고, 상기 지도 출력은 상기 하나 이상의 입력 이미지들 중에서 저해상도 입력 이미지로부터 추정된 고해상도 이미지에 대응하는 컴퓨터 비전 시스템 훈련 방법.
제16항에 있어서,
상기 추정된 고해상도 이미지에 대응하는 광학 흐름을 추정하고; 및
적어도 상기 추정된 고해상도 이미지에 기초하여 비지도 손실을 계산하는 것을 더 포함하는 컴퓨터 비전 시스템 훈련 방법.
제11항에 있어서,
상기 타겟 CV 애플리케이션은 다시점(muti-view) 깊이 추정에 대응하고, 상기 지도 출력은 상기 하나 이상의 이미지들 중 복수의 입력 프레임 각각에서 추정된 깊이에 대응하는 컴퓨터 비전 시스템 훈련 방법.
제11항에 있어서,
상기 최적화는 상기 지도 손실, 상기 비지도 손실 및 상기 약한 지도 손실에 대한 해당 가중치를 포함하는 조인트 손실 함수에 따라 상기 지도 손실, 상기 비지도 손실 및 상기 약한 지도 손실을 동시에 최적화하는 것을 포함하는 컴퓨터 비전 시스템 훈련 방법.
제11항에 있어서,
상기 하나 이상의 입력 이미지들의 서로 다른 잘린 영역에 해당하는 패치 쌍을 갖는 패치 기반 약한 라벨로 상기 약한 라벨을 생성하는 약한 라벨 생성기를 더 포함하고,
상기 패치 기반의 약한 라벨은 상기 패치 쌍의 상기 잘린 영역간의 상기 지도 출력에 해당하는 관계를 정의하는 컴퓨터 비전 시스템 훈련 방법.