KR20210153497A - 전자 장치 및 전자 장치의 제어 방법 - Google Patents

전자 장치 및 전자 장치의 제어 방법 Download PDF

Info

Publication number
KR20210153497A
KR20210153497A KR1020200084909A KR20200084909A KR20210153497A KR 20210153497 A KR20210153497 A KR 20210153497A KR 1020200084909 A KR1020200084909 A KR 1020200084909A KR 20200084909 A KR20200084909 A KR 20200084909A KR 20210153497 A KR20210153497 A KR 20210153497A
Authority
KR
South Korea
Prior art keywords
image
section
score
electronic device
external device
Prior art date
Application number
KR1020200084909A
Other languages
English (en)
Inventor
변동남
반종명
배혜찬
오성우
이재엽
여해동
황진영
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to PCT/KR2021/005021 priority Critical patent/WO2021251615A1/ko
Publication of KR20210153497A publication Critical patent/KR20210153497A/ko
Priority to US17/993,280 priority patent/US20230082407A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
    • H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
    • H04N23/662—Transmitting camera control signals through networks, e.g. control via the Internet by using master/slave camera arrangements for affecting the control of camera image capture, e.g. placing the camera in a desirable condition to capture a desired image
    • H04N5/232061—
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
    • H04N5/23238—

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

전자 장치 및 이의 제어 방법이 개시된다. 특히, 본 개시에 따른 전자 장치의 제어 방법은 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 상기 전자 장치와 연결된 외부 장치로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하는 단계, 상기 사용자 명령에 따라 제1 영상을 획득하는 단계, 학습된 신경망 모델을 이용하여 상기 제1 영상의 구도에 대한 제1 스코어를 획득하는 단계, 상기 제1 신호에 따라 상기 외부 장치에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 상기 제1 스코어 및 상기 제2 스코어를 바탕으로 상기 제2 영상에서 상기 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하는 단계, 상기 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 상기 외부 장치로 전송하는 단계 및 상기 제3 신호에 따라 상기 영상 데이터를 포함하는 제4 신호가 수신되면, 상기 영상 데이터를 바탕으로 상기 적어도 하나의 병합 구간에 대응되는 영상을 상기 제1 영상에 병합하여 제3 영상을 획득하는 단계를 포함한다.

Description

전자 장치 및 전자 장치의 제어 방법{ELECTRONIC DEVICE AND CONTROLLING METHOD OF ELECTRONIC DEVICE}
본 개시는 전자 장치 및 전자 장치의 제어 방법에 관한 것으로서, 구체적으로는 복수의 장치에 의해 촬영된 복수의 영상에서 좋은 구도를 갖는 구간들을 자동으로 추출하여 병합할 수 있는 전자 장치 및 이의 제어 방법에 관한 것이다.
근래에는 소셜 미디어(social media)의 발달 등에 따라 영상 컨텐츠를 제작하는 사용자가 급격하게 증가하고 있으며, 특히, 하나의 장면을 복수의 장치로 촬영한 후에 하나의 영상으로 병합함으로써 양질의 영상 컨텐츠를 제작하고자 하는 사용자의 수 또한 증가하고 있는 추세이다.
그런데, 사용자가 직접 복수의 영상 각각에서 원하는 구간을 식별하고 식별된 구간을 병합하는 경우, 사용자의 입장에서 번거로움이 초래될 뿐만 아니라, 사용자가 영상 병합을 위한 어플리케이션의 사용 방법을 숙달하는 데에도 적지 않은 노력과 시간이 소요될 수 있다. 또한, 사용자가 영상 병합의 번거로움과 어려움을 극복하고 복수의 영상을 병합하더라도, 병합된 영상의 미학적 품질이 담보되는 것도 아니라는 문제가 있다.
따라서, 사용자가 비디오 촬영을 개시하기 위한 사용자 명령을 입력하는 것만으로, 복수의 장치를 통해 복수의 영상을 획득하고, 획득된 영상을 자동으로 병합하여 고품질의 영상을 제공할 수 있는 기술에 대한 필요성이 대두되고 있다.
본 개시는 상술한 바와 같은 필요성에 따라 안출된 것으로서, 본 개시의 목적은 복수의 장치에 의해 촬영된 복수의 영상에서 좋은 구도를 갖는 구간들을 자동으로 추출하여 병합할 수 있는 전자 장치 및 이의 제어 방법을 제공함에 있다.
상술한 바와 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 전자 장치는 카메라, 회로를 포함하는 통신부, 적어도 하나의 인스트럭션(instruction)을 저장하는 메모리 및 상기 적어도 하나의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써, 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 상기 전자 장치와 연결된 외부 장치로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하도록 상기 통신부를 제어하고, 상기 사용자 명령에 따라 상기 카메라를 통해 제1 영상을 획득하며, 학습된 신경망 모델을 이용하여 상기 제1 영상의 구도에 대한 제1 스코어를 획득하고, 상기 제1 신호에 따라 상기 통신부를 통해 상기 외부 장치로부터 상기 외부 장치에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 상기 제1 스코어 및 상기 제2 스코어를 바탕으로 상기 제2 영상에서 상기 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하고, 상기 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 상기 외부 장치로 전송하도록 상기 통신부를 제어하며, 상기 제3 신호에 따라 상기 통신부를 통해 상기 외부 장치로부터 상기 영상 데이터를 포함하는 제4 신호가 수신되면, 상기 영상 데이터를 바탕으로 상기 적어도 하나의 병합 구간에 대응되는 영상을 상기 제1 영상에 병합하여 제3 영상을 획득할 수 있다.
여기서, 상기 제1 스코어는 상기 제1 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부에 대한 스코어의 평균 값이며, 상기 제1 영상의 메인 구간은 상기 제1 영상의 복수의 구간 중 상기 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 기 설정된 임계 값 이상인 적어도 하나의 구간이고, 상기 제2 스코어는 상기 제2 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부에 대한 스코어의 평균 값이며, 상기 제2 영상의 메인 구간은 상기 제2 영상의 복수의 구간 중 상기 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 상기 기 설정된 임계 값 이상인 적어도 하나의 구간일 수 있다.
한편, 상기 프로세서는, 상기 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제1 시간 정보를 획득하며, 상기 제2 신호에 포함된 상기 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제2 시간 정보 및 상기 제1 시간 정보를 바탕으로, 상기 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되는 구간을 식별하고, 상기 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되며 제1 영상의 메인 구간보다 스코어가 높은 구간 및 상기 제2 영상의 메인 구간 중 상기 제1 영상의 메인 구간에 중첩되지 않는 구간을 상기 적어도 하나의 병합 구간으로 식별할 수 있다.
한편, 상기 프로세서는, 상기 제1 영상의 복수의 프레임이 획득되는 동안 기 설정된 프레임 간격으로 상기 신경망 모델에 상기 제1 영상의 복수의 프레임 중 적어도 일부를 입력하여 상기 제1 영상의 복수의 프레임 중 적어도 일부에 대한 스코어를 획득할 수 있다.
한편, 상기 비디오 촬영의 개시에 대한 요청은 상기 전자 장치 및 상기 외부 장치의 시스템 시간을 동기화하기 위한 타임코드(timecode)에 대한 정보를 포함할 수 있다.
한편, 상기 제2 스코어는 상기 통신부를 통해 상기 외부 장치로 상기 개시된 비디오 촬영의 종료에 대한 요청을 포함하는 제5 신호가 전송됨에 따라 상기 통신부를 통해 상기 외부 장치로부터 수신될 수 있다.
한편, 상기 제2 스코어는 상기 외부 장치에 포함된 신경망 모델을 이용하여 획득될 수 있다.
상술한 바와 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 전자 장치의 제어 방법은 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 상기 전자 장치와 연결된 외부 장치로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하는 단계, 상기 사용자 명령에 따라 제1 영상을 획득하는 단계, 학습된 신경망 모델을 이용하여 상기 제1 영상의 구도에 대한 제1 스코어를 획득하는 단계, 상기 제1 신호에 따라 상기 외부 장치에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 상기 제1 스코어 및 상기 제2 스코어를 바탕으로 상기 제2 영상에서 상기 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하는 단계, 상기 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 상기 외부 장치로 전송하는 단계 및 상기 제3 신호에 따라 상기 영상 데이터를 포함하는 제4 신호가 수신되면, 상기 영상 데이터를 바탕으로 상기 적어도 하나의 병합 구간에 대응되는 영상을 상기 제1 영상에 병합하여 제3 영상을 획득하는 단계를 포함할 수 있다.
여기서, 상기 제1 스코어는 상기 제1 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부에 대한 스코어의 평균 값이며, 상기 제1 영상의 메인 구간은 상기 제1 영상의 복수의 구간 중 상기 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 기 설정된 임계 값 이상인 적어도 하나의 구간이고, 상기 제2 스코어는 상기 제2 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부에 대한 스코어의 평균 값이며, 상기 제2 영상의 메인 구간은 상기 제2 영상의 복수의 구간 중 상기 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 상기 기 설정된 임계 값 이상인 적어도 하나의 구간일 수 있다.
한편, 상기 적어도 하나의 병합 구간을 식별하는 단계는 상기 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제1 시간 정보를 획득하는 단계, 상기 제2 신호에 포함된 상기 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제2 시간 정보 및 상기 제1 시간 정보를 바탕으로, 상기 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되는 구간을 식별하는 단계 및 상기 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되며 제1 영상의 메인 구간보다 스코어가 높은 구간 및 상기 제2 영상의 메인 구간 중 상기 제1 영상의 메인 구간에 중첩되지 않는 구간을 상기 적어도 하나의 병합 구간으로 식별하는 단계를 포함할 수 있다.
한편, 상기 제1 스코어를 획득하는 단계는 상기 제1 영상의 복수의 프레임이 획득되는 동안 기 설정된 프레임 간격으로 상기 신경망 모델에 상기 제1 영상의 복수의 프레임 중 적어도 일부를 입력하여 상기 제1 영상의 복수의 프레임 중 적어도 일부에 대한 스코어를 획득하는 단계를 포함할 수 있다.
한편, 상기 비디오 촬영의 개시에 대한 요청은 상기 전자 장치 및 상기 외부 장치의 시스템 시간을 동기화하기 위한 타임코드(timecode)에 대한 정보를 포함할 수 있다.
한편, 상기 제2 스코어는 상기 개시된 비디오 촬영의 종료에 대한 요청을 포함하는 제5 신호가 전송됨에 따라 상기 외부 장치로부터 수신될 수 있다.
한편, 상기 제2 스코어는 상기 외부 장치에 포함된 신경망 모델을 이용하여 획득될 수 있다.
상술한 바와 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 전자 장치의 제어 방법을 실행하는 프로그램을 포함하는 비일시적 컴퓨터 판독 가능 기록매체에 있어서, 상기 전자 장치의 제어 방법은 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 상기 전자 장치와 연결된 외부 장치로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하는 단계, 상기 사용자 명령에 따라 제1 영상을 획득하는 단계, 학습된 신경망 모델을 이용하여 상기 제1 영상의 구도에 대한 제1 스코어를 획득하는 단계, 상기 제1 신호에 따라 상기 외부 장치에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 상기 제1 스코어 및 상기 제2 스코어를 바탕으로 상기 제2 영상에서 상기 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하는 단계, 상기 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 상기 외부 장치로 전송하는 단계 및 상기 제3 신호에 따라 상기 영상 데이터를 포함하는 제4 신호가 수신되면, 상기 영상 데이터를 바탕으로 상기 적어도 하나의 병합 구간에 대응되는 영상을 상기 제1 영상에 병합하여 제3 영상을 획득하는 단계를 포함할 수 있다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치 및 외부 장치의 촬영 과정을 나타내는 개념도,
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 간략하게 나타내는 흐름도,
도 3은 본 개시에 따른 신경망 모델을 이용하여 영상의 구도에 관련된 스코어를 획득하는 과정을 상세하게 설명하기 위한 도면,
도 4a 내지 도 4e는 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙을 상세하게 설명하기 위한 도면,
도 5는 본 개시의 일 실시 예에 따른 메인 구간의 식별 과정을 상세하게 설명하기 위한 도면,
도 6은 본 개시의 일 실시 예에 따른 병합 구간의 식별 과정을 상세하게 설명하기 위한 도면,
도 7a 및 도 7b는 본 개시에 따른 외부 장치가 복수 개인 경우에 대한 실시 예를 설명하기 위한 시퀀스도,
도 8은 본 개시에 따른 외부 장치가 복수 개인 경우의 병합 과정에 대해 상세하게 설명하기 위한 도면,
도 9는 본 개시의 일 실시 예에 따른 소프트웨어 모듈의 아키텍처를 나타내는 도면, 그리고,
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 하드웨어 구성을 나타내는 블록도이다.
본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
덧붙여, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.
본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 개시에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다.
대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
실시 예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
한편, 도면에서의 다양한 요소와 영역은 개략적으로 그려진 것이다. 따라서, 본 발명의 기술적 사상은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되지 않는다.
한편, 본 개시의 다양한 실시 예에 따른 전자 장치는 예를 들면, 스마트 폰, 태블릿 PC, 데스크탑 PC, 랩탑 PC 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다.
어떤 실시 예들에서, 전자 장치는 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시예에서, 전자 장치는 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
이하에서는 첨부한 도면을 참고하여 본 개시에 따른 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치(100) 및 외부 장치(200)의 촬영 과정을 나타내는 개념도이다.
본 개시에 따른 다양한 실시 예에 대해 설명하기에 앞서, 도 1을 참조하여 본 개시를 설명함에 있어서 사용되는 주요 개념에 대해 설명한다. 본 개시에 따른 '전자 장치(100)' 및 '외부 장치(200)'는 스마트 폰, 태블릿 PC 및 디지털 카메라 등으로 구현될 수 있다. 다만, 본 개시에 따른 전자 장치(100) 및 외부 장치(200)가 특정 유형의 장치에 국한되는 것은 아니다.
도 1에 도시된 바와 같이, 본 개시에 따른 전자 장치(100) 및 외부 장치(200)는 동일한 장면을 촬영할 수 있다. 구체적으로, 전자 장치(100)는 전자 장치(100)에 포함된 카메라를 통해 비디오 촬영을 개시하여 제1 영상을 획득할 수 있으며, 전자 장치(100)에 의해 제1 영상이 획득되는 동안, 외부 장치(200)는 외부 장치(200)의 카메라를 통해 비디오 촬영을 개시하여 제2 영상을 획득할 수 있다.
보다 구체적으로, 전자 장치(100) 및 외부 장치(200)는 전자 장치(100)에 입력된 사용자 명령을 바탕으로 동일한 장면에 대한 상이한 영상인 제1 영상 및 제2 영상을 각각 획득할 수 있다. 여기서, 제1 영상 및 제2 영상이 상이하다는 것은 제1 영상과 제2 영상의 구도가 상이하다는 것을 의미하며, 제1 영상과 제2 영상의 화질 등과 같이 하드웨어 또는 소프트웨어의 성능 상의 차이에 따른 상이함을 의미하는 것은 아니다.
한편, 전자 장치(100) 및 외부 장치(200)의 하드웨어 또는 소프트웨어에 차이가 있는 경우라면, 전자 장치(100) 및 외부 장치(200)의 촬영 조건은 비디오 촬영을 개시하기에 앞서 보다 낮은 성능을 갖는 하드웨어 또는 소프트웨어를 기준으로 일원화되도록 설정될 수 있다. 이는 후술하는 바와 같이 제1 영상 및 제2 영상을 병합하여 새로운 영상을 획득하는 경우에 발생될 수 있는 이질감을 방지하기 위함이다. 한편, 후술하는 바와 같이, 제1 영상의 시간과 제2 영상의 시간은 서로 동기화될 수 있는바, 결국 제1 영상 및 제2 영상은 동일한 시간의 동일한 장면에 대한 서로 다른 구도의 영상일 수 있다.
한편, 본 개시를 설명함에 있어서 '영상의 구도에 관련된 스코어'란 영상의 구도(composition)에 대한 미학적 품질을 정량적으로 나타낸 값을 의미한다. 구체적으로, 영상의 구도에 관련된 스코어는 영상에서 오브젝트 상호 간의 연관 배치에 따른 안정감 또는 심미감의 정도를 나타낼 수 있다. 본 개시를 설명함에 있어서 스코어라는 용어는 '스코어 정보'라는 용어로 대체될 수도 있다. 한편, 스코어는 영상을 구성하는 하나의 프레임 단위로 획득될 수 있을 뿐만 아니라, 영상의 일부 구간 또는 영상 전체를 기준으로 획득될 수도 있다. 스코어가 영상의 일부 구간 또는 영상 전체를 기준으로 획득되는 경우, 스코어는 영상의 일부 구간 또는 영상 전체에 포함된 적어도 일부 프레임에 대한 스코어의 평균을 산출함으로써 획득될 수 있다.
한편, 본 개시에 있어서, 전자 장치(100) 및 외부 장치(200)는 모두 카메라를 통해 영상을 촬영하고 학습된 신경망 모델을 이용하여 영상의 구도에 관련된 스코어를 획득할 수 있다는 점에서 공통되지만, 비디오 촬영의 개시 및 종료를 위한 사용자 명령을 수신하고 복수의 영상을 병합하는 장치인지 여부에 있어서 차이가 있다. 즉, 전자 장치(100)는 소위 마스터 장치(mater device)로서 비디오 촬영의 개시 및 종료를 위한 사용자 명령을 수신할 수 있으며, 소위 슬레이브 장치(slave device)라고 지칭될 수 있는 외부 장치(200)로부터 영상 데이터를 수신하여 복수의 영상이 병합된 새로운 영상을 생성할 수 있다.
이하에서는 도 2를 참조하여 본 개시에 따른 제어 방법의 각 단계에 대해 설명한다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치(100)의 제어 방법을 간략하게 나타내는 흐름도이다.
도 2에 도시된 바와 같이, 전자 장치(100)는 비디오 촬영을 개시하기 위한 사용자 명령을 수신할 수 있다(S210). 여기서, 비디오 촬영을 개시하기 위한 사용자 명령은 전자 장치(100)의 디스플레이를 통해 입력되는 사용자 터치, 전자 장치(100)의 마이크를 통해 수신되는 사용자 음성 또는 전자 장치(100)에 구비된 물리 버튼의 입력, 전자 장치(100)를 제어하기 위한 원격 제어 장치에 의해 전송된 제어 신호 등을 바탕으로 수신될 수 있다.
비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 전자 장치(100)는 전자 장치(100)와 연결된 외부 장치(200)로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송할 수 있다(S220). 여기서, 전자 장치(100)와 외부 장치(200)가 '연결'되어 있다는 것은 전자 장치(100) 및 외부 장치(200) 사이에 통신 연결을 위한 요청과 응답이 교환된 결과 통신 연결이 수립된 상태임을 전제로 한다는 것을 의미한다. 본 개시에 따른 통신 연결은 유선 또는 무선으로 이루어질 수 있으며, 구체적인 통신 방식에 특별한 제한이 있는 것은 아니다.
한편, 비디오 촬영의 개시에 대한 요청은 전자 장치(100) 및 외부 장치(200)가 동시에 비디오 촬영을 개시하도록 하는 요청을 포함할 수 있다. 다만, 본 개시에 따른 전자 장치(100) 및 외부 장치(200)가 반드시 물리적으로 동일한 시간에 비디오 촬영을 개시하여야만 하는 것은 아니다. 즉, 비디오 촬영의 개시에 대한 요청은 타임코드(timecode)에 대한 정보를 포함할 수 있으며, 전자 장치(100) 및 외부 장치(200)는 타임코드에 대한 정보를 바탕으로 시스템 시간을 동기화시킬 수 있다. 그리고, 이에 따라 전자 장치(100) 및 외부 장치(200)에 의해 촬영되는 영상의 시간이 동기화될 수 있다.
한편, 전자 장치(100)는 사용자 명령에 따라 카메라를 통해 제1 영상을 획득할 수 있다(S230). 즉, 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 전자 장치(100)는 외부 장치(200)로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송할 뿐만 아니라, 전자 장치(100)의 카메라를 통해 비디오 촬영을 개시하여 제1 영상을 획득할 수 있다.
한편, 전술한 바와 같이, 전자 장치(100)에 의해 제1 영상이 획득되는 동안, 외부 장치(200)는 제1 신호를 바탕으로 외부 장치(200)의 카메라를 통해 비디오 촬영을 개시하여 제2 영상을 획득할 수 있으며, 제1 영상 및 제2 영상은 동일한 시간의 동일한 장면에 대한 서로 다른 구도의 영상일 수 있다.
제1 영상이 획득되면, 전자 장치(100)는 학습된 신경망 모델을 이용하여 제1 영상의 구도에 관련된 제1 스코어를 획득할 수 있다(S240). 여기서, '제1 스코어'는 제1 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부 프레임에 대한 스코어의 평균 값을 말한다. 그리고, '제1 영상의 메인 구간'은 제1 영상의 복수의 구간 중 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 기 설정된 임계 값 이상인 적어도 하나의 구간을 말한다. 특히, 제1 영상의 메인 구간의 크기는 가변적일 수 있다. 본 개시에 따른 메인 구간의 식별 과정에 대해서는 도 5를 참조하여 보다 구체적으로 설명한다.
한편, 스코어는 학습된 신경망 모델을 이용하여 획득될 수 있으며, 구체적으로는 아래와 같은 신경망 모델의 유형에 따라 다양한 방법으로 획득될 수 있다. 특히, 신경망 모델에는 영상에 포함된 하나의 프레임에 대응되는 영상 데이터가 입력되어 입력된 프레임에 대한 스코어가 획득될 수 있지만, 이하에서는 설명의 편의를 위한 한도 내에서는 신경망 모델에 대한 입력을 단순히 영상이라고 지칭하여 설명한다.
첫째로, 전자 장치(100)는 영상의 구도에 대한 스코어를 출력하도록 학습된 제1 신경망 모델을 이용하여 스코어를 획득할 수 있다. 구체적으로, 전자 장치(100)는 제1 신경망 모델에 영상을 입력하여 입력된 영상의 구도에 대한 스코어를 획득할 수 있다.
예를 들어, 제1 신경망 모델은 소위 에스테틱 모델(aesthetic model)일 수 있다. 에스테틱 모델은 입력된 영상의 구도가 전문가에 의해 평가된 학습 데이터 영상의 구도에 얼만큼 유사한지를 나타내는 스코어를 출력할 수 있다.
특히, 전자 장치(100)는 제1 영상의 복수의 프레임이 획득되는 동안 기 설정된 프레임 간격으로 제1 신경망 모델에 제1 영상의 복수의 프레임 중 적어도 일부를 입력하여, 제1 영상의 복수의 프레임 중 적어도 일부에 대한 스코어를 획득할 수 있다. 즉, 전자 장치(100)는 제1 영상의 촬영이 종료된 후에 제1 신경망 모델에 제1 영상의 프레임을 입력하는 것이 아니라, 제1 영상의 복수의 프레임이 획득되는 동안 제1 신경망 모델에 제1 영상의 복수의 프레임 중 적어도 일부를 입력하여 제1 영상의 복수의 프레임 중 적어도 일부에 대한 스코어를 획득할 수 있다. 나아가, 전자 장치(100)는 기 설정된 프레임 간격으로 프레임이 획득될 때 마다 실시간으로 그 획득된 프레임을 제1 신경망 모델에 입력하여 제1 영상의 복수의 프레임 중 적어도 일부에 대한 스코어를 획득할 수도 있다.
둘째로, 전자 장치(100)는 영상에 포함된 오브젝트의 위치에 대한 정보를 출력하도록 학습된 제2 신경망 모델을 이용하여 스코어를 획득할 수 있다. 구체적으로, 전자 장치(100)는 제2 신경망 모델에 영상을 입력하여, 입력된 영상에 포함된 오브젝트의 위치에 대한 정보를 획득하고, 그 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙을 바탕으로 스코어를 획득할 수 있다.
예를 들어, 제2 신경망 모델은 오브젝트 검출 모델(object detection model), 중요 오브젝트 검출 모델(salient object detection model, saliency model) 또는 오브젝트 분할 모델(object segmentation model)일 수 있다. 오브젝트 검출 모델은 입력된 영상에 포함된 오브젝트의 위치에 대한 정보, 예를 들어 입력된 영상에 포함된 오브젝트의 위치에 대응되는 바운딩 박스(bounding box)에 대한 정보를 출력할 수 있다. 그리고, 중요 오브젝트 검출 모델은 비주얼 어텐션 메커니즘(visual attention mechanism)을 이용하여, 입력된 영상에 포함된 중요 오브젝트를 주변 영역과 구별하여 나타내는 중요도 맵(saliency map)에 대한 정보를 출력할 수 있다. 또한, 오브젝트 분할 모델은 입력된 영상에 포함된 오브젝트의 형상에 대응되는 오브젝트의 영역에 대한 정보를 출력할 수 있다.
셋째로, 전자 장치(100)는 영상에 포함된 오브젝트의 위치에 대한 정보와 함께 오브젝트의 종류에 대한 정보를 출력하도록 학습된 제3 신경망 모델을 이용하여 스코어를 획득할 수도 있다. 구체적으로, 전자 장치(100)는 제3 신경망 모델을 이용하여 오브젝트의 위치에 대한 정보 및 오브젝트의 종류에 대한 정보를 획득하고, 그 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙을 바탕으로 스코어를 획득할 수 있다.
예를 들어, 제3 신경망 모델은 소위 오브젝트 인식 모델(object recognition)일 수 있다. 오브젝트 인식 모델은 상술한 바와 같은 오브젝트 검출 모델과 같이 오브젝트의 위치에 대한 정보를 출력할 수 있을 뿐만 아니라, 검출된 오브젝트를 분류(classification)하여 오브젝트의 종류에 대한 정보를 출력할 수 있다.
한편, 제2 신경망 모델 또는 제3 신경망 모델을 이용한 후 적용되는 기 정의된 규칙은 영상이 가로/세로로 삼등분된 교차점에 오브젝트가 위치하는지(소위 삼분할 법칙), 오브젝트가 영상의 중앙에 위치하는지, 영상이 대칭성을 만족하는지 등 같은 다양한 규칙 중 적어도 하나를 포함할 수 있다. 또한, 기 정의된 규칙에는 오브젝트의 종류가 인물에 해당하는지, 오브젝트의 종류가 인물에 해당하는 경우 인물과 영상 최상단 사이의 공간(소위 head room)이 적당한지, 소실점이 영상 내에 존재하는지, 지평선 또는 수평선이 영상 내에서 수평으로 존재하는지, 지평선 또는 수평선이 영상 내에서 적당한 위치에 존재하는 지 등과 같은 다양한 규칙이 추가될 수 있다.
본 개시에 따른 신경망 모델을 이용하여 영상의 구도에 관련된 스코어를 획득하는 과정과 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙에 대해서는 도 3 내지 도 4e를 참조하여 보다 상세하게 설명한다.
제1 신호에 따라 외부 장치(200)에 의해 획득된 제2 영상의 구도에 관련된 제2 스코어를 포함하는 제2 신호가 외부 장치(200)로부터 수신되면(S250-Y), 전자 장치(100)는 제1 스코어 및 제2 스코어를 바탕으로 제2 영상에서 제1 영상에 병합될 적어도 하나의 병합 구간을 식별할 수 있다(S260).
즉, 이상에서 상술한 바와 같이 전자 장치(100)에 의해 제1 영상의 구도에 대한 제1 스코어가 획득되는 동안, 외부 장치(200)는 외부 장치(200)에 포함된 신경망 모델을 이용하여 제2 영상의 구도에 대한 제2 스코어를 획득하고, 획득된 제2 스코어를 전자 장치(100)로 전송할 수 있다. 그리고, 전자 장치(100)는 제2 스코어를 외부 장치(200)로부터 수신함으로써 획득할 수 있다. 특히, 제2 스코어는 전자 장치(100)에서 외부 장치(200)로 앞서 개시된 비디오 촬영의 종료에 대한 요청을 포함하는 제5 신호가 전송됨에 따라 외부 장치(200)에서 전자 장치(100)로 전송될 수 있다.
여기서, '제2 스코어'는 제2 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부 프레임에 대한 스코어의 평균 값을 말한다. 그리고, '제2 영상의 메인 구간'은 제2 영상의 복수의 구간 중 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 기 설정된 임계 값 이상인 적어도 하나의 구간을 말한다. 특히, 제2 영상의 메인 구간의 크기는 가변적일 수 있다. 본 개시에 따른 메인 구간의 식별 과정에 대해서는 도 5를 참조하여 보다 구체적으로 설명한다. 한편, 외부 장치(200)에 포함된 신경망 모델과 그 신경망 모델을 이용하여 제2 스코어를 획득하는 과정은 전자 장치(100)에 포함된 신경망 모델과 그 신경망 모델을 이용하여 제1 스코어를 획득하는 과정과 마찬가지이므로 중복 설명은 생략한다.
한편, 전자 장치(100)에 의해 제1 스코어 및 제2 스코어를 바탕으로 제2 영상에서 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하는 과정은 아래와 같은 과정을 통해 수행될 수 있다. 본 개시를 설명함에 있어서 '병합 구간'이라는 용어는 제2 영상의 메인 구간 중에서 제1 영상에 병합되는 구간을 메인 구간이라는 용어와 구별하여 특정하기 위해 사용된다.
먼저, 전자 장치(100)는 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 '제1 시간 정보'를 획득할 수 있다. 특히, 제1 시간 정보는 전자 장치(100)에서 제1 영상이 획득되는 동안 제1 영상에 대한 메타데이터로서 획득될 수 있다. 한편, 전자 장치(100)는 외부 장치(200)로부터 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 '제2 시간 정보'를 수신할 수 있다. 제2 시간 정보는 외부 장치(200)에서 제2 영상이 획득되는 동안 제2 영상에 대한 메타데이터로서 획득될 수 있으며, 외부 장치(200)에서 전자 장치(100)로 전송되는 제2 신호에 포함된 형태로 수신될 수 있다.
제1 시간 정보 및 제2 시간 정보가 획득되면, 전자 장치(100)는 제1 시간 정보 및 제2 시간 정보를 바탕으로, 제2 영상의 메인 구간 중 제1 영상의 메인 구간과 중첩되는 구간을 식별할 수 있다. 여기서, 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 '중첩'되는 구간이란 제2 영상의 메인 구간의 적어도 일부가 제1 영상의 메인 구간의 적어도 일부와 중첩되는 구간을 말한다. 예를 들어, 제1 영상의 메인 구간 중 A 구간이 "0:05 내지 0:10"(A 구간의 시작 시점이 영상의 시작으로부터 0분 5초가 경과된 지점이고, A 구간의 종료 시점이 영상의 시작으로부터 0분 10초가 경과된 지점이라는 것을 나타내며, 이하 같은 방식으로 표기한다)의 구간이고, 제2 영상의 메인 구간 중 B 구간이 "0.07 내지 0.15"의 구간이면, 양 구간은 서로 중첩되는 구간으로 볼 수 있다.
제2 영상의 메인 구간 중 제1 영상의 메인 구간과 중첩되는 구간이 식별되면, 전자 장치(100)는 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되며 제1 영상의 메인 구간보다 스코어가 높은 구간 및 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되지 않는 구간을 제1 영상에 병합될 적어도 하나의 병합 구간으로 식별할 수 있다. 구체적으로, 전술한 예에서 A 구간에 대한 제1 스코어가 "0.8"이고, B 구간에 대한 제2 스코어가 "0.9"이면, 전자 장치(100)는 B 구간을 제1 영상에 병합될 적어도 하나의 병합 구간으로 식별할 수 있다. 그리고, 제2 영상의 메인 구간 중 C 구간이 "0:30 내지 0:40"의 구간이고, C 구간에 중첩되는 제1 영상의 메인 구간이 존재하지 않으면, 전자 장치(100)는 C 구간 또한 B 구간과 함께 제1 영상에 병합될 적어도 하나의 병합 구간으로 식별할 수 있다. 본 개시에 따른 병합 구간의 식별 과정에 대해서는 도 6을 참조하여 보다 구체적으로 설명한다.
전자 장치(100)는 식별된 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 외부 장치(200)로 전송할 수 있다(S270). 그리고, 제3 신호에 따라 외부 장치(200)로부터 적어도 하나의 병합 구간에 대응되는 영상 데이터를 포함하는 제4 신호가 수신되면(S280-Y), 전자 장치(100)는 적어도 하나의 병합 구간에 대응되는 영상을 제1 영상에 병합하여 제3 영상을 획득할 수 있다(S290).
구체적으로, 전자 장치(100)는 적어도 하나의 병합 구간에 대응되는 제1 영상의 구간에 적어도 하나의 병합 구간에 대응되는 영상을 삽입하여, 적어도 하나의 병합 구간에 대응되는 영상이 제1 영상에 병합된 제3 영상을 생성할 수 있다. 여기서, 적어도 하나의 병합 구간에 '대응'되는 제1 영상의 구간이란 적어도 하나의 병합 구간 각각의 시작 시점 및 종료 시점과 동일한 시작 시점 및 종료 시점을 갖는 제1 영상의 구간을 말한다. 한편, 본 개시에 있어서 '병합'이라는 용어는 '편집' 또는 '합성' 등의 용어로 대체될 수도 있다.
전술한 예에서, 전자 장치(100)는 B 구간 및 C 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 외부 장치(200)로 전송할 수 있다. 그리고, 제3 신호가 수신되면, 외부 장치(200)는 B 구간 및 C 구간에 대응되는 영상 데이터를 포함하는 제4 신호를 전자 장치(100)로 전송할 수 있다. 나아가, 제4 신호가 수신되면, 전자 장치(100)는 B 구간 및 C 구간에 대응되는 영상 데이터를 바탕으로 B 구간 및 C 구간에 대응되는 영상을 제1 영상에 병합하여 제3 영상을 획득할 수 있다.
한편, 전자 장치(100)는 적어도 하나의 병합 구간에 대응되는 영상을 제1 영상에 단순히 병합할 뿐만 아니라, 제1 영상과 제1 영상에 병합된 영상의 경계 구간에 페이드 인(fade-in) 또는 페이드 아웃(fade-out) 등과 같은 효과를 적용할 수도 있다.
한편, 이상에서는 전자 장치(100)가 하나의 외부 장치(200)와 연결된 경우를 전제로 본 개시의 다양한 실시 예에 대해 설명하였으나, 본 개시에 따른 외부 장치(200)는 복수 개일 수 있음은 물론이다. 외부 장치(200)가 복수 개인 경우에 대한 실시 예에 대해서는 도 7a 내지 도 8을 참조하여 상술한다.
한편, 이상에서는 전자 장치(100) 및 외부 장치(200)가 전자 장치(100) 및 외부 장치(200) 각각에 포함된 신경망 모델을 이용하여 제1 스코어 및 제2 스코어를 획득하는 것을 전제로 설명하였으나, 본 개시가 이에 국한되는 것은 아니다. 즉, 일 실시 예에 따르면, 외부 장치(200)가 제2 영상 자체를 전자 장치(100)로 전송하면, 전자 장치(100)가 신경망 모델을 이용하여 제2 영상에 대한 제2 스코어를 획득할 수도 있다.
이상에서 상술한 바와 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치(100)는 복수의 장치에서 촬영된 복수의 영상에서 좋은 구도를 갖는 구간들을 자동으로 병합하여 새로운 영상을 획득할 수 있으며, 이에 따라 현저한 사용자 편의성을 제공할 수 있게 된다.
특히, 본 개시에 따른 신경망 모델이 온 디바이스(on-device)의 형태로 구현되는 경우, 촬영된 복수의 영상을 외부 서버로 전송하지 않고도 전자 장치(100) 및 외부 장치(200)에 포함된 신경망 모델을 이용하여 각 영상의 구도에 대한 스코어를 획득하고 그에 기초하여 복수의 영상을 병합할 수 있다. 즉, 본 개시에 따르면 사용자 편의성과 함께 사용자의 프라이버시(privacy)에 관련된 보안성을 확보할 수 있다.
나아가, 본 개시에 따르면, 외부 장치(200)로부터 제2 영상 전체에 대응되는 영상 데이터를 수신하여 영상을 병합하는 것이 아니라, 전자 장치(100)에 의해 식별된 병합 구간에 대응되는 영상 데이터만을 수신하여 영상을 병합하기 때문에, 복수의 장치 간 영상의 송수신과 저장 공간의 효율화가 이루어질 수 있다.
이하에서는 도 3 내지 도 6을 참조하여, 도 1 및 도 2에 대한 설명에서 상술한 바와 같은 제어 방법의 각 단계에 대해 보다 구체적으로 설명한다.
도 3은 본 개시에 따른 신경망 모델을 이용하여 영상의 구도에 관련된 스코어를 획득하는 과정을 상세하게 설명하기 위한 도면이고, 도 4a 내지 도 4e는 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙을 상세하게 설명하기 위한 도면이다. 즉, 도 3 내지 도 4e은 도 2의 S240 단계를 보다 상세하게 설명하기 위한 도면이다.
전술한 바와 같이, 본 개시에 따른 신경망 모델은 영상의 구도에 대한 스코어를 출력하도록 학습된 제1 신경망 모델, 영상에 포함된 오브젝트의 위치에 대한 정보를 출력하도록 학습된 제2 신경망 모델 및 영상에 포함된 오브젝트의 위치에 대한 정보와 함께 오브젝트의 종류에 대한 정보를 출력하도록 학습된 제3 신경망 모델을 포함할 수 있다.
도 2에서는 동일한 시점의 프레임에 대응되는 동일한 영상 데이터가 본 개시에 따른 신경망 모델 중 에스테틱 모델 (aesthetic model) (1000), 오브젝트 검출 모델 (object detection model)(2000-1) 및 중요 오브젝트 검출 모델(salient object detection model, saliency model)(2000-2)에 영상 데이터가 입력되는 경우를 전제로, 각각의 신경망 모델이 출력하는 정보와 그에 따라 본 개시에 따른 스코어를 획득하는 과정에 대해 상술한다. 여기서, 신경망 모델에 입력되는 영상 데이터는 영상의 가로 길이, 영상의 세로 길이 및 영상의 픽셀 별 RGB 값에 대한 정보를 포함할 수 있다.
에스테틱 모델(1000)은 입력된 영상의 구도가 학습 데이터 영상의 구도에 얼만큼 유사한지를 나타내는 스코어를 출력할 수 있도록 학습된 신경망 모델을 말하며, 본 개시에 따른 제1 신경망 모델의 일 예에 해당한다. 예를 들어, 도 2에 도시된 바와 같이, 에스테틱 모델(1000)에 영상 데이터가 입력되면, 에스테틱 모델(1000)은 입력된 영상 데이터를 전문가에 의해 구도가 좋은 것으로 평가된 복수의 영상에 대한 정보를 포함하는 학습 데이터와 비교하여, 입력된 영상의 구도에 대한 미학적 품질을 나타내는 스코어를 출력할 수 있다.
오브젝트 검출 모델(2000-1)은 본 개시에 따른 제2 신경망 모델의 일 예이다. 오브젝트 검출 모델(2000-1)은 입력된 영상에 포함된 오브젝트의 위치에 대한 정보를 출력할 수 있도록 학습된 신경망 모델을 말한다. 예를 들어, 도 2에 도시된 바와 같이, 오브젝트 검출 모델(2000-1)에 영상 데이터(210)가 입력되면, 오브젝트 검출 모델(2000-1)은 입력된 영상에 포함된 오브젝트의 위치에 대한 정보로서, 입력된 영상에 포함된 오브젝트의 위치에 대응되는 바운딩 박스(220)에 대한 정보를 출력할 수 있다.
중요 오브젝트 검출 모델(2000-2)은 본 개시에 다른 제2 신경망 모델의 일 예이다. 중요 오브젝트 검출 모델(2000-2)은 비주얼 어텐션 메커니즘(visual attention mechanism)을 이용하여, 입력된 영상에 포함된 중요 오브젝트를 주변 영역과 구별하여 나타내는 중요도 맵(saliency map)에 대한 정보를 출력할 수 있다. 예를 들어, 도 2에 도시된 바와 같이, 중요 오브젝트 검출 모델(2000-2)에 영상 데이터(230)가 입력되면, 중요 오브젝트 검출 모델(2000-2)은 입력된 영상에 포함된 중요 오브젝트를 주변 영역과 구별하여 나타내는 중요도 맵(240)에 대한 정보를 출력할 수 있다.
한편, 전술한 바와 같이, 에스테틱 모델(1000)은 스코어 자체를 출력할 수 있으며, 이에 따라 전자 장치(100)는 입력된 영상의 구도에 관련된 스코어를 획득할 수 있다. 반면, 오브젝트 검출 모델(2000-1) 또는 중요 오브젝트 검출 모델(2000-2)은 스코어 자체가 아닌 오브젝트의 위치에 대한 정보를 출력할 수 있으므로, 이에 따라 입력된 영상의 구도에 관련된 스코어를 획득하기 위해서는 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙을 적용하는 과정이 수반될 필요가 있다.
즉, 오브젝트 검출 모델(2000-1) 또는 중요 오브젝트 검출 모델(2000-2)을 통해 오브젝트의 위치에 대한 정보가 획득되면, 전자 장치(100)는 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙을 적용하여 스코어를 획득할 수 있다. 이하에서는 도 4a 내지 도 4e를 참조하여 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙들의 예에 대해 설명한다.
도 4a는 삼분할 법칙을 설명하기 위한 도면이다. 도 4a에 도시된 바와 같이, 좌측의 영상의 경우 영상이 가로/세로로 삼등분된 교차점에 오브젝트가 위치하고 있는 반면, 우측 영상의 경우 영상이 가로/세로로 삼등분된 교차점에서 멀리 떨어진 위치에 오브젝트가 배치되어 있다. 따라서, 삼분할 법칙에 따르면, 우측 영상에 비해 좌측 영상이 보다 좋은 구도의 영상이라고 할 수 있다.
도 4b는 오브젝트가 영상의 중앙에 위치하는지에 대한 규칙을 설명하기 위한 도면이다. 도 4b에 도시된 바와 같이, 좌측 영상의 경우 오브젝트가 영상의 중앙에 위치하고 있는 반면, 우측 영상의 경우 오브젝트가 영상의 중앙에서 벗어나 한쪽 측면으로 치우쳐 있다. 따라서, 오브젝트가 영상의 중앙에 위치하는지에 대한 규칙에 따르면, 우측 영상에 비해 좌측 영상이 보다 좋은 구도의 영상이라고 할 수 있다.
도 4c는 대칭성에 대한 규칙을 설명하기 위한 도면이다. 도 4c에 도시된 바와 같이, 좌측 영상의 경우 영상의 중앙에 표시된 점선(410)을 기준으로 좌우의 대칭성이 높은 반면, 우측 영상의 경우 영상의 중앙에 표시된 점선(420)를 기준으로 좌우의 대칭성이 높지 않다. 따라서, 대칭성에 대한 규칙에 따르면, 우측 영상에 비해 좌측 영상이 보다 좋은 구도의 영상이라고 할 수 있다.
도 4d는 헤드룸(head room)에 대한 규칙을 설명하기 위한 도면이다. 도 4d에 도시된 바와 같이, 좌측 영상의 경우 인물과 영상 최상단 사이의 공간(소위 헤드룸)이 도면에 표시된 박스(430)에 해당하는 공간만큼 존재하는 반면, 우측 영상의 경우 인물과 영상 최상단 사이의 공간이 거의 존재하지 않는다. 따라서, 헤드룸에 대한 규칙에 따르면, 우측 영상에 비해 좌측 영상이 보다 좋은 구도의 영상이라고 할 수 있다.
도 4e는 오브젝트의 존재에 대한 규칙을 설명하기 위한 도면이다. 도 4e에 도시된 바와 같이, 좌측 영상의 경우 오브젝트 전체가 영상 내에 존재하는 반면, 우측 영상의 경우 오브젝트의 일부만이 영상 내에 포함되어 있다. 따라서, 오브젝트의 존재에 대한 규칙에 따르면, 우측 영상에 비해 좌측 영상이 보다 좋은 구도의 영상이라고 할 수 있다.
이상에서는 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙의 예를 설명하였으나, 이는 어디까지는 본 개시에 적용될 수 있는 예시에 불과하다. 즉, 이상에서 상술한 바와 같은 규칙 외에도 영상의 구도에 대한 미학적 품질을 평가할 수 있는 다양한 종류의 규칙들이 본 개시에 적용될 수 있음은 물론이다. 그리고, 다양한 종류의 규칙들 중 어떠한 규칙을 이용할 것인지, 그리고 규칙 별로 어떠한 가중치를 부여할 것인지 또한 본 개시의 다양한 실시 예에 따라 달리 설정될 수 있다. 한편, 상술한 바와 같은 규칙들을 적용하는 과정은 룰(rule) 기반으로 동작할 수 있을 뿐만 아니라, 별도의 신경망 모델을 통해 수행될 수도 있으며, 이와 같은 별도의 신경망 모델은 본 개시에 다른 제1 신경망 모델, 제2 신경망 모델 또는 제3 신경망 모델과 통합된 형태로 적용될 수도 있다.
한편, 에스테틱 모델(1000)을 이용하여 획득된 스코어, 오브젝트 검출 모델(2000-1)을 이용하여 획득된 스코어 및 중요 오브젝트 검출 모델(2000-2)을 이용하여 획득된 스코어 각각은 모두 본 개시에 따른 스코어로서 병합 구간의 식별에 이용될 수 있다. 다만, 본 개시가 이에 국한되는 것은 아니며, 도 3에 도시된 바와 같이, 에스테틱 모델(1000)을 이용하여 획득된 스코어, 오브젝트 검출 모델(2000-1)을 이용하여 획득된 스코어 및 중요 오브젝트 검출 모델(2000-2)을 이용하여 획득된 스코어를 종합하여 획득된 종합 스코어를 바탕으로 병합 구간이 식별될 수도 있다. 여기서, 종합 스코어는 각각의 스코어들의 합 또는 평균을 구함으로써 산출될 수 있다.
한편, 본 개시에 따른 신경망 모델은 상술한 바와 같은 제1 신경망 모델, 제2 신경망 모델 및 제3 신경망 모델에 국한되는 것은 아니다. 예를 들어, 본 개시에 따른 신경망 모델은 인물의 얼굴 표정을 분석하여 인물의 감정을 인식할 수 있는 감정 인식 모델(emotion recognition model) 을 더 포함할 수도 있다. 이 경우, 감정 인식 모델을 통해 영상에 포함된 인물이 행복한 감정이라는 정보가 획득되면, 전자 장치는 그 인물을 중심으로 본 개시에 따른 기 정의된 규칙을 적용하여 스코어를 획득할 수도 있다.
도 5는 본 개시의 일 실시 예에 따른 메인 구간의 식별 과정을 상세하게 설명하기 위한 도면이다. 즉, 도 5 또한 도 3 내지 도 4e와 같이 도 2의 S240 단계를 보다 상세하게 설명하기 위한 도면이다. 다만, 도 3 내지 도 4e가 영상에 포함된 복수의 프레임 각각에 대한 스코어를 획득하는 과정에 관한 것이라면, 도 5는 복수의 프레임 각각에 대한 스코어를 획득하는 것에 기초하여 영상의 메인 구간을 식별하는 과정에 관한 것이다.
도 5는 제1 영상에 포함된 복수의 프레임 및 제1 영상에 포함된 복수의 프레임 중 신경망 모델에 입력된 복수의 프레임을 나타낸다.
전자 장치(100)는 제1 영상에 포함된 복수의 프레임을 기 설정된 프레임 간격으로 신경망 모델에 입력하여, 입력된 프레임 각각에 대한 스코어를 획득할 수 있다. 예를 들어, 도 5에 도시된 바와 같이, 전자 장치(100)는 제1 영상에 포함된 복수의 프레임을 4 개의 프레임 간격으로 신경망 모델에 입력하여, 입력된 프레임 각각에 대한 스코어를 획득할 수 있다.
입력된 프레임 각각에 대한 스코어가 획득되면, 전자 장치(100)는 입력된 복수의 프레임 중 기 설정된 개수의 연속된 프레임들의 집합들을 각각 새그먼트로 식별할 수 있다. 예를 들어, 도 5의 제1 새그먼트 및 제2 새그먼트와 같이, 각각의 새그먼트는 신경망 모델에 입력된 복수의 프레임 중 6 개의 연속된 프레임들의 집합일 수 있다.
제1 영상에 포함된 복수의 새그먼트가 식별되면, 전자 장치(100)는 복수의 새그먼트 각각에 포함된 프레임 별 스코어의 평균 값을 산출함으로써, 각각의 새그먼트에 대한 평균 스코어를 획득할 수 있다. 예를 들어, 도 5의 제1 새그먼트에 포함된 6 개의 프레임 별 스코어가 각각 0.85, 0.80, 0.82, 0.85, 0.88 및 0.90이면, 전자 장치(100)는 제1 새그먼트에 대한 평균 스코어가 0.85인 것으로 식별할 수 있다. 마찬가지로, 도 5의 제2 새그먼트에 포함된 6 개의 프레임 별 스코어가 각각 0.94, 0.93, 0.92, 0.93, 0.96 및 0.90이면, 전자 장치(100)는 제1 새그먼트에 대한 평균 스코어가 0.93인 것으로 식별할 수 있다.
나아가, 전자 장치(100)는 평균 스코어가 기 설정된 임계 값 이상인 연속된 새그먼트들의 집합을 메인 구간으로 식별할 수 있다. 예를 들어, 기 설정된 임계 값이 0.8이면, 전자 장치(100)는 서로 연속된 새그먼트이며 각각의 평균 스코어가 각각 0.85 및 0.93인 도 5의 제1 새그먼트 및 제2 새그먼트의 집합을 메인 구간으로 식별할 수 있다. 한편, 전자 장치(100)는 평균 스코어가 기 설정된 임계 값 이상인 새그먼트들이 기 설정된 개수 이상 연속되는 구간에 한하여 메인 구간으로 식별할 수도 있다.
이상에서 상술한 바와 같은 메인 구간의 식별 과정에서 알 수 있듯이, 각각의 새그먼트의 크기는 기 설정된 프레임의 개수에 따라 고정적인 반면, 각각의 메인 구간의 크기는 평균 스코어가 기 설정된 임계 값 이상인 새그먼트들 몇 개가 연속되는지에 따라 가변적일 수 있다. 한편, 특정 영상의 메인 구간의 개수는 평균 스코어가 기 설정된 임계 값 이상인 연속된 새그먼트들의 집합이 몇 개인지에 따라 달라질 수 있으며, 평균 스코어가 기 설정된 임계 값 이상인 새그먼트가 존재하지 않는다면, 특정 영상의 메인 구간이 존재하지 않을 수도 있다.
도 6은 본 개시의 일 실시 예에 따른 병합 구간의 식별 과정을 상세하게 설명하기 위한 도면이다. 즉, 도 6은 도 2의 S260 단계를 보다 상세하게 설명하기 위한 도면이다.
도 6은 제1 영상의 메인 구간, 제2 영상의 메인 구간, 그리고 예상되는 제3 영상의 전체 구간을 나타낸다. 여기서, '예상되는 제3 영상의 전체 구간'이란 병합 구간에 대응되는 영상이 제1 영상에 병합됨으로써 생성된 실제 제3 영상의 구간을 나타내는 것이 아니라, 병합 구간에 대응되는 영상 데이터를 외부 장치(200)에 요청하기에 앞서 전자 장치(100)에서 제3 영상의 전체 구간을 산출한 결과를 말한다.
도 6에 도시된 바와 같이, 전자 장치(100)에 의해 획득된 제1 영상의 메인 구간은 A 구간, B 구간 및 C 구간을 포함할 수 있으며, 외부 장치(200)에 의해 획득된 제2 영상의 메인 구간은 D 구간, E 구간 및 F 구간을 포함할 수 있다. 그리고, A 구간의 스코어는 0.9, B 구간의 스코어는 0.8, C 구간의 스코어는 0.85, D 구간의 스코어는 0.7, E 구간의 스코어는 0.85, 그리고, F 구간의 스코어는 0.9일 수 있다.
그리고, 도 6에 도시된 바와 같은 수직선들은 제1 영상의 시간과 제2 영상의 시간이 서로 동기화되어 있다는 것을 전제로, 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점과 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점을 나타내기 위한 것이다. 여기서, 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점과 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점은 각각 제1 영상에 대한 제1 시간 정보 및 제2 영상에 대한 제2 시간 정보를 바탕으로 식별될 수 있다는 점은 전술한 바 있다.
먼저, 전자 장치(100)는 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제1 시간 정보 및 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제2 시간 정보를 바탕으로, 제2 영상의 메인 구간 중 제1 영상의 메인 구간과 중첩되는 구간을 식별할 수 있다. 도 6의 예에서, 제1 영상의 메인 구간 중 A 구간은 제2 영상의 메인 구간 중 D 구간에 중첩되며, 제1 영상의 메인 구간 중 B 구간은 제2 영상의 메인 구간 중 E 구간에 중첩되는 것으로 식별될 수 있다.
제2 영상의 메인 구간 중 제1 영상의 메인 구간과 중첩되는 구간이 식별되면, 전자 장치(100)는 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되며 제1 영상의 메인 구간보다 스코어가 높은 구간 및 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되지 않는 구간을 제1 영상에 병합될 적어도 하나의 병합 구간으로 식별할 수 있다. 도 6의 예에서, A 구간의 스코어는 0.9이고 D 구간의 스코어는 0.7이므로, 제2 영상의 D 구간은 제1 영상에 병합될 병합 구간에 해당하지 않는 것으로 식별될 수 있다. 반면, B 구간의 스코어는 0.8이고 E 구간의 스코어는 0.85이므로, 제2 영상의 E 구간은 제1 영상에 병합될 병합 구간에 해당하는 것으로 식별될 수 있다. 한편, 제2 영상의 메인 구간 중 F 구간은 제1 영상의 메인 구간인 A 구간, B 구간 및 C 구간 중 어느 구간에도 중첩되지 않으므로, F 구간 또한 제1 영상에 병합될 병합 구간으로 식별될 수 있다.
한편, 이상에서는 제2 영상의 메인 구간 중에서 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하는 과정에 대해 설명하였으나, 본 개시의 일 실시 예에 따르면, 제2 영상의 메인 구간이 아닌 구간 또한 병합 구간에 포함될 수 있다. 예를 들어, 병합 구간으로 식별된 제2 영상의 F 구간과 제1 영상의 C 구간 사이의 구간이 기 설정된 임계 길이 미만인 경우이면, 전자 장치(100)는 제2 영상에서 F 구간에 이어지는 G 구간을 병합 구간에 추가적으로 포함시켜 제3 영상을 생성할 수도 있다.
상술한 바와 같이 병합 구간이 식별되면, 전자 장치(100)는 식별된 병합 구간에 대응되는 영상 데이터에 대한 요청을 외부 장치(200)로 전송할 수 있다. 이에 따라 외부 장치(200)로부터 병합 구간에 대응되는 영상 데이터가 수신되면, 전자 장치(100)는 병합 구간에 대응되는 영상을 제1 영상에 병합하여 제3 영상을 획득할 수 있다.
전술한 예에서, 전자 장치(100)는 E 구간 및 F 구간에 대응되는 영상 데이터에 대한 요청을 외부 장치(200)로 전송할 수 있다. 그리고, 이에 따라 외부 장치(200)로부터 E 구간 및 F 구간에 대응되는 영상 데이터가 수신되면, 전자 장치(100)는 E 구간 및 F 구간에 대응되는 영상을 제1 영상에 병합하여 제3 영상을 획득할 수 있다. 만약, 전술한 바와 같이 G 구간이 병합 구간에 추가되는 경우라면, 전자 장치(100)는 E 구간, F 구간 및 G 구간에 대응되는 영상 데이터에 대한 요청을 외부 장치(200)로 전송하고, E 구간, F 구간 및 G 구간에 대응되는 영상 데이터를 수신하여 제1 영상에 E 구간, F 구간 및 G 구간이 병합된 제3 영상을 획득할 수 있다.
도 7a 및 도 7b는 본 개시에 따른 외부 장치(200)가 복수 개인 경우에 대한 실시 예를 설명하기 위한 시퀀스도이고, 도 8은 본 개시에 따른 외부 장치(200)가 복수 개인 경우의 병합 과정에 대해 상세하게 설명하기 위한 도면이다.
이상에서 도 1 내지 도 6을 참조하여 본 개시의 다양한 실시 예에 대해 설명함에 있어서는 전자 장치(100)가 하나의 외부 장치(200)와 연결된 경우를 전제로 하였으나, 본 개시는 전자 장치(100) 및 복수의 외부 장치(200-1, 200-2)가 서로 연결되어 각각 동일한 장면에 대한 서로 다른 구도의 영상을 획득하는 경우에도 적용될 수 있다. 이하에서는 도 1 내지 도 6을 참조하여 상술한 바와 같은 내용에 대한 중복 설명은 생략한다. 한편, 설명의 편의 상, 도 7a 내지 도 8에 대한 설명에 한해서는 '제3 영상'이라는 용어가 제2 외부 장치(200-2)에 의해 획득된 영상을 지칭하기 위한 의미로 사용된다.
구체적으로, 도 7a에 도시된 바와 같이, 전자 장치(100)는 비디오 촬영을 개시하기 위한 사용자 명령을 수신할 수 있다(S710). 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 전자 장치(100)는 비디오 촬영의 개시 요청을 각각 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)로 전송할 수 있다(S720-1, S720-2).
한편, 전자 장치(100)는 수신된 사용자 명령에 따라 카메라를 통해 제1 영상을 획득할 수 있다(S730-1). 즉, 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 전자 장치(100)는 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)로 비디오 촬영의 개시 요청을 전송할 뿐만 아니라, 전자 장치(100)의 카메라를 통해 비디오 촬영을 개시하여 제1 영상을 획득할 수 있다.
그리고, 제1 외부 장치(200-1)는 전자 장치(100)로부터 비디오 촬영의 개시 요청을 수신함에 따라 제1 외부 장치(200-1)에 포함된 카메라를 통해 제2 영상을 획득할 수 있으며(S730-2), 제2 외부 장치(200-2)는 전자 장치(100)로부터 비디오 촬영의 개시 요청을 수신함에 따라 제2 외부 장치(200-2)에 포함된 카메라를 통해 제3 영상을 획득할 수 있다(S730-3). 특히, 제1 영상, 제2 영상 및 제3 영상은 각각 전자 장치(100), 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)에 의해 동시에 획득될 수 있다.
제1 영상이 획득되면, 전자 장치(100)는 전자 장치(100)에 포함된 신경망 모델을 이용하여 제1 영상의 구도에 관련된 제1 스코어를 획득할 수 있다(S740-1). 그리고, 제2 영상이 획득되면, 제1 외부 장치(200-1)는 제1 외부 장치(200-1)에 포함된 신경망 모델을 이용하여 제2 영상의 구도에 관련된 제2 스코어를 획득할 수 있다(S740-2). 또한, 제3 영상이 획득되면, 제2 외부 장치(200-2)는 제2 외부 장치(200-2)에 포함된 신경망 모델을 이용하여 제3 영상의 구도에 관련된 제3 스코어를 획득할 수 있다(S740-3).
제2 스코어 및 제3 스코어가 획득되면, 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)는 각각 제2 스코어 및 제3 스코어를 전자 장치(100)로 전송할 수 있으며(S750-1, S750-2), 전자 장치(100)는 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)로부터 각각 제2 스코어 및 제3 스코어를 수신할 수 있다(S760).
제2 스코어 및 제3 스코어가 수신되면, 전자 장치(100)는 제2 영상 및 제3 영상 각각에서 제1 영상에 병합될 적어도 하나의 병합 구간을 식별할 수 있다(S765).
구체적으로, 전자 장치(100)는 전자 장치(100)는 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제1 시간 정보, 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제2 시간 정보 및 제3 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제3 시간 정보를 바탕으로, 제1 영상의 메인 구간, 제2 영상의 메인 구간 및 제3 영상의 메인 구간을 비교하여 제1 영상의 메인 구간, 제2 영상의 메인 구간 및 제3 영상의 메인 구간 상호 간에 서로 중첩되는 구간을 식별할 수 있다.
제1 영상의 메인 구간, 제2 영상의 메인 구간 및 제3 영상의 메인 구간 상호 간에 서로 중첩되는 구간이 식별되면, 전자 장치(100)는 제2 영상의 메인 구간 중에서, 제1 영상의 메인 구간 및 제3 영상의 메인 구간 중 적어도 하나에 중첩되며, 그 중첩되는 적어도 하나의 구간보다 스코어가 높은 구간, 제3 영상의 메인 구간 중에서, 제1 영상의 메인 구간 및 제2 영상의 메인 구간 중 적어도 하나에 중첩되며, 그 중첩되는 적어도 하나의 구간보다 스코어가 높은 구간, 제2 영상의 메인 구간 중 제1 영상의 메인 구간 및 제3 영상의 메인 구간에 중첩되지 않는 구간, 그리고, 제3 영상의 메인 구간 중 제1 영상의 메인 구간 및 제2 영상의 메인 구간에 중첩되지 않는 구간을 제1 영상에 병합될 적어도 하나의 병합 구간으로 식별할 수 있다.
예를 들어, 도 8을 참조하면, 전자 장치(100)는 제1 영상의 메인 구간(810, 820), 제2 영상의 메인 구간(830) 및 제3 영상의 메인 구간(840) 중 제2 영상의 메인 구간(830) 및 제3 영상의 메인 구간(840)이 서로 중첩되는 것으로 식별할 수 있다. 그리고, 제2 영상의 메인 구간(830)에 대한 스코어가 4.3이고 및 제3 영상의 메인 구간(840)에 대한 스코어가 4.4이면, 전자 장치(100)는 스코어가 더 높은 구간인 제3 영상의 메인 구간(840)을 제1 영상에 병합될 병합 구간으로 식별할 수 있다. 이 때, 도 8에 도시된 바와 같이, 제2 영상의 메인 구간(840) 중 제3 영상의 메인 구간(840)에 중첩되지 않는 구간인 "0:45 내지 1:00"의 구간 또한 제1 영상에 병합될 병합 구간으로 식별될 수 있다.
상술한 바와 같이 병합 구간이 식별되면, 전자 장치(100)는 제1 외부 장치(200-1) 및 제2 외부 장치(200-2) 중 적어도 하나의 외부 장치(200)로 병합 구간에 대응되는 영상 데이터의 요청을 전송할 수 있다(S770-1, S770-2). 이에 따라 제1 외부 장치(200-1) 및 제2 외부 장치(200-2) 중 적어도 하나의 외부 장치(200)는 병합 구간에 대응되는 영상 데이터를 전자 장치(100)로 전송할 수 있다(S780-1, S780-2).
제1 외부 장치(200-1) 및 제2 외부 장치(200-2) 중 적어도 하나의 외부 장치(200)로부터 병합 구간에 대응되는 영상 데이터가 수신되면(S785), 전자 장치(100)는 수신된 영상 데이터를 바탕으로 제1 영상에 병합 구간에 대응되는 영상이 병합된 제4 영상을 획득할 수 있다(S790).
한편, 도 7a을 참조하여 설명한 바와 같이, 본 개시의 일 실시 예에 따르면, 비디오 촬영을 개시하기 위한 한 번의 사용자 명령에 기초하여 상술한 바와 같은 과정들이 모두 수행될 수 있으며, 제4 영상을 획득하는 과정의 적어도 일부는 제1 영상, 제2 영상 및 제3 영상을 획득하는 동안 실시간으로 수행될 수 있다. 다만, 본 개시가 이에 국한되는 것은 아니며, 상술한 바와 같은 과정들의 적어도 일부의 과정은 비디오 촬영을 개시하기 위한 사용자 명령이 수신된 후 비디오 촬영을 종료하기 위한 사용자 명령이 수신되는 것에 기초하여 수행될 수도 있다.
구체적으로, 도 7b에 도시된 바와 같이, 전자 장치(100)가 비디오 촬영을 개시하기 위한 사용자 명령에 따라 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)로 비디오 촬영의 개시 요청을 전송하면, 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)는 비디오 촬영의 개시 요청에 따라 제2 영상 및 제3 영상을 획득하는 과정(S730-2, S730-3)과 제2 스코어 및 제3 스코어를 획득하는 과정(S740-2, S740-3을 수행할 수 있다. 그리고, 그 후 전자 장치(100)에 비디오 촬영을 종료하기 위한 사용자 명령이 수신되고(S743), 그에 따라 전자 장치(100)가 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)로 비디오 촬영의 종료 요청을 전송하면(S746-1, S746-2), 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)는 비디오 촬영의 종료 요청에 따라 제2 스코어 및 제3 스코어를 전자 장치(100)로 전송하는 과정(S750-1, S750-2)을 수행할 수 있다. 그리고, 제1 외부 장치(200-1) 및 제2 외부 장치(200-2)로부터 각각 제2 스코어 및 제3 스코어가 수신되면(S760), 전자 장치(100)는 도 7a를 통해 설명한 바와 같은 병합 구간을 식별하는 과정(S765), 병합 구간에 대응되는 영상 데이터의 요청을 전송하는 과정(S770-1, S770-2), 병합 구간에 대응되는 영상 데이터를 수신하는 과정(S785), 그리고, 제1 영상에 병합 구간에 대응되는 영상이 병합된 제4 영상을 획득하는 과정을 수행할 수 있다(S790).
도 9는 본 개시의 일 실시 예에 따른 소프트웨어 모듈의 아키텍처를 나타내는 도면이다.
신경망 모델(910)은 본 개시에 따른 스코어를 획득함에 있어서 이용될 수 있다. 구체적으로, 전술한 바와 같이, 본 개시에 따른 신경망 모델(910)은 영상의 구도에 대한 스코어를 출력하도록 학습된 제1 신경망 모델(910), 영상에 포함된 오브젝트의 위치에 대한 정보를 출력하도록 학습된 제2 신경망 모델(910) 및 영상에 포함된 오브젝트의 위치에 대한 정보와 함께 오브젝트의 종류에 대한 정보를 출력하도록 학습된 제3 신경망 모델(910)을 포함할 수 있다. 신경망 모델(910)에 대해서는 도 2 및 도 3을 참조하여 상세하게 설명하였으므로, 중복 설명은 생략한다.
스코어 획득 모듈(920)은 영상의 구도에 관련된 스코어를 획득할 수 있다. 구체적으로, 스코어 획득 모듈(920)은 제1 신경망 모델(910)을 통해 스코어를 획득하거나, 제2 신경망 모델(910) 또는 제3 신경망 모델(910)을 통해 오브젝트의 위치에 대한 정보가 획득되면, 그 오브젝트가 해당 영상 내에서 좋은 구도에 위치하는지에 관련된 기 정의된 규칙을 바탕으로 스코어를 획득할 수 있다.
메인 구간 식별 모듈(930)은 본 개시에 따른 메인 구간을 식별할 수 있다. 구체적으로, 메인 구간 식별 모듈(930)은 영상에 포함된 복수의 프레임을 기 설정된 프레임 간격으로 신경망 모델(910)에 입력하여, 입력된 프레임 각각에 대한 스코어를 획득할 수 있다. 입력된 프레임 각각에 대한 스코어가 획득되면, 메인 구간 식별 모듈(930)은 입력된 복수의 프레임 중 기 설정된 개수의 연속된 프레임들의 집합들을 각각 새그먼트로 식별할 수 있다. 영상에 포함된 복수의 새그먼트가 식별되면, 메인 구간 식별 모듈(930)은 복수의 새그먼트 각각에 포함된 프레임 별 스코어의 평균 값을 산출함으로써, 각각의 새그먼트에 대한 평균 스코어를 획득할 수 있다. 나아가, 메인 구간 식별 모듈(930)은 평균 스코어가 기 설정된 임계 값 이상인 연속된 새그먼트들의 집합을 메인 구간으로 식별할 수 있다.
또한, 메인 구간 식별 모듈(930)은 식별된 메인 구간에 대한 스코어와 메인 구간의 시작 시점 및 종료 시점에 대한 시간 정보를 식별된 메인 구간에 매핑하여 저장할 수 있다.
병합 구간 식별 모듈(940)은 복수의 영상 각각의 메인 구간을 비교하여 제1 영상에 병합될 병합 구간을 식별할 수 있다. 예를 들어, 병합 구간 식별 모듈(940)은 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제1 시간 정보 및 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제2 시간 정보를 바탕으로, 제2 영상의 메인 구간 중 제1 영상의 메인 구간과 중첩되는 구간을 식별할 수 있다.
제2 영상의 메인 구간 중 제1 영상의 메인 구간과 중첩되는 구간이 식별되면, 병합 구간 식별 모듈(940)은 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되며 제1 영상의 메인 구간보다 스코어가 높은 구간 및 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되지 않는 구간을 제1 영상에 병합될 적어도 하나의 병합 구간으로 식별할 수 있다.
영상 병합 모듈(950)은 식별된 병합 구간에 대응되는 영상을 제1 영상에 병합할 수 있다. 구체적으로, 영상 병합 모듈(950)은 병합 구간에 대응되는 제1 영상의 구간에 병합 구간에 대응되는 영상을 삽입하여, 병합 구간에 대응되는 영상이 제1 영상에 병합된 제3 영상을 생성할 수 있다.
또한, 영상 병합 모듈(950)은 적어도 하나의 병합 구간에 대응되는 영상을 제1 영상에 단순히 병합할 뿐만 아니라, 제1 영상과 제1 영상에 병합된 영상의 경계 구간에 페이드 인(fade-in) 또는 페이드 아웃(fade-out) 등과 같은 효과를 적용할 수도 있다.
한편, 신경망 모델(910) 및 스코어 획득 모듈(920)을 통해 스코어를 획득하고, 메인 구간 식별 모듈(930) 및 병합 구간 식별 모듈(940)을 통해 메인 구간 및 병합 구간을 식별함에 있어서는 영상 데이터만을 이용할 수 있으며, 반면, 영상 병합 모듈(950)이 식별된 병합 구간에 대응되는 영상을 제1 영상에 병합하고 최종적인 영상을 만드는 과정에서는 제1 영상에 대응되는 오디오 데이터가 이용될 수 있다.
한편, 이상에서는 전자 장치의 소프트웨어 모듈에 대해 설명하였으나, 외부 장치 또한 본 개시에 따른 신경망 모델(910), 스코어 획득 모듈(920) 및 메인 구간 식별 모듈(930)을 포함할 수 있으며, 다만, 병합 구간 식별 모듈(940) 및 영상 병합 모듈(950)은 포함하지 않을 수 있다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치(100)의 하드웨어 구성을 나타내는 블록도이다.
도 10에 도시된 바와 같이, 본 개시의 일 실시 예에 따른 전자 장치(100)는 카메라(110), 통신부(120), 메모리(130) 및 프로세서(140)를 포함한다. 그러나, 이와 같은 구성은 예시적인 것으로서, 본 개시를 실시함에 있어 이와 같은 구성에 더하여 새로운 구성이 추가되거나 일부 구성이 생략될 수 있음을 물론이다.
카메라(110)는 오브젝트 내지는 장면에 대한 비디오 촬영을 수행할 수 있다. 구체적으로, 카메라(110)는 이미지 센서를 포함하고, 이미지 센서는 렌즈를 통해 들어오는 빛을 전기적인 영상 신호로 변환할 수 있다. 그리고, 프로세서(140)는 카메라(110)를 통해 오브젝트 내지는 장면을 포함하는 영상을 획득할 수 있다. 한편, 본 개시에 따른 카메라(110) 및 카메라(110)에 포함된 이미지 센서는 복수 개로 구현될 수도 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 프로세서(140)는 수신된 사용자 명령에 대응되는 제어 신호를 카메라(110)에 전송할 수 있으며, 이에 따라 카메라(110)는 비디오 촬영을 개시할 수 있다. 또한, 비디오 촬영을 종료하기 위한 사용자 명령이 수신되면, 프로세서(140)는 수신된 사용자 명령에 대응되는 제어 신호를 카메라(110)에 전송할 수 있으며, 이에 따라 카메라(110)는 비디오 촬영을 종료할 수 있다.
통신부(120)는 회로를 포함하며, 서버 또는 외부 장치(200)와의 통신을 수행할 수 있다. 구체적으로, 프로세서(140)는 통신부(120)를 통해 연결된 서버 또는 외부 장치(200)로부터 각종 데이터 또는 정보를 수신할 수 있으며, 서버 또는 외부 장치(200)로 각종 데이터 또는 정보를 전송할 수도 있다.
통신부(120)는 WiFi 모듈, Bluetooth 모듈, 무선 통신 모듈, 및 NFC 모듈 중 적어도 하나를 포함할 수 있다. 구체적으로, WiFi 모듈과 Bluetooth 모듈 각각은 WiFi 방식, Bluetooth 방식으로 통신을 수행할 수 있다. WiFi 모듈이나 Bluetooth 모듈을 이용하는 경우에는 SSID 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다.
또한, 무선 통신 모듈은 IEEE, Zigbee, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), 5G(5th Generation) 등과 같은 다양한 통신 규격에 따라 통신을 수행할 수 있다. 그리고, NFC 모듈은 135kHz, 13.56MHz, 433MHz, 860~960MHz, 2.45GHz 등과 같은 다양한 RF-ID 주파수 대역들 중에서 13.56MHz 대역을 사용하는 NFC(Near Field Communication) 방식으로 통신을 수행할 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 프로세서(140)는 전자 장치(100)와 연결된 외부 장치(200)로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하도록 통신부(120)를 제어할 수 있다. 그리고, 프로세서(140)는 통신부(120)를 통해 외부 장치(200)로부터 외부 장치(200)에 의해 획득된 제2 영상의 구도에 관련된 제2 스코어를 포함하는 제2 신호를 수신할 수 있다. 또한, 프로세서(140)는 식별된 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 외부 장치(200)로 전송하도록 통신부(120)를 제어할 수 있다. 나아가, 프로세서(140)는 통신부(120)를 통해 외부 장치(200)로부터 적어도 하나의 병합 구간에 대응되는 영상 데이터를 포함하는 제4 신호를 수신할 수 있다. 한편, 프로세서(140)는 통신부(120)를 통해 전자 장치(100)를 제어하기 위한 원격 제어 장치(예: 리모컨 또는 스마트 폰)에 의해 전송된 제어 신호를 수신할 수도 있다.
메모리(130)에는 전자 장치(100)에 관한 적어도 하나의 명령이 저장될 수 있다. 그리고, 메모리(130)에는 전자 장치(100)를 구동시키기 위한 O/S(Operating System)가 저장될 수 있다. 또한, 메모리(130)에는 본 개시의 다양한 실시 예들에 따라 전자 장치(100)가 동작하기 위한 각종 소프트웨어 프로그램이나 애플리케이션이 저장될 수도 있다. 그리고, 메모리(130)는 플래시 메모리(Flash Memory) 등과 같은 반도체 메모리나 하드디스크(Hard Disk) 등과 같은 자기 저장 매체 등을 포함할 수 있다.
구체적으로, 메모리(130)에는 본 개시의 다양한 실시 예에 따라 전자 장치(100)가 동작하기 위한 각종 소프트웨어 모듈이 저장될 수 있으며, 프로세서(140)는 메모리(130)에 저장된 각종 소프트웨어 모듈을 실행하여 전자 장치(100)의 동작을 제어할 수 있다. 즉, 메모리(130)는 프로세서(140)에 의해 액세스되며, 프로세서(140)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다.
한편, 본 개시에서 메모리(130)라는 용어는 메모리(130), 프로세서(140) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함하는 의미로 사용될 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 메모리(130)는 카메라(110)를 통해 획득된 제1 영상, 제1 영상의 구도에 대한 제1 스코어, 외부 장치(200)로부터 수신된 제2 스코어, 외부 장치(200)로부터 수신된 영상 데이터, 병합 구간이 제1 영상에 병합된 제3 영상 등에 대한 정보가 저장될 수 있다. 그 밖에도 본 개시의 목적을 달성하기 위한 범위 내에서 필요한 다양한 정보가 메모리(130)에 저장될 수 있으며, 메모리(130)에 저장된 정보는 서버 또는 외부 장치(200)로부터 수신되거나 사용자에 의해 입력됨에 따라 갱신될 수도 있다.
프로세서(140)는 전자 장치(100)의 전반적인 동작을 제어한다. 구체적으로, 프로세서(140)는 상술한 바와 같은 카메라(110), 통신부(120) 및 메모리(130)를 포함하는 전자 장치(100)의 구성과 연결되며, 상술한 바와 같은 메모리(130)에 저장된 적어도 하나의 명령을 실행하여 전자 장치(100)의 동작을 전반적으로 제어할 수 있다.
프로세서(140)는 다양한 방식으로 구현될 수 있다. 예를 들어, 프로세서(140)는 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 임베디드 프로세서, 마이크로 프로세서, 하드웨어 컨트롤 로직, 하드웨어 유한 상태 기계(hardware Finite State Machine, FSM), 디지털 신호 프로세서(Digital Signal Processor, DSP) 중 적어도 하나로 구현될 수 있다. 한편, 본 개시에서 프로세서(140)라는 용어는 CPU(Central Processing Unit), GPU(Graphic Processing Unit) 및 MPU(Main Processing Unit)등을 포함하는 의미로 사용될 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 프로세서(140)는 본 개시에 따른 제1 영상의 획득 과정, 제1 스코어의 획득 과정, 제1 영상의 메인 구간 식별 과정, 병합 구간의 식별 과정 및 영상 병합 과정 등을 수행할 수 있다. 특히, 프로세서(140)는 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 전자 장치(100)와 연결된 외부 장치(200)로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하도록 통신부(120)를 제어하고, 사용자 명령에 따라 카메라(110)를 통해 제1 영상을 획득하며, 학습된 신경망 모델을 이용하여 제1 영상의 구도에 대한 제1 스코어를 획득하고, 제1 신호에 따라 통신부(120)를 통해 외부 장치(200)로부터 외부 장치(200)에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 제1 스코어 및 제2 스코어를 바탕으로 제2 영상에서 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하고, 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 외부 장치(200)로 전송하도록 통신부(120)를 제어하며, 제3 신호에 따라 통신부(120)를 통해 외부 장치(200)로부터 영상 데이터를 포함하는 제4 신호가 수신되면, 영상 데이터를 바탕으로 적어도 하나의 병합 구간에 대응되는 영상을 제1 영상에 병합하여 제3 영상을 획득할 수 있다. 프로세서(140)의 제어를 바탕으로 한 본 개시에 따른 다양한 실시 예에 대해서는 도 1 내지 도 9를 참조하여 상술하였으므로 중복 설명은 생략한다.
이상에서 상술한 바와 같은 구성 외에도, 전자 장치(100)는 획득된 제1 영상 또는 제3 영상을 표시하는 디스플레이 및 표시되는 영상에 대응되는 사운드를 출력하는 스피커 등을 포함하는 출력부를 더 포함할 수도 있다. 또한, 전자 장치(100)는 촬영 개시 및 촬영 종료에 대한 사용자 명령과 표시되는 영상을 제어하기 위한 입력부를 더 포함할 수도 있다. 특히, 사용자 명령은 마이크를 통해 음성 신호의 형태로 수신될 수 있다.
한편, 상술한 실시 예에 따른 전자 장치(100)의 제어 방법은 프로그램으로 구현되어 전자 장치(100)에 제공될 수 있다. 특히, 전자 장치(100)의 제어 방법을 포함하는 프로그램은 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장되어 제공될 수 있다.
구체적으로, 전자 장치(100)의 제어 방법을 실행하는 프로그램을 포함하는 컴퓨터 판독 가능 기록매체에 있어서, 전자 장치(100)의 제어 방법은 비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 전자 장치(100)와 연결된 외부 장치(200)로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하는 단계, 사용자 명령에 따라 제1 영상을 획득하는 단계, 학습된 신경망 모델을 이용하여 제1 영상의 구도에 대한 제1 스코어를 획득하는 단계, 제1 신호에 따라 외부 장치(200)에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 제1 스코어 및 제2 스코어를 바탕으로 제2 영상에서 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하는 단계, 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 외부 장치(200)로 전송하는 단계 및 제3 신호에 따라 영상 데이터를 포함하는 제4 신호가 수신되면, 영상 데이터를 바탕으로 적어도 하나의 병합 구간에 대응되는 영상을 제1 영상에 병합하여 제3 영상을 획득하는 단계를 포함할 수 있다.
여기서, 비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리(130) 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리(130)카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
이상에서 전자 장치(100)의 제어 방법, 그리고 전자 장치(100)의 제어 방법을 실행하는 프로그램을 포함하는 컴퓨터 판독 가능 기록매체에 대해 간략하게 설명하였으나, 이는 중복 설명을 생략하기 위한 것일 뿐이며, 전자 장치(100)에 대한 다양한 실시 예는 전자 장치(100)의 제어 방법, 그리고 전자 장치(100)의 제어 방법을 실행하는 프로그램을 포함하는 컴퓨터 판독 가능 기록매체에 대해서도 적용될 수 있음은 물론이다.
상술한 바와 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치(100)는 복수의 장치에서 촬영된 복수의 영상에서 좋은 구도를 갖는 구간들을 자동으로 병합하여 새로운 영상을 획득할 수 있으며, 이에 따라 현저한 사용자 편의성을 제공할 수 있게 된다.
특히, 본 개시에 따른 신경망 모델이 온 디바이스(on-device)의 형태로 구현되는 경우, 촬영된 복수의 영상을 외부 서버로 전송하지 않고도 전자 장치(100) 및 외부 장치(200)에 포함된 신경망 모델을 이용하여 각 영상의 구도에 대한 스코어를 획득하고 그에 기초하여 복수의 영상을 병합할 수 있다. 즉, 본 개시에 따르면 사용자 편의성과 함께 사용자의 프라이버시(privacy)에 관련된 보안성을 확보할 수 있다.
나아가, 본 개시에 따르면, 외부 장치(200)로부터 제2 영상 전체에 대응되는 영상 데이터를 수신하여 영상을 병합하는 것이 아니라, 전자 장치(100)에 의해 식별된 병합 구간에 대응되는 영상 데이터만을 수신하여 영상을 병합하기 때문에, 복수의 장치 간 영상의 송수신에 소요되는 시간이 현저하게 감소할 수 있다.
나아가, 본 개시에 따르면, 외부 장치(200)로부터 제2 영상 전체에 대응되는 영상 데이터를 수신하여 영상을 병합하는 것이 아니라, 전자 장치(100)에 의해 식별된 병합 구간에 대응되는 영상 데이터만을 수신하여 영상을 병합하기 때문에, 복수의 장치 간 영상의 송수신과 저장 공간의 효율화가 이루어질 수 있다.
한편, 이상에서 상술한 바와 같은 신경망 모델(인공 지능 모델)에 관련된 기능은 메모리(130) 및 프로세서(140)를 통해 수행될 수 있다.
프로세서(140)는 하나 또는 복수의 프로세서(140)로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서(140)는 CPU, AP 등과 같은 범용 프로세서, GPU. VPU 등과 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세일 수 있다.
하나 또는 복수의 프로세서(140)는, 비휘발성 메모리(130) 및 휘발성 메모리(130)에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 기 정의된 동작 규칙 또는 인공 지능 모델은 학습을 통해 만들어진 것을 특징으로 한다.
여기서, 학습을 통해 만들어진다는 것은, 다수의 학습 데이터들에 학습 알고리즘을 적용함으로써, 원하는 특성의 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공 지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버/시스템을 통해 이루어 질 수도 있다.
인공 지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 각 레이어는 복수의 가중치(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치의 연산을 통해 레이어의 연산을 수행한다. 신경망의 예로는, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network), GAN(Generative Adversarial Networks) 및 심층 Q-네트워크 (Deep Q-Networks)이 있으며, 본 개시에서의 신경망은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
학습 알고리즘은, 다수의 학습 데이터들을 이용하여 소정의 대상 기기(예컨대, 로봇)을 훈련시켜 소정의 대상 기기 스스로 결정을 내리거나 예측을 할 수 있도록 하는 방법이다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으며, 본 개시에서의 학습 알고리즘은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리(130)와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
이상에서 상술한 바와 같은 본 개시의 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다.
다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
한편, 본 개시에서 사용된 용어 "부" 또는 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "부" 또는 "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 개시의 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다.
상기 명령이 프로세서(140)에 의해 실행될 경우, 프로세서(140)가 직접 또는 상기 프로세서(140)의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100: 전자 장치 110: 카메라
120: 통신부 130: 메모리
140: 프로세서 200: 외부 장치

Claims (15)

  1. 전자 장치에 있어서,
    카메라;
    회로를 포함하는 통신부;
    적어도 하나의 인스트럭션(instruction)을 저장하는 메모리; 및
    상기 적어도 하나의 인스트럭션을 실행하는 프로세서; 를 포함하고,
    상기 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써,
    비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 상기 전자 장치와 연결된 외부 장치로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하도록 상기 통신부를 제어하고,
    상기 사용자 명령에 따라 상기 카메라를 통해 제1 영상을 획득하며,
    학습된 신경망 모델을 이용하여 상기 제1 영상의 구도에 대한 제1 스코어를 획득하고,
    상기 제1 신호에 따라 상기 통신부를 통해 상기 외부 장치로부터 상기 외부 장치에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 상기 제1 스코어 및 상기 제2 스코어를 바탕으로 상기 제2 영상에서 상기 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하고,
    상기 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 상기 외부 장치로 전송하도록 상기 통신부를 제어하며,
    상기 제3 신호에 따라 상기 통신부를 통해 상기 외부 장치로부터 상기 영상 데이터를 포함하는 제4 신호가 수신되면, 상기 영상 데이터를 바탕으로 상기 적어도 하나의 병합 구간에 대응되는 영상을 상기 제1 영상에 병합하여 제3 영상을 획득하는 전자 장치.
  2. 제1 항에 있어서,
    상기 제1 스코어는 상기 제1 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부에 대한 스코어의 평균 값이며,
    상기 제1 영상의 메인 구간은 상기 제1 영상의 복수의 구간 중 상기 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 기 설정된 임계 값 이상인 적어도 하나의 구간이고,
    상기 제2 스코어는 상기 제2 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부에 대한 스코어의 평균 값이며,
    상기 제2 영상의 메인 구간은 상기 제2 영상의 복수의 구간 중 상기 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 상기 기 설정된 임계 값 이상인 적어도 하나의 구간인 전자 장치.
  3. 제1 항에 있어서,
    상기 프로세서는,
    상기 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제1 시간 정보를 획득하며,
    상기 제2 신호에 포함된 상기 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제2 시간 정보 및 상기 제1 시간 정보를 바탕으로, 상기 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되는 구간을 식별하고,
    상기 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되며 제1 영상의 메인 구간보다 스코어가 높은 구간 및 상기 제2 영상의 메인 구간 중 상기 제1 영상의 메인 구간에 중첩되지 않는 구간을 상기 적어도 하나의 병합 구간으로 식별하는 전자 장치.
  4. 제1 항에 있어서,
    상기 프로세서는,
    상기 제1 영상의 복수의 프레임이 획득되는 동안 기 설정된 프레임 간격으로 상기 신경망 모델에 상기 제1 영상의 복수의 프레임 중 적어도 일부를 입력하여 상기 제1 영상의 복수의 프레임 중 적어도 일부에 대한 스코어를 획득하는 전자 장치.
  5. 제1 항에 있어서,
    상기 비디오 촬영의 개시에 대한 요청은 상기 전자 장치 및 상기 외부 장치의 시스템 시간을 동기화하기 위한 타임코드(timecode)에 대한 정보를 포함하는 전자 장치.
  6. 제1 항에 있어서,
    상기 제2 스코어는 상기 통신부를 통해 상기 외부 장치로 상기 개시된 비디오 촬영의 종료에 대한 요청을 포함하는 제5 신호가 전송됨에 따라 상기 통신부를 통해 상기 외부 장치로부터 수신되는 전자 장치.
  7. 제1 항에 있어서,
    상기 제2 스코어는 상기 외부 장치에 포함된 신경망 모델을 이용하여 획득되는 전자 장치.
  8. 전자 장치의 제어 방법에 있어서,
    비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 상기 전자 장치와 연결된 외부 장치로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하는 단계;
    상기 사용자 명령에 따라 제1 영상을 획득하는 단계;
    학습된 신경망 모델을 이용하여 상기 제1 영상의 구도에 대한 제1 스코어를 획득하는 단계;
    상기 제1 신호에 따라 상기 외부 장치에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 상기 제1 스코어 및 상기 제2 스코어를 바탕으로 상기 제2 영상에서 상기 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하는 단계;
    상기 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 상기 외부 장치로 전송하는 단계; 및
    상기 제3 신호에 따라 상기 영상 데이터를 포함하는 제4 신호가 수신되면, 상기 영상 데이터를 바탕으로 상기 적어도 하나의 병합 구간에 대응되는 영상을 상기 제1 영상에 병합하여 제3 영상을 획득하는 단계; 를 포함하는 전자 장치의 제어 방법.
  9. 제1 항에 있어서,
    상기 제1 스코어는 상기 제1 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부에 대한 스코어의 평균 값이며,
    상기 제1 영상의 메인 구간은 상기 제1 영상의 복수의 구간 중 상기 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 기 설정된 임계 값 이상인 적어도 하나의 구간이고,
    상기 제2 스코어는 상기 제2 영상의 메인 구간에 포함된 복수의 프레임 중 적어도 일부에 대한 스코어의 평균 값이며,
    상기 제2 영상의 메인 구간은 상기 제2 영상의 복수의 구간 중 상기 복수의 구간 각각에 포함된 적어도 일부 프레임에 대한 스코어의 평균 값이 상기 기 설정된 임계 값 이상인 적어도 하나의 구간인 전자 장치의 제어 방법.
  10. 제1 항에 있어서,
    상기 적어도 하나의 병합 구간을 식별하는 단계는,
    상기 제1 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제1 시간 정보를 획득하는 단계;
    상기 제2 신호에 포함된 상기 제2 영상의 메인 구간 각각의 시작 시점 및 종료 시점에 대한 제2 시간 정보 및 상기 제1 시간 정보를 바탕으로, 상기 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되는 구간을 식별하는 단계; 및
    상기 제2 영상의 메인 구간 중 제1 영상의 메인 구간에 중첩되며 제1 영상의 메인 구간보다 스코어가 높은 구간 및 상기 제2 영상의 메인 구간 중 상기 제1 영상의 메인 구간에 중첩되지 않는 구간을 상기 적어도 하나의 병합 구간으로 식별하는 단계; 를 포함하는 전자 장치의 제어 방법.
  11. 제1 항에 있어서,
    상기 제1 스코어를 획득하는 단계는,
    상기 제1 영상의 복수의 프레임이 획득되는 동안 기 설정된 프레임 간격으로 상기 신경망 모델에 상기 제1 영상의 복수의 프레임 중 적어도 일부를 입력하여 상기 제1 영상의 복수의 프레임 중 적어도 일부에 대한 스코어를 획득하는 단계; 를 포함하는 전자 장치의 제어 방법.
  12. 제1 항에 있어서,
    상기 비디오 촬영의 개시에 대한 요청은 상기 전자 장치 및 상기 외부 장치의 시스템 시간을 동기화하기 위한 타임코드(timecode)에 대한 정보를 포함하는 전자 장치의 제어 방법.
  13. 제1 항에 있어서,
    상기 제2 스코어는 상기 개시된 비디오 촬영의 종료에 대한 요청을 포함하는 제5 신호가 전송됨에 따라 상기 외부 장치로부터 수신되는 전자 장치의 제어 방법.
  14. 제1 항에 있어서,
    상기 제2 스코어는 상기 외부 장치에 포함된 신경망 모델을 이용하여 획득되는 전자 장치의 제어 방법.
  15. 전자 장치의 제어 방법을 실행하는 프로그램을 포함하는 비일시적 컴퓨터 판독 가능 기록매체에 있어서,
    상기 전자 장치의 제어 방법은,
    비디오 촬영을 개시하기 위한 사용자 명령이 수신되면, 상기 전자 장치와 연결된 외부 장치로 비디오 촬영의 개시에 대한 요청을 포함하는 제1 신호를 전송하는 단계;
    상기 사용자 명령에 따라 제1 영상을 획득하는 단계;
    학습된 신경망 모델을 이용하여 상기 제1 영상의 구도에 대한 제1 스코어를 획득하는 단계;
    상기 제1 신호에 따라 상기 외부 장치에 의해 획득된 제2 영상의 구도에 대한 제2 스코어를 포함하는 제2 신호가 수신되면, 상기 제1 스코어 및 상기 제2 스코어를 바탕으로 상기 제2 영상에서 상기 제1 영상에 병합될 적어도 하나의 병합 구간을 식별하는 단계;
    상기 적어도 하나의 병합 구간에 대응되는 영상 데이터에 대한 요청을 포함하는 제3 신호를 상기 외부 장치로 전송하는 단계; 및
    상기 제3 신호에 따라 상기 영상 데이터를 포함하는 제4 신호가 수신되면, 상기 영상 데이터를 바탕으로 상기 적어도 하나의 병합 구간에 대응되는 영상을 상기 제1 영상에 병합하여 제3 영상을 획득하는 단계; 를 포함하는 컴퓨터 판독 가능 기록매체.

KR1020200084909A 2020-06-10 2020-07-09 전자 장치 및 전자 장치의 제어 방법 KR20210153497A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2021/005021 WO2021251615A1 (ko) 2020-06-10 2021-04-21 전자 장치 및 전자 장치의 제어 방법
US17/993,280 US20230082407A1 (en) 2020-06-10 2022-11-23 Electronic device and control method of electronic device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200070562 2020-06-10
KR1020200070562 2020-06-10

Publications (1)

Publication Number Publication Date
KR20210153497A true KR20210153497A (ko) 2021-12-17

Family

ID=79033412

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200084909A KR20210153497A (ko) 2020-06-10 2020-07-09 전자 장치 및 전자 장치의 제어 방법

Country Status (1)

Country Link
KR (1) KR20210153497A (ko)

Similar Documents

Publication Publication Date Title
US11831980B2 (en) Electronic device and controlling method of electronic device
KR102659288B1 (ko) 전자 장치 및 그 동작 방법
US10992839B2 (en) Electronic device and method for controlling the electronic device
US20210256264A1 (en) Data recognition model construction apparatus and method for constructing data recognition model thereof, and data recognition apparatus and method for recognizing data thereof
KR102414602B1 (ko) 데이터 인식 모델 구축 장치 및 이의 데이터 인식 모델 구축 방법과, 데이터 인식 장치 및 이의 데이터 인식 방법
CN110945505B (zh) 电子设备和控制电子设备的方法
US20230082407A1 (en) Electronic device and control method of electronic device
KR20190024249A (ko) 광고를 제공하는 방법 및 전자 장치
US20240095143A1 (en) Electronic device and method for controlling same
US20210232863A1 (en) Electronic device and controlling method of electronic device
US10140535B2 (en) Display device for displaying recommended content corresponding to user, controlling method thereof and computer-readable recording medium
KR20180074562A (ko) 전자 장치 및 이의 제어 방법
KR20210153497A (ko) 전자 장치 및 전자 장치의 제어 방법
KR20200081527A (ko) 전자 장치 및 그 제어 방법
KR20220052779A (ko) 전자 장치 및 전자 장치의 제어 방법
US20230283879A1 (en) Electronic device and method for controlling the electronic device
KR20210153502A (ko) 전자 장치 및 전자 장치의 제어 방법
KR20210095527A (ko) 전자 장치 및 전자 장치의 제어 방법
US11842027B2 (en) Electronic device and controlling method of electronic device
US20240045992A1 (en) Method and electronic device for removing sensitive information from image data
US20230345111A1 (en) Electronic apparatus and control method thereof
KR20230071633A (ko) 영상에서 인지적 노이즈를 제거하는 영상 처리 방법 및 장치
KR20220078176A (ko) 전자 장치 및 이의 제어 방법
KR20230158283A (ko) 전자 장치 및 이의 제어 방법

Legal Events

Date Code Title Description
A201 Request for examination