KR20210154961A

KR20210154961A - 3d 아바타를 이용한 의류 피팅 서비스 제공 방법과 그에 따른 시스템

Info

Publication number: KR20210154961A
Application number: KR1020217025859A
Authority: KR
Inventors: 한동훈
Original assignee: 엘지전자 주식회사
Priority date: 2019-05-12
Filing date: 2019-06-03
Publication date: 2021-12-21
Also published as: US20220309567A1; CN113811912A; EP3971812A4; WO2020230943A1; EP3971812A1

Abstract

3D 아바타를 이용한 의류 피팅 서비스 제공 방법을 개시한다. 본 발명의 3D 아바타를 이용한 의류 피팅 서비스 제공 방법은 3D 카메라를 통해 사용자의 신체 영상을 획득하는 단계, 신체 영상으로부터 신체 정보를 획득하는 단계, 신체 정보와 신체 영상을 이용하여 사용자의 아바타를 생성하는 단계, 아바타를 서비스 플랫폼으로 개인화하여 관리하는 단계 및 등록된 서비스 공급자 중 선택된 서비스 공급자를 통해 사용자에 의해 선택된 의류를 아바타에 피팅시켜 디스플레이하는 단계를 포함한다. 이에 한번 생성된 아바타를 의류업체 인터넷 쇼핑몰, 오픈마켓, 키오스크 등과 같이 다양한 곳에서 편리하게 이용할 수 있다. 본 발명의 3D 아바타를 이용한 의류 피팅 서비스 제공 방법은 인공 지능 모듈, 드론, 로봇, 증강 현실 장치, 가상 현실 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.

Description

3D 아바타를 이용한 의류 피팅 서비스 제공 방법과 그에 따른 시스템

본 발명은 3D 아바타를 이용한 의류 피팅 서비스 제공 방법과 그에 따른 시스템에 관한 것으로서, 보다 구체적으로는 서비스 플랫폼으로 사용자의 아바타를 개인별로 관리함으로써, 한번 생성된 아바타를 의류업체 인터넷 쇼핑몰, 오픈마켓, 키오스크 등과 같이 다양한 곳에서 편리하게 이용할 수 있는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법과 그에 따른 시스템에 관한 것이다.

일반적으로 인터넷 쇼핑몰을 통한 마케팅기법은 보다 저렴한 가격대의 구매 및 판매활동 등이 가능하다는 이점이 있어, 이를 이용하여 다양한 상품이 판매되고 있으며, 이러한 온라인을 통한 전자상거래시스템에 의해 판매되고 있는 상품의 수와 종류는 계속적인 증가추세를 보이고 있다.

따라서, 전술한 전자상거래시스템은 날로 진화와 발전을 거듭하고 있으며, 다양한 마케팅기법을 동원한 형태로 거듭 발전되고 있는 실정이다.

발전되고 있는 인터넷 쇼핑몰의 시스템을 이용하는 경우에도 직접 체험하고 구매의사를 결정하는 의류 등의 상품군의 경우 발전이 더딘 상태이다. 이러한 문제점을 해결하기 위해 종래에는 의류 등을 입힌 가상 아바타를 이용하여 사용자의 의류 구입에 도움을 주고자 하는 기술이 제안되고 있다.

그러나, 상술한 종래 기술만으로는 실제 의류를 착용한 느낌을 사용자에게 제공하기 하기 어려운 문제점이 있었다.

본 발명은 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.

또한, 본 발명은 사용자와 닮은 아바타에 사용자가 선택한 의류를 피팅시킬 수 있는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법과 그에 따른 시스템을 구현하는 것을 목적으로 한다.

또한, 본 발명은 서비스 플랫폼으로 사용자의 아바타를 개인별로 관리함으로써, 한번 생성된 아바타를 의류업체 인터넷 쇼핑몰, 오픈마켓, 키오스크 등과 같이 다양한 곳에서 편리하게 이용할 수 있는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법과 그에 따른 시스템을 구현하는 것을 목적으로 한다.

본 발명의 일 실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법은 3D 카메라를 통해 사용자의 신체 영상을 획득하는 단계; 상기 신체 영상으로부터 사용자의 신체 정보를 획득하는 단계; 상기 신체 정보와 상기 신체 영상을 이용하여 상기 사용자에 대응하는 아바타를 생성하는 단계; 상기 아바타를 서비스 플랫폼으로 개인화하여 관리하는 단계; 및 등록된 서비스 공급자 중 선택된 서비스 공급자를 통해 상기 아바타에 매핑 가능한 의류 판매 서비스를 제공하는 과정에서 상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅시켜 디스플레이하는 단계;를 포함한다.

또한, 상기 사용자의 신체 정보를 획득하는 단계는, 상기 신체 정보에 대한 변화를 실시간 또는 설정된 시간마다 체크하고, 상기 신체 정보에 대한 변동률이 기설정된 오차범위를 벗어나면, 상기 신체 정보에 대한 변동률을 기초로 상기 아바타를 업그레이드하는 것을 포함할 수 있다.

또한, 상기 사용자의 신체 정보를 획득하는 단계는, 획득된 상기 신체 영상에서 사용자의 신체 사이즈를 추출하고, 추출된 상기 사용자의 신체 사이즈에 대응하여 상기 3D 카메라와 상기 사용자 간의 이격거리를 제어하는 것을 포함할 수 있다.

또한, 상기 사용자의 신체 정보를 획득하는 단계는, 상기 신체 영상을 보정 프로그램을 이용하여 보정한 후, 보정된 상기 신체 영상에서 상기 신체 정보를 추출하는 것을 포함할 수 있다.

또한, 상기 신체 정보에 대한 변동률을 헬스 솔루션에 제공하고, 상기 헬스 솔루션으로부터 상기 변동률에 대응되는 헬스 정보를 제공받아 상기 서비스 플랫폼에 반영하는 것을 포함할 수 있다.

또한, 상기 아바타는 상기 사용자의 신체 사이즈에 기초하여 상기 아바타의 크기 비율을 설정하되, 상기 사용자에 의해 선택된 의류에 따라 상기 아바타의 크기 비율을 달리하여 디스플레이하는 것을 포함할 수 있다.

또한, 상기 신체 정보와 상기 신체 영상을 이용하여 상기 사용자에 대응하는 아바타를 생성하는 단계는, 상기 사용자의 전신 사진 이미지에서 상기 사용자의 특성을 추출하고, 상기 사용자의 특성을 상기 아바타에 반영하는 것을 포함할 수 있다.

또한, 상기 아바타에 피팅시켜 디스플레이하는 단계는, 상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅시키되, 상기 아바타의 사이즈에 대응되도록 상기 선택된 의류를 조정한 후 디스플레이하는 것을 포함할 수 있다.

또한, 본 발명의 일 실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 시스템은 3D 카메라부에서 촬영된 사용자의 신체 영상으로부터 상기 사용자의 신체 정보를 획득하고, 상기 신체 정보와 상기 신체 영상을 이용하여 상기 사용자에 대응하는 아바타를 생성하는 서비스 플랫폼; 및 상기 서비스 플랫폼과 통신망을 통해 연결되고, 상기 서비스 플랫폼을 구성하는 전체 구성의 운용을 제어, 감시, 관리하는 서버;를 포함하고, 상기 서비스 플랫폼은, 등록된 서비스 공급자 중 선택된 서비스 공급자를 통해 상기 아바타에 매핑 가능한 의류 판매 서비스를 제공하는 과정에서 상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅시켜 디스플레이하는 것을 포함한다.

또한, 상기 서비스 플랫폼은, 상기 서비스 플랫폼에 배치되는 적어도 하나의 상기 3D 카메라를 포함하는 3D 카메라부; 상기 신체 정보와 상기 신체 영상을 이용하여 상기 아바타를 생성하는 아바타 생성부; 상기 서비스 플랫폼에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작하도록 제어하되, 상기 아바타 생성부에서 상기 아바타를 제공받아, 상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅하는 메인 제어부; 및 상기 메인 제어부를 통해 상기 선택된 의류가 피팅된 상기 아바타를 디스플레이하는 디스플레이부;를 포함할 수 있다.

또한, 상기 서비스 플랫폼은, 상기 사용자의 이동 단말기 또는 상기 사용자의 집에 배치되는 가전제품들로부터 상기 신체 정보를 전송받는 통신부;를 포함하고, 상기 메인 제어부는, 상기 통신부를 통해 상기 신체 정보에 대한 변화를 실시간 또는 설정된 시간마다 체크하고, 상기 신체 정보에 대한 변동률이 기설정된 오차범위를 벗어나면, 상기 신체 정보에 대한 변동률을 상기 아바타 생성부에 제공하는 것을 포함할 수 있다.

상기 아바타 생성부는, 상기 신체 정보에 대한 변동률을 제공받아 상기 메인 제어부의 제어 하에 상기 아바타를 업그레이드하는 것을 포함할 수 있다.

또한, 상기 메인 제어부는, 상기 신체 영상에서 사용자의 신체 사이즈를 추출하고, 추출된 상기 사용자의 신체 사이즈에 대응하여 상기 3D 카메라부와 상기 사용자 간의 이격거리를 제어하는 것을 포함할 수 있다.

또한, 상기 메인 제어부는, 상기 신체 영상을 보정 프로그램을 이용하여 보정한 후, 보정된 상기 신체 영상에서 상기 신체 정보를 추출하는 것을 포함할 수 있다.

또한, 상기 메인 제어부는, 상기 통신부를 이용하여 상기 신체 정보에 대한 변동률을 헬스 솔루션에 제공하고, 상기 헬스 솔루션으로부터 상기 변동률에 대응되는 헬스 정보를 제공받아 상기 이동 단말기 또는 상기 디스플레이부에 디스플레이되도록 제어하는 것을 포함할 수 있다.

또한, 상기 메인 제어부는, 상기 아바타를 상기 사용자의 신체 사이즈에 기초하여 상기 아바타의 크기 비율을 설정하되, 상기 사용자에 의해 선택된 의류에 따라 상기 아바타의 크기 비율을 달리하여 상기 디스플레이부에 디스플레이되도록 제어하는 것을 포함할 수 있다.

또한, 메인 제어부는, 상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅시키되, 상기 아바타의 사이즈에 대응되도록 상기 선택된 의류를 조정하도록 제어하는 것을 포함할 수 있다.

본 발명의 일 실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법과 그에 따른 시스템은 3D 카메라를 이용하여 사용자의 신체 정보를 추출하여 사용자의 아바타를 생성하고, 생성된 아바타에 사용자의 얼굴 사진을 적용시킴으로써, 사용자와 닮은 아바타를 통해 사용자가 선택한 의류를 직접 입어본 듯한 느낌으로 의류를 구매할 수 있는 효과가 있다.

본 발명의 일 실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법과 그에 따른 시스템은 서비스 플랫폼으로 사용자의 아바타를 개인별로 관리함으로써, 한번 생성된 아바타를 의류업체 인터넷 쇼핑몰, 오픈마켓, 키오스크 등과 같이 다양한 곳에서 편리하게 이용할 수 있는 효과가 있다.

도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 4는 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 시스템을 설명하기 위한 블록도이다.
도 5는 본 발명의 일실시 예에 서비스 플랫폼을 설명하기 위한 도이다.
도 6은 본 발명의 일 실시 예에 따른 AI 장치의 블록도이다.
도 7은 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법을 자세하게 설명하기 위한 도면이다.
도 9 및 도 10은 본 발명의 실시 예에 따라 사용자의 아바타를 생성하는 것을 설명하기 위한 도이다.
도 11은 본 발명의 일실시 예에 따라 사용자의 아바타에 선택된 의류를 피팅하는 과정을 자세하게 설명하기 위한 도면이다.
도 12는 본 발명의 일실시 예에 따라 선택된 의류를 사용자의 아바타에 피팅한 예시를 설명하기 위한 도면이다.
도 13은 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 시스템에 대한 일 예를 설명하기 위한 도이다.
도 14는 본 발명의 일 실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 시스템에 대한 다른 예를 설명하기 위한 도이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

A. UE 및 5G 네트워크 블록도 예시

도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.

도 1을 참조하면, AI 모듈을 포함하는 장치(AI 장치)는 제1 통신 장치(910)로 정의하고, 프로세서(911)가 AI 상세 동작을 수행할 수 있다.

AI 장치와 통신하는 다른 장치(AI 서버)를 포함하는 5G 네트워크는 제2 통신 장치(920)로 정의하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.

5G 네트워크가 제1 통신 장치로, AI 장치가 제2 통신 장치로 표현될 수도 있다.

예를 들어, 상기 제1 통신 장치 또는 상기 제2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, AI(Artificial Intelligence) 장치 등일 수 있다.

예를 들어, 단말 또는 UE(User Equipment)는 휴대폰, 스마트폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털 방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기(smartwatch), 글래스형 단말기(smart glass), HMD(head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다.

도 1을 참고하면, 제1 통신 장치(910)와 제2 통신 장치(920)는 프로세서(processor, 911,921), 메모리(memory, 914,924), 하나 이상의 Tx/Rx RF 모듈(radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)은 각각의 안테나(926)를 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL(제1 통신 장치에서 제2 통신 장치로의 통신)에서, 전송(TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신(RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.

UL(제2 통신 장치에서 제1 통신 장치로의 통신)은 제2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)은 각각의 안테나(926)를 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.

B. 무선 통신 시스템에서 신호 송/수신 방법

도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.

도 2를 참고하면, UE는 전원이 켜지거나 새로이 셀에 진입한 경우 BS와 동기를 맞추는 등의 초기 셀 탐색(initial cell search) 작업을 수행한다(S201). 이를 위해, UE는 BS로부터 1차 동기 채널(primary synchronization channel, P-SCH) 및 2차 동기 채널(secondary synchronization channel, S-SCH)을 수신하여 BS와 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. LTE 시스템과 NR 시스템에서 P-SCH와 S-SCH는 각각 1차 동기 신호(primary synchronization signal, PSS)와 2차 동기 신호(secondary synchronization signal, SSS)로 불린다. 초기 셀 탐색 후, UE는 BS로부터 물리 브로드캐스트 채널(physical broadcast channel, PBCH)를 수신하여 셀 내 브로드캐스트 정보를 획득할 수 있다. 한편, UE는 초기 셀 탐색 단계에서 하향링크 참조 신호(downlink reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다. 초기 셀 탐색을 마친 UE는 물리 하향링크 제어 채널(physical downlink control channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(physical downlink shared Channel, PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).

한편, BS에 최초로 접속하거나 신호 전송을 위한 무선 자원이 없는 경우 UE는 BS에 대해 임의 접속 과정(random access procedure, RACH)을 수행할 수 있다(단계 S203 내지 단계 S206). 이를 위해, UE는 물리 임의 접속 채널(physical random access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로서 전송하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 임의 접속 응답(random access response, RAR) 메시지를 수신할 수 있다(S204 및 S206). 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 과정(contention resolution procedure)를 수행할 수 있다.

상술한 바와 같은 과정을 수행한 UE는 이후 일반적인 상향링크/하향링크 신호 전송 과정으로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널(physical uplink shared Channel, PUSCH)/물리 상향링크 제어 채널(physical uplink control channel, PUCCH) 전송(S208)을 수행할 수 있다. 특히 UE는 PDCCH를 통하여 하향링크 제어 정보(downlink control information, DCI)를 수신한다. UE는 해당 탐색 공간 설정(configuration)들에 따라 서빙 셀 상의 하나 이상의 제어 요소 세트(control element set, CORESET)들에 설정된 모니터링 기회(occasion)들에서 PDCCH 후보(candidate)들의 세트를 모니터링한다. UE가 모니터할 PDCCH 후보들의 세트는 탐색 공간 세트들의 면에서 정의되며, 탐색 공간 세트는 공통 탐색 공간 세트 또는 UE-특정 탐색 공간 세트일 수 있다. CORESET은 1~3개 OFDM 심볼들의 시간 지속기간을 갖는 (물리)자원 블록들의 세트로 구성된다. 네트워크는 UE가 복수의 CORESET들을 갖도록 설정할 수 있다. UE는 하나 이상의 탐색 공간 세트들 내 PDCCH 후보들을 모니터링한다. 여기서 모니터링이라 함은 탐색 공간 내 PDCCH 후보(들)에 대한 디코딩 시도하는 것을 의미한다. UE가 탐색 공간 내 PDCCH 후보들 중 하나에 대한 디코딩에 성공하면, UE는 해당 PDCCH 후보에서 PDCCH를 검출했다고 판단하고, 검출된 PDCCH 내 DCI를 기반으로 PDSCH 수신 혹은 PUSCH 전송을 수행한다. PDCCH는 PDSCH 상의 DL 전송들 및 PUSCH 상의 UL 전송들을 스케줄링하는 데 사용될 수 있다. 여기서 PDCCH 상의 DCI는 하향링크 공유 채널과 관련된, 변조(modulation) 및 코딩 포맷과 자원 할당(resource allocation) 정보를 적어도 포함하는 하향링크 배정(assignment)(즉, downlink grant; DL grant), 또는 상향링크 공유 채널과 관련된, 변조 및 코딩 포맷과 자원 할당 정보를 포함하는 상향링크 그랜트(uplink grant; UL grant)를 포함한다.

도 2를 참고하여, 5G 통신 시스템에서의 초기 접속(Initial Access, IA) 절차에 대해 추가적으로 살펴본다.

UE는 SSB에 기반하여 셀 탐색(search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH(Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.

SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.

셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 셀의 셀 ID(Identifier)(예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.

336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹별로 3개의 셀 ID가 존재한다. 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 셀의 SSS를 통해 제공/획득되며, 셀 ID 내 336개 셀들 중 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다.

SSB는 SSB 주기(periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크(예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.

다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.

SI는 마스터 정보 블록(master information block, MIB)와 복수의 시스템 정보 블록(system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI(Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1(SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성(availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.

도 2를 참고하여, 5G 통신 시스템에서의 임의 접속(Random Access, RA) 과정에 대해 추가적으로 살펴본다.

임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드(triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반(contention-based) 임의 접속 과정과 경쟁 프리(contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.

UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격(subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.

BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답(random access response, RAR) 메시지(Msg2)를 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속(random access, RA) 무선 네트워크 임시 식별자(radio network temporary identifier, RNTI)(RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑(power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.

UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.

C. 5G 통신 시스템의 빔 관리(Beam Management, BM) 절차

BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS(sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.

SSB를 이용한 DL BM 과정에 대해 살펴본다.

SSB를 이용한 빔 보고(beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보(channel state information, CSI)/빔 설정 시에 수행된다.

- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고을 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4, ??}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.

- UE는 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 BS로부터 수신한다.

- SSBRI 및 참조 신호 수신 전력(reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, UE는 최선(best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.

UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된(quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간(spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.

다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.

CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제(refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.

먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.

- UE는 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.

- UE는 자신의 Rx 빔을 결정한다.

- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.

다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.

- UE는 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.

- UE는 최상의(best) 빔을 선택(또는 결정)한다.

- UE는 선택된 빔에 대한 ID(예, CRI) 및 관련 품질 정보(예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.

다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.

- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링(예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.

- UE는 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.

- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.

다음으로, 빔 실패 복구(beam failure recovery, BFR) 과정에 대해 살펴본다.

빔포밍된 시스템에서, RLF(Radio Link Failure)는 UE의 회전(rotation), 이동(movement) 또는 빔포밍 블로키지(blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, UE는 UE의 물리 계층으로부터의 빔 실패 지시(indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간(period) 내에 RRC 시그널링에 의해 설정된 임계치(threshold)에 이르면(reach), 빔 실패를 선언(declare)한다. 빔 실패가 검출된 후, UE는 PCell 상의 임의 접속 과정을 개시(initiate)함으로써 빔 실패 복구를 트리거하고; 적절한(suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 UE에 의해 우선화된다). 임의 접속 절차의 완료(completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.

D. URLLC (Ultra-Reliable and Low Latency Communication)

NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항(requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간(duration)(예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격(stringent)한 레이턴시 요구 사항(latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화(multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션(preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.

NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유(sharing)이 지원된다. eMBB와 URLLC 서비스들은 비-중첩(non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인(ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링(puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트(corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시(preemption indication)을 제공한다. 프리엠션 지시(preemption indication)는 중단된 전송 지시(interrupted transmission indication)으로 지칭될 수도 있다.

프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반(convey)하는 PDCCH의 모니터링을 위해 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설졍되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도(granularity)를 가지고 설정된다.

UE는 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 BS로부터 수신한다.

UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, UE는 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞(last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.

E. mMTC (massive MTC)

mMTC(massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB(NarrowBand)-IoT를 다루고 있다.

mMTC 기술은 PDCCH, PUCCH, PDSCH(physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑(hopping), 리튜닝(retuning), 가드 구간(guard period) 등의 특징을 가진다.

즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑(frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제1 주파수 자원에서 제2 주파수 자원으로 가드 구간(guard period)에서 (RF) 리튜닝(retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역(narrowband)(ex. 6 RB (resource block) or 1 RB)를 통해 송/수신될 수 있다.

F. 5G 통신을 이용한 AI 기본 동작

도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.

UE는 특정 정보 전송을 5G 네트워크로 전송한다(S1). 그리고 5G 네트워크는 특정 정보에 대한 5G 프로세싱을 수행한다(S2). 여기서, 5G 프로세싱은 AI 프로세싱을 포함할 수 있다. 그리고 5G 네트워크는 AI 프로세싱 결과를 포함하는 응답을 상기 UE로 전송한다(S3).

G. 5G 통신 시스템에서 사용자 단말과 5G 네트워크 간의 응용 동작

이하, 도 1 및 도 2와 앞서 살핀 무선 통신 기술(BM 절차, URLLC, Mmtc 등)을 참고하여 5G 통신을 이용한 AI 동작에 대해 보다 구체적으로 살펴본다.

먼저, 후술할 본 발명에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 S1 단계 및 S3 단계와 같이, UE가 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, UE는 도 3의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.

보다 구체적으로, UE는 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, UE가 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.

또한, UE는 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고 5G 네트워크는 UE로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, UE는 UL grant에 기초하여 5G 네트워크로 특정 정보를 전송한다. 그리고 5G 네트워크는 UE로 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 5G 네트워크는 DL grant에 기초하여 UE로 AI 프로세싱 결과를 포함하는 응답을 전송할 수 있다.

다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

앞서 설명한 바와 같이, UE가 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, UE는 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고, UE는 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)을 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고, UE는 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, UE는 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.

다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.

도 3의 S1 단계에서, UE는 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, UL grant는 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 특정 정보는 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, UE는 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제1 주파수 자원에서, 두 번째 특정 정보의 전송은 제2 주파수 자원에서 전송될 수 있다. 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.

앞서 살핀 5G 통신 기술은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.

도 4는 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 시스템을 설명하기 위한 블록도이고, 도 5는 본 발명의 일실시 예에 서비스 플랫폼을 설명하기 위한 도이다.

도 4를 살펴보면, 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 시스템은 서비스 플랫폼(1000), 외부 기기(900) 및 서버(2000)를 포함할 수 있다.

서비스 플랫폼(1000)은 적어도 하나의 카메라를 통해 사용자의 신체 영상을 획득하고, 신체 영상으로부터 사용자의 신체 정보를 획득하고, 신체 정보와 신체 영상을 이용하여 사용자에 대응하는 아바타를 생성하고, 생성된 아바타를 개인화하여 관리할 수 있다. 서비스 플랫폼(1000)은 등록된 서비스 공급자 중 선택된 서비스 공급자를 통해 아바타에 매핑 가능한 의류 판매 서비스를 제공하는 과정에서 사용자에 의해 선택된 의류를 아바타에 피팅시켜 디스플레이할 수 있다.

서비스 플랫폼(1000)은 3D 카메라부(1010), 메인 제어부(1020), 메모리부(1030), 통신부(1040), 아바타 생성부(1050), 디스플레이부(1060) 및 전원 공급부(1070)를 포함할 수 있다.

3D 카메라부(1010)는 서비스 플랫폼(1000)에 배치될 수 있다. 3D 카메라부(1010)는 비접촉식 3D 카메라/스캐너 또는 RGB-D 카메라부라 칭할 수 있다. 복수의 3D 카메라부(1010)는 서비스 플랫폼(1000)의 외부면 또는 서비스 플랫폼(1000)의 주변에 설치될 수 있다. 예를 들어, 3D 카메라부(1010)는 서비스 플랫폼(1000)의 상부에 설치될 수 있다.

서비스 플랫폼(1000)의 촬영 위치는 3D 카메라부(1010)와 소정의 거리만큼 이격될 수 있다. 즉, 3D 카메라부(1010)는 촬영 위치와 이격됨으로써, 촬영 위치에 서 있는 사용자를 보다 정확하게 촬영할 수 있다.

3D 카메라부(1010)는 도시되지 않았지만, 복수의 센서, 광원 및 카메라 제어부를 포함할 수 있다. 예를 들어, 3D 카메라부(1010)는 광원을 이용하여 측정 또는 촬영하고자 하는 사용자에게 광원을 조사할 수 있다. 광원은 레이저 광원일 수 있다. 사용자에게 조사된 레이저 광원이 반사되면, 3D 카메라부(1010)는 반사된 레이저 광원을 센서를 통해 수광할 수 있다. 센서는 이미지 센서일 수 있다. 3D 카메라부(1010)는 이미지 센서에서 획득한 레이저 영상을 카메라 제어부에 제공할 수 있다. 카메라 제어부는 필드　프로그래머블　게이트 어레이(FPGA, Field-Programmable Gate Array)를 포함할 수 있다. 카메라 제어부는 획득한 레이저 영상을 필드　프로그래머블　게이트 어레이에 공급하여 프로파일(Profile) 데이터를 추출할 수 있다. 카메라 제어부는 추출된 프로파일(Profile) 데이터를 합성하여 3D 데이터를 생성할 수 있다. 이에 3D 카메라부(1010)는 생성된 3D 데이터를 이용하여 사용자의 신체 영상을 획득할 수 있다.

메인 제어부(1020)는 3D 카메라부(1010), 메모리부(1030), 통신부(1040), 아바타 생성부(1050), 디스플레이부(1060) 및 전원 공급부(1070)와 전기적으로 연결되어 데이터, 신호, 정보 등을 제어할 수 있다. 즉, 메인 제어부(1020)는 응용 프로그램과 관련된 동작 외에도 통상적으로 서비스 플랫폼(1000)의 전반적인 동작을 제어할 수 있다. 메인 제어부(1020)는 서비스 플랫폼(1000)의 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리부(1030)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.

또한, 메인 제어부(1020)는 메모리부(1030)에 저장된 응용 프로그램을 구동하기 위하여, 서비스 플랫폼(1000)의 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 메인 제어부(1020)는 응용 프로그램의 구동을 위하여, 서비스 플랫폼(1000)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.

예를 들어, 메인 제어부(1020)는 3D 카메라부(1010)에서 제공되는 사용자의 신체 영상을 보정 프로그램에 적용하여 보정할 수 있다. 보정 프로그램은 칼리브레이션 프로그램을 포함할 수 있다. 메인 제어부(1020)는 보정 프로그램을 이용하여 생성된 사용자의 신체 영상 중 왜곡된 영상을 추출하여 보정하고, 보정된 사용자의 신체 영상을 프로그램에 적용할 수 있다.

메인 제어부(1020)는 회로기판(circuit board)으로 구현될 수 있다. 회로기판은 복수 개로 제공될 수 있다. 회로기판은 PCB(printed circuit board) 또는 FPCB(flexible printed circuit board)일 수 있다.

아바타 생성부(1050)는 메인 제어부(1020)의 제어 하에 신체 정보와 신체 영상을 이용하여 사용자의 아바타를 생성할 수 있다. 아바타 생성부(1050)는 신체 정보, 신체 영상 그리고 사용자의 신체 각 부위의 실제 사이즈 정보 등에 기초하여 실측기반으로 사용자만의 3D 아바타를 생성할 수 있다.

통신부(1040)는 서버(2000) 또는 외부 기기(900)와 통신할 수 있다. 서버(2000)는 외부 서버라 칭할 수 있다. 통신부(1040)는 방송 수신 모듈, 이동통신 모듈, 무선 인터넷 모듈, 근거리 통신 모듈, 위치정보 모듈 중 적어도 하나를 포함할 수 있다. 이에 대한 자세한 설명은 도 1 내지 도 3에서 충분히 설명하였으므로 생략하기로 한다.

메모리부(1030)는 서비스 플랫폼(1000)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 메모리부(1030)는 서비스 플랫폼(1000)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 서비스 플랫폼(1000)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버(2000)로부터 다운로드될 수 있다. 한편, 응용 프로그램은, 메모리부(1030)에 저장되고, 서비스 플랫폼(1000) 상에 설치되어, 메인 제어부(1020)에 의하여 서비스 플랫폼(1000)의 동작(또는 기능)을 수행하도록 구동될 수 있다.

예를 들어, 메모리부(1030)는 3D 카메라부(1010)에서 생성된 사용자의 신체 영상을 저장하고, 통신부(1040)를 통해 서버(2000) 또는 외부 기기(900)와 네트워크를 이용하여 주고 받는 데이터를 저장하거나 임시적으로 저장할 수 있다. 또한, 메모리부(1030)는 아바타 생성부(1050)에서 생성된 사용자의 아바타를 저장할 수 있다. 또한, 메모리부(1030)는 사용자가 직접 입력한 사용자의 신체 정보를 저장할 수 있다.

디스플레이부(1060)는 서비스 플랫폼(1000)의 전면에 설치 또는 배치될 수 있다.

서비스 플랫폼(1000)은 디스플레이부(1060)를 이용하여 사용자의 실제 모습을 보여주거나 사용자의 아바타를 디스플레이할 수 있다. 예를 들어, 디스플레이부(1060)는 거울과 같이 사용자의 실제 모습을 반사시켜 보여주거나 촬영 위치에 서 있는 사용자를 3D 카메라부를 통해 촬영하여 실시간으로 디스플레이할 수 있다.

디스플레이부(1060)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 터치 스크린은 서비스 플랫폼(1000)과 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부로써 기능함과 동시에, 서비스 플랫폼(1000)과 사용자 사이의 출력 인터페이스를 제공할 수 있다.

디스플레이부(1060)는 서비스 플랫폼(1000)에서 처리되는 정보를 표시(출력)할 수 있다. 예를 들어, 디스플레이부(1060)는 서비스 플랫폼(1000)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.

디스플레이부(1060)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다.

또한, 디스플레이부(1060)는 서비스 플랫폼(1000)의 구현 형태에 따라 2개 이상 존재할 수 있다. 이 경우, 서비스 플랫폼(1000)에는 복수의 디스플레이부(1060)가 하나의 면에 이격되거나 일체로 배치될 수 있고, 또한 서로 다른 면에 각각 배치될 수도 있다.

디스플레이부(1060)는 터치 방식에 의하여 제어 명령을 입력 받을 수 있도록, 디스플레이부(1060)에 대한 터치를 감지하는 터치센서를 포함할 수 있다. 이를 이용하여, 디스플레이부(1060)에 대하여 터치가 이루어지면, 터치센서는 터치를 감지하고, 메인 제어부(1020)는 이에 근거하여 터치에 대응하는 제어 명령을 발생시키도록 이루어질 수 있다. 터치 방식에 의하여 입력되는 내용은 사용자가 자신의 신체를 직접 측정한 신체 정보이거나, 각종 모드에서의 지시 또는 지정 가능한 메뉴항목 등일 수 있다.

디스플레이부(1060)는 터치센서와 함께 터치 스크린(touch-screen)을 형성할 수 있으며, 이 경우에 터치 스크린은 사용자 입력부로 기능할 수 있다. 경우에 따라, 터치 스크린은 조작유닛의 적어도 일부 기능을 대체할 수 있다. 예를 들어, 터치 스크린은 지문(fingerprint)을 획득할 수 있다.

상술한 바와 같이, 사용자의 아바타가 디스플레이부(1060)에서 디스플레이되면, 사용자는 온라인 의류 쇼핑몰에서 선택한 의류를 사용자의 아바타에 피팅시킬 수 있다. 예를 들어, 사용자는 선택한 의류를 드래그　앤드 드롭(Drag and drop) 방식을 이용하여 사용자의 아바타에 피팅시킬 수 있다.

또한, 전원공급부(1070)는 서비스 플랫폼(1000)에 내장되어 배치될 수 있다. 전원공급부(1070)는 메인 제어부(1020)의 제어 하에서, 외부의 전원, 내부의 전원을 공급받아 서비스 플랫폼(1000)에 포함된 각 구성요소들에 전원을 공급할 수 있다.

상술한 각 구성요소들 중 적어도 일부는 이하에서 설명되는 다양한 실시 예들에 따른 서비스 플랫폼(1000)의 동작, 제어, 또는 제어방법을 구현하기 위하여 서로 협력하여 동작할 수 있다. 또한, 서비스 플랫폼(1000)의 동작, 제어, 또는 제어방법은 메모리부(1030)에 저장된 적어도 하나의 응용 프로그램의 구동에 의하여 디스플레이부(1060) 상에서 구현될 수 있다.

외부 기기(900)는 서비스 플랫폼(1000)과 통신할 수 있다. 외부 기기(900)는 이동 단말기, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)) 등이 포함될 수 있다.

사용자는 외부 기기(900)를 이용하여 사용자의 신체 각 부위의 실제 사이즈 정보를 직접 입력할 수 있다. 예를 들어, 웨어러블 디바이스는 사용자의 신체 변화를 실시간으로 감지하고, 감지된 사용자의 신체 변화에 대한 데이터를 서비스 플랫폼(1000)의 통신부(1040)에 전송할 수 있다.

서버(2000)는 통신망이 데이터를 전달하는 스트리밍 다운로드의 비트레이트(bit rate)를 조사하여 오류없이 전송할 수 있는 최적의 비트레이트 값을 결정, 적용하고 서비스 플랫폼(1000)을 구성하는 전체 구성의 운용을 제어, 감시, 관리할 수 있다. 서버(2000)는 외부 서버 또는 통합서비스 서버라 칭할 수 있다.

서버(2000)는 서로 다른 기능을 가지는 제1 서버(서버1) 내지 제n 서버(서버n, n은 자연수)을 포함할 수 있다. 예를 들어, 서버(2000)는 의류 관련 서버와 아바타 서버를 포함할 수 있다.

의류 관련 서버는 온라인 의류 쇼핑몰로부터 다양한 의류 정보를 제공받을 수 있다. 의류 관련 서버는 의류의 각 모델별 사이즈, 색상, 재질, 생산자, 공장 위치, 제조 일자가 포함된 의류 상세 정보를 제공받아 저장할 수 있고, 저장된 의류에 대한 정보를 제공할 수 있다. 또한, 의류 관련 서버는 사용자가 선택된 또는 지정된 의류에 대해 의류 상세 정보를 이용하여 3 차원 이미지 또는 3D 이미지를 제공할 수 있다. 또한, 의류 관련 서버는 3 차원 이미지 또는 3D 이미지 에서 각 부위의 치수 정보와 재질의 특성, 부속품(악세서리)의 특성 등도 입체적으로 반영할 수 있다.

아바타 서버는 3D 카메라부(1010)로부터 3D 데이터 또는 사용자의 신체 영상을 제공받고, 서비스 플랫폼(1000)을 통해 제공되는 사용자의 신체 각 부위의 실제 사이즈 정보를 이용하여 실물 크기에 대응하는 3 차원 아바타의 이미지 또는 3D 아바타의 이미지를 생성하고 관리할 수 있다.

3 차원 아바타 이미지는 서비스 플랫폼(1000)에서 사용자의 신체 각 부위에 대한 치수 정보가 반영되는 동시에 사용자의 전신 사진 이미지를 입력하여 실제 인물의 얼굴, 체형, 윤곽 등과 같은 사용자의 특성이 최대로 반영된 이미지일 수 있다. 사용자의 아바타는 3 차원 아바타 이미지를 기반으로 형성될 수 있다.

또한, 아바타 서버는 서비스 플랫폼(1000)에 구성된 아바타 생성부(1050)와 실질적으로 동일한 기능을 가질 수 있다. 아바타 서버는 아바타 생성부(1050)와 실시간으로 동기화될 수 있다.

또한 서버(2000)는 사용자의 외부 기기(900)에 대한 좌표 정보를 분석하고, 분석된 좌표 정보를 이용하여 사용자의 이동 패턴, 이동 패턴에 따른 주변 위치의 의류 매장 정보 등을 사용자의 외부 기기(900) 또는 서비스 플랫폼(1000)에 제공할 수 있다.

도 5를 살펴보면, 본 발명의 일실시 예에 따른 서비스 플랫폼(1000)은 오프라인 매장에 배치될 수 있다.

서비스 플랫폼(1000)은 3D 카메라부(1010)를 이용하여 사용자 또는 구매자를 촬영할 수 있다. 서비스 플랫폼(1000)는 사용자 또는 구매자의 동의를 확인한 후 촬영할 수 있다. 이후 서비스 플랫폼(1000)는 사용자 또는 구매자의 인증을 통해 사용자 또는 구매자에 대한 다양한 정보를 수집할 수 있다.

서비스 플랫폼(1000)은 3D 카메라부(1010)를 이용하여 촬영되는 사용자의 신체 사이즈(h2)를 추출하고, 이를 기초로 사용자와 서비스 플랫폼(1000) 간의 촬영 위치를 설정할 수 있다.

예를 들어, 사용자의 신체 사이즈(h2)가 180cm 인 경우, 서비스 플랫폼(1000)은 180cm에 비례하여 제1 이격 거리(D)로 설정하고, 촬영 위치를 제1 이격 거리(D)만큼 이격시킬 수 있다. 사용자의 신체 사이즈(h2)가 160cm 인 경우, 서비스 플랫폼(1000)은 160cm에 비례하여 제2 이격 거리로 설정하고, 촬영 위치를 제2 이격 거리만큼 이격시킬 수 있다. 제1 이격 거리(D)는 제2 이격 거리보다 길 수 있다.

서비스 플랫폼(1000)은 사용자의 신체 사이즈(h2)에 비례하여 촬영 위치를 제어함으로써, 3D 카메라부(1010)로 사용자 또는 구매자를 촬영시 발생하는 왜곡 현상을 최소화시킬 수 있다.

서비스 플랫폼(1000)은 디스플레이부(1060)에 디스플레이되는 아바타의 크기(h1)를 사용자의 신체 사이즈(h2)에 따라 크기의 비율을 달리하여 디스플레이할 수 있다.

서비스 플랫폼(1000)은 아바타의 크기(h1)를 사용자의 신체 사이즈(h2)와 실질적으로 동일한 1:1 크기의 비율로 설정하거나, 아바타의 크기(h1)를 사용자의 신체 사이즈(h2)보다 작은 0.5~0.9 : 1 크기의 비율로 설정하여 디스플레이할 수 있다.

즉, 서비스 플랫폼(1000)은 아바타의 크기(h1)를 선택된 의류에 따라 크기의 비율을 달리할 수 있다. 예를 들어, 서비스 플랫폼(1000)은 간편하게 입을 수 있는 셔츠 또는 청바지를 선택한 경우, 사용자의 신체와 실질적으로 동일한 1 : 1 크기의 비율로 설정함으로써, 아바타에 착용된 셔츠 또는 청바지의 피팅감이 중점적으로 표현되도록 디스플레이할 수 있다.

이와 달리, 서비스 플랫폼(1000)은 정장, 트렌치 코드, 바바리 코드를 선택한 경우, 사용자의 신체보다 작은 0.5~0.9 : 1 크기의 비율로 설정함으로써, 아바타에 착용된 정장, 트렌치 코드, 바바리 코드에 대한 전체적인 분위기가 중점적으로 표현되도록 디스플레이할 수 있다.

상술한 바와 같이, 본 발명의 서비스 플랫폼(1000)은 사용자의 신체 사이즈(h2)에 대응하여 촬영 위치를 제어하여 신체 영상의 왜곡 현상을 최소화할 수 있고, 아바타에 착용 또는 피팅되는 의류에 따라 아바타의 크기 비율을 다르게 제어함으로써, 사용자가 필요로 하는 의류를 정확하게 선택하도록 유도할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 AI 장치의 블록도이다.

도 6을 살펴보면, AI 장치(20)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, AI 장치(20)는 도 4 및 도 5에 도시된 서비스 플랫폼(1000)의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.

AI 프로세싱은, 도 4 및 도 5에 도시된 서비스 플랫폼(1000)의 제어와 관련된 모든 동작들을 포함할 수 있다. 예를 들어, 서비스 플랫폼(1000)은 센싱 데이터 또는 획득된 데이터를 AI 프로세싱하여 처리/판단, 제어 신호 생성 동작을 수행할 수 있다. 또한, 예를 들어, 서비스 플랫폼(1000)은 통신부(27)를 통해 수신된 데이터를 AI 프로세싱하여 서비스 플랫폼(1000)의 제어를 수행할 수 있다.

AI 장치(20)는 AI 프로세싱 결과를 직접 이용하는 클라이언트 디바이스이거나, AI 프로세싱 결과를 다른 기기에 제공하는 클라우드 환경의 디바이스일 수도 있다.

AI 장치(20)는 AI 프로세서(21), 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.

AI 장치(20)는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.

AI 프로세서(21)는 메모리(25)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(21)는 서비스 플랫폼(1000)의 관련 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 서비스 플랫폼(1000)의 관련 데이터를 인식하기 위한 신경망은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고 받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고 받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.

한편, 전술한 바와 같은 기능을 수행하는 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.

메모리(25)는 AI 장치(20)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(25)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(25)는 AI 프로세서(21)에 의해 액세스되며, AI 프로세서(21)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(25)는 본 발명의 일 실시 예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(26))을 저장할 수 있다.

한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(22)를 포함할 수 있다. 데이터 학습부(22)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(22)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.

데이터 학습부(22)는 적어도 하나의 하드웨어 칩 형태로 제작되어 AI 장치(20)에 탑재될 수 있다. 예를 들어, 데이터 학습부(22)는 인공지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 AI 장치(20)에 탑재될 수도 있다. 또한, 데이터 학습부(22)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 애플리케이션에 의해 제공될 수 있다.

데이터 학습부(22)는 학습 데이터 획득부(23) 및 모델 학습부(24)를 포함할 수 있다.

학습 데이터 획득부(23)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터 획득부(23)는 학습 데이터로서, 신경망 모델에 입력하기 위한 이동 단말기(10)의 데이터 및/또는 샘플 데이터를 획득할 수 있다.

모델 학습부(24)는 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다. 이때 모델 학습부(24)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또는 모델 학습부(24)는 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다.

신경망 모델이 학습되면, 모델 학습부(24)는 학습된 신경망 모델을 메모리에 저장할 수 있다. 모델 학습부(24)는 학습된 신경망 모델을 AI 장치(20)와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.

데이터 학습부(22)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 리소스 또는 시간을 절약하기 위해 학습 데이터 전처리부(미도시) 및 학습 데이터 선택부(미도시)를 더 포함할 수도 있다.

학습 데이터 전처리부는 획득된 데이터가 상황 판단을 위한 학습에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 예를 들어, 학습 데이터 전처리부는, 모델 학습부(24)가 이미지 인식을 위한 학습을 위하여 획득된 학습 데이터를 이용할 수 있도록, 획득된 데이터를 기설정된 포맷으로 가공할 수 있다.

또한, 학습 데이터 선택부는, 학습 데이터 획득부(23)에서 획득된 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(24)에 제공될 수 있다. 예를 들어, 학습 데이터 선택부는, 서비스 플랫폼의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다.

또한, 데이터 학습부(22)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(미도시)를 더 포함할 수도 있다.

모델 평가부는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(22)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기정의된 데이터일 수 있다. 일 예로, 모델 평가부는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정되 임계치를 초과하는 경우, 소정 기준을 만족하지 못한 것으로 평가할 수 있다.

통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 기기로 전송할 수 있다. 예를 들어, 외부 기기는 외부 전자 기기라 칭할 수 있다. 외부 전자 기기는 지능형 전자 기기, 이동 단말기, 휴대 기기, 스마트 단말기, 스마트 기기, 블루투스 장치, 자율주행 차량, 로봇, 드론, AR 기기, 모바일 기기, 가전 기기 등을 포함할 수 있다.

일 예로 외부 전자 기기가 자율주행 차량인 경우 AI 장치(20)는 자율 주행 모듈 차량과 통신하는 다른 차량 또는 5G 네트워크로 정의될 수 있다. 한편, AI 장치(20)는 차량 내에 구비된 자율주행 모듈에 기능적으로 임베딩되어 구현될 수도 있다. 또한, 5G 네트워크는 자율 주행 관련 제어를 수행하는 서버 또는 모듈을 포함할 수 있다.

한편, 도 6에 도시된 AI 장치(20)는 AI 프로세서(21)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있음을 밝혀둔다.

도 7은 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법을 설명하기 위한 도면이다.

도 7을 살펴보면, 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법은 획득 단계(S510, S520), 생성 단계(S530), 관리 단계(S540) 및 디스플레이 단계(S550)를 포함할 수 있다.

획득 단계(S510, S520)는 사용자의 신체 영상과 사용자의 신체 정보를 획득할 수 있다.

획득 단계(S510, S520)는 3D 카메라를 통해 사용자의 신체 영상을 획득하는 단계(S510)와 신체 영상으로부터 사용자의 신체 정보를 획득하는 단계(S520)를 포함할 수 있다.

3D 카메라를 통해 사용자의 신체 영상을 획득하는 단계(S510)는 매장에 배치되는 적어도 하나의 카메라 또는 적어도 하나의 3D 카메라를 이용하여 사용자의 신체 영상을 촬영할 수 있다.

사용자는 매장에 설치된 서비스 플랫폼(1000, 도 4 참조)을 이용하여 사용자의 신체 영상을 촬영할 수 있다. 예를 들어, 사용자가 서비스 플랫폼(1000)의 촬영 위치에 위치하면, 서비스 플랫폼(1000)에 배치되거나 서비스 플랫폼(1000)의 주변에 배치된 적어도 하나의 카메라(또는 적어도 하나의 3D 카메라)는 사용자를 촬영하기 위해 촬영 위치에서 일정한 간격을 유지하고, 사용자를 중심으로 360도 회전하면서 사용자의 신체 영상을 촬영할 수 있다.

이와 달리, 사용자가 서비스 플랫폼(1000)의 촬영 위치에 위치하면, 서비스 플랫폼(1000)의 촬영 위치는 360도 모든 방향으로 천천히 회전할 수 있다. 사용자가 360도 모든 방향으로 회전하는 동안, 서비스 플랫폼(1000)의 주변에 배치된 하나의 카메라(또는 하나의 3D 카메라)는 사용자를 촬영하기 위해 촬영 위치에서 일정한 간격을 유지하고, 일방향으로 사용자의 신체 영상을 촬영할 수 있다.

상술한 바와 같이, 매장에 설치되는 서비스 플랫폼(1000)은 적어도 하나의 카메라를 이용하여 사용자를 여러 방향에서 촬영할 수 있으므로, 입체적인 사용자의 신체 영상을 획득할 수 있다. 입체적인 사용자의 신체 영상은 3D 사용자의 신체 영상이라 칭할 수 있다.

신체 영상으로부터 사용자의 신체 정보를 획득하는 단계(S520)는 적어도 하나의 카메라로부터 입체적인 사용자의 신체 영상을 제공 받아 사용자의 신체 정보를 획득 또는 추출할 수 있다. 본 발명은 입체적인 사용자의 신체 영상을 기초로 사용자의 신체 각 부위의 사이즈를 실측함으로써, 사용자의 신체 정보를 획득 또는 추출할 수 있다. 사용자의 신체 정보는 사용자의 신체 각 부위의 사이즈 정보라 칭할 수 있다.

생성 단계(S530)는 신체 정보와 신체 영상을 이용하여 사용자에 대응하는 아바타를 생성할 수 있다. 신체 정보와 신체 영상을 이용하여 사용자에 대응하는 아바타를 생성하는 단계(S530)는 적어도 하나의 카메라에서 촬영된 신체 영상과 신체 영상을 통해 획득된 신체 각 부위의 사이즈 정보를 기반으로 사용자에 대응하는 아바타를 생성할 수 있다.

아바타는 표준 아바타와 실측 아바타를 포함할 수 있다.

표준 아바타는 표준 신체 사이즈를 기반으로 생성할 수 있다. 표준 아바타는 표준 신체 사이즈를 이용하여 생성하고, 저장할 수 있다.

실측 아바타는 사용자의 신체 사이즈를 기반으로 생성할 수 있다. 실측 아바타는 실체 영상, 신체 정보 또는 사용자의 신체 각 부위의 실제 사이즈 정보를 이용하여 생성할 수 있다. 또는 실측 아바타는 표준 아바타에 실체 영상, 신체 정보 또는 사용자의 신체를 실제로 실측한 정보를 적용하여 표준 아바타를 리사이징할 수 있다.

관리 단계(S540)는 아바타를 서비스 플랫폼으로 개인화하여 관리할 수 있다. 아바타를 서비스 플랫폼으로 개인화하여 관리하는 단계(S540)는 생성된 아바타를 서비스 플랫폼에 저장하고, 저장된 실측 아바타에 사용자의 신체적인 특징 또는 사용자의 특이 사항을 적용할 수 있다. 이에 관리 단계(S540)는 사용자마다 다른 신체적인 특징 또는 특이 사항을 가지는 실측 아바타를 서비스 플랫폼(1000)에 저장함으로써, 실측 아바타를 각각의 사용자마다 개인화하여 관리할 수 있다.

디스플레이 단계(S550)는 등록된 서비스 공급자 중 선택된 서비스 공급자를 통해 아바타에 매핑 가능한 의류 판매 서비스를 제공하는 과정에서 사용자에 의해 선택된 의류를 아바타에 피팅시켜 디스플레이할 수 있다.

예를 들어, 디스플레이 단계(S550)는 사용자가 온라인 쇼핑몰 또는 오프라인 쇼핑몰에서 선택한 의류를 생성된 실측 아바타에 피팅시키고, 이를 디스플레이할 수 있다.

도 8은 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법을 자세하게 설명하기 위한 도면이다.

도 8을 살펴보면, 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 제공 방법은 아바타를 생성하고, 생성된 아바타를 이용하여 사용자가 선택한 의류를 피팅할 수 있습니다.

사용자가 매장에 설치된 다양한 제품에 위치하면, 메인 제어부는 사용자를 인증하고, 사용자의 아바타에 대한 보유 여부를 확인할 수 있다(S509). 사용자가 아바타를 보유하고 있는 경우, 메인 제어부는 아바타가 생성된 이후 단계(S530)로 이동할 수 있다.

사용자가 아바타를 보유하고 있지 않은 경우, 메인 제어부는 사용자에 대한 아바타를 생성할 수 있다.

사용자가 매장에 설치된 다양한 제품에 위치하는 동안, 메인 제어부는 적어도 하나의 카메라(또는 적어도 하나의 3D 카메라)를 이용하여 사용자를 촬영할 수 있다(S511).

적어도 하나의 카메라(또는 적어도 하나의 3D 카메라)는 메인 제어부의 제어 하에 촬영 위치에 서 있는 사용자와 일정한 간격 또는 거리를 유지하고, 사용자를 중심으로 360도 회전하면서 사용자의 신체 영상을 획득할 수 있다(S513).

메인 제어부는 획득된 사용자의 신체 영상을 분석하고, 분석된 사용자의 신체 각 부위에 대해 측정하고, 측정된 사용자의 신체로부터 사용자의 신체 각 부위에 대한 사이즈 정보를 추출 또는 측정할 수 있다(S521).

또한, 사용자는 자신의 신체 각 부위의 사이즈 정보를 직접 입력할 수 있다(S522). 사용자의 신체 정보는 신체 정보 DB에 저장될 수 있다(S523). 신체 정보 DB는 사용자의 신체 각 부위의 사이즈 정보를 저장할 수 있다. 신체 정보 DB는 날짜별로 사용자 신체 각 부위의 사이즈 정보를 업데이트할 수 있다.

또한, 메인 제어부는 추출된 사용자의 신체 각 부위에 대한 사이즈 정보와 사용자가 직접 입력한 신체 각 부위의 실제 사이즈 정보를 비교하고, 이들의 차이 값이 오차범위 내에 포함될 경우, 추출된 사용자의 신체 각 부위에 대한 사이즈 정보 또는 사용자가 직접 입력한 신체 각 부위의 실제 사이즈 정보 중 하나를 선택할 수 있다.

이와 달리, 메인 제어부는 이들의 차이 값이 오차범위 내에 포함되지 않을 경우, 사용자가 직접 입력한 신체 각 부위의 실제 사이즈 정보를 선택할 수 있다.

아바타 생성부는 메인 제어부의 제어 하에 신체 정보와 신체 영상을 이용하여 사용자의 아바타를 생성할 수 있다(S530). 아바타 생성부는 신체 정보, 신체 영상 그리고 사용자의 신체 각 부위의 실제 사이즈 정보 등에 기초하여 실측기반으로 사용자만의 3D 아바타를 생성할 수 있다.

또한, 아바타 생성부는 외부 서버로부터 제공 받은 표준 체형에 대한 정보를 기초로 표준 아바타를 생성할 수 있다. 아바타 생성부는 생성된 표준 아바타를 기반으로 신체 정보, 신체 영상 그리고 사용자의 신체 각 부위의 실제 사이즈 정보 등을 적용시켜 사용자의 아바타를 생성할 수 있다. 사용자의 아바타는 실측 아바타라 칭할 수 있다.

상술한 바와 같이, 아바타 생성부는 생성된 사용자의 아바타에 대한 업데이트 여부를 감지할 수 있다(S531). 아바타 생성부는 사용자의 아바타를 실시간, 일정한 시간마다 또는 설정된 시간에 사용자의 신체 정보를 업데이트하고, 새롭게 업데이트된 사용자의 신체 정보를 사용자의 아바타에 적용할 수 있다. 즉, 아바타 생성되는 사용자의 신체 정보와 사용자의 아바타를 동기화시킬 수 있다.

또한, 메인 제어부는 사용자의 신체 정보에 대한 변화를 감지할 수 있다(S532).

메인 제어부는 사용자의 외부 기기 또는 서비스 플랫폼 등을 통해 변경되거나 변화된 사용자의 신체 정보를 제공받을 수 있다. 사용자는 자신의 신체 변화에 대한 정보를 외부 기기 또는 서비스 플랫폼을 통해 직접 입력할 수 있다(S533).

메인 제어부는 아바타를 서비스 플랫폼으로 개인화하여 관리할 수 있다(S540). 메인 제어부는 생성된 아바타를 서비스 플랫폼에 저장하고, 저장된 실측 아바타에 사용자의 신체적인 특징 또는 사용자의 특이 사항을 적용할 수 있다. 이에 메인 제어부는 사용자마다 다른 신체적인 특징 또는 특이 사항을 가지는 실측 아바타를 서비스 플랫폼에 저장함으로써, 실측 아바타를 각각의 사용자마다 개인화하여 관리할 수 있다.

또한, 메인 제어부는 등록된 서비스 공급자 중 선택된 서비스 공급자를 통해 아바타에 매핑 가능한 의류 판매 서비스를 제공하는 과정에서 사용자에 의해 선택된 의류를 아바타에 피팅시켜 디스플레이할 수 있다(S550). 예를 들어, 메인 제어부는 사용자가 온라인 쇼핑몰 또는 오프라인 쇼핑몰에서 선택한 의류를 생성된 실측 아바타에 피팅시키고, 이를 디스플레이할 수 있다.

도 9 및 도 10은 본 발명의 실시 예에 따라 사용자의 아바타를 생성하는 것을 설명하기 위한 도이다.

도 9 및 도 10을 살펴보면, 본 발명의 일실시 예에 따른 메인 제어부는 신체 영상에 의해 사용자의 신체 상세 치수를 산출 또는 추출할 수 있다. 메인 제어부는 추출되거나 산출된 신체 치수를 사용자가 확인하도록 디스플레이하거나 외부 기기에 제공할 수 있다. 이때 신체 치수가 정확하지 않으면, 사용자는 신체 치수를 직접 입력하거나 혹은 다시 신체 치수를 산출할 수 있다. 또는 사용자는 산출된 신체 치수가 정확하면 신체 치수에 의해 사용자의 아바타를 생성할 수 있다.

실측 아바타 생성을 위해 사용자는 자신의 신체 각 부위에 대한 모든 상세 치수를 서비스 플랫폼 또는 외부 기기를 통해 직접 입력할 수 있다.

사용자는 자신의 키 또는 몸무게와 성별을 서비스 플랫폼 또는 외부 기기에 직접 입력하고, 사용자의 신체 각 부위에 대해 상세 치수를 산출할 수 있다.

메인 제어부는 사용자의 키 또는 몸무게와 성별을 미리 저장된 표준 체형의 키 또는 몸무게를 비교하여 상대적인 비율을 산출하고, 비율에 따라 사용자의 신체 상세 치수를 산출할 수 있다.

도 9에 도시된 바와 같이, 예를 들어, 사용자의 성별은 여자이고 키가 170cm이며 몸무게가 65kg인 경우를 대상으로 설명한다. 만일 여자로서 키가 165cm에서의 표준 체형의 경우 몸무게가 50kg이라고 하면 사용자의 실제 치수와 표준 체형의 치수와의 비율은 (165/50)/(170/65)이 될 수 있다. 이를 기초하여 사용자의 다른 부위의 치수를 산출할 수 있다. 즉, 아바타 생성을 위한 구체적 치수로서 목 둘레 치수가 필요한 경우 표준 체형의 목둘레에 비율(165/50)/(170/65)을 곱하면 사용자의 실제 목 둘레 치수를 산출할 수 있으며 이는 다른 신체 부위도 동일하게 적용하여 산출할 수 있다.

즉, 사용자는 자신의 신체에 대한 각 부위인 목 둘레, 가슴 둘레, 엉덩이 둘레, 팔 길이, 다리 길이, 팔뚝 둘레, 허벅지 둘레, 종아리 둘레 등을 실질적으로 측정하여 외부 기기 또는 서비스 플랫폼을 통해 입력하거나 사용자의 실제 치수와 표준 체형의 치수와의 비율을 이용하여 사용자의 신체에 대한 각 부위를 산출할 수 있다.

도 10에 도시된 바와 같이, 예를 들어, 사용자의 성별은 여자이고 키가 155cm이며 몸무게가 40kg인 경우를 대상으로 설명한다. 만일 여자로서 키가 165cm에서의 표준 체형의 경우 몸무게가 50kg이라고 하면 사용자의 실제 치수와 표준 체형의 치수와의 비율은 (165/50)/(155/40)이 될 수 있다. 이를 기초하여 사용자의 다른 부위의 치수를 산출할 수 있다. 즉, 아바타 생성을 위한 구체적 치수로서 목 둘레 치수가 필요한 경우 표준 체형의 목 둘레에 비율(165/50)/(155/40)을 곱하면 사용자의 실제 목 둘레 치수를 산출할 수 있으며 이는 다른 신체 부위도 동일하게 적용하여 산출할 수 있다.

즉, 사용자는 자신의 신체에 대한 각 부위인 목둘레, 가슴둘레, 엉덩이 둘레, 팔 길이, 다리 길이, 팔뚝 둘레, 허벅지 둘레, 종아리 둘레 등을 실질적으로 측정하여 외부 기기 또는 서비스 플랫폼을 통해 입력하거나 사용자의 실제 치수와 표준 체형의 치수와의 비율을 이용하여 사용자의 신체에 대한 각 부위를 산출할 수 있다.

또한, 메인 제어부는 사용자 신체 정보의 경우 키와 몸무게뿐만 아니라 사용자의 얼굴 색채, 머리 색채, 손톱의 색채 등과 사용자의 특이 사항에 대한 정보도 수집할 수 있다. 사용자가 선택한 의류가 사용자에게 어울리는지의 판단은 신체의 사이즈뿐만 아니라 사용자의 특이 사항에 부합되는지를 확인해야 하는 경우가 있기 때문이다.

메인 제어부는 아바타 생성부에 사용자의 특이 사항을 제공함으로써, 사용자의 아바타에 사용자의 특이 사항을 동기화시킬 수 있다.

상술한 바와 같이, 본 발명은 사용자의 신체 크기와 동일한 아바타를 생성할 수 있을 뿐만 아니라 사용자의 피부 색채 등과 같이, 사용자의 특이 사항까지 실질적으로 동일한 사용자의 아바타를 생성함으로써, 사용자가 의류를 선택하는데 보다 정확한 정보를 제공할 수 있다.

도 11은 본 발명의 일실시 예에 따라 사용자의 아바타에 선택된 의류를 피팅하는 과정을 자세하게 설명하기 위한 도면이다.

도 11을 살펴보면, 사용자는 온라인 쇼핑몰 사이트에 접속할 수 있다(S610).

사용자는 온라인 쇼핑몰 사이트에서 디스플레이되는 의류를 검색하고, 의류를 선택할 수 있다(S620). 사용자는 선택된 의류를 구매하거나 구매하지 않을 수 있다(S630, S680). 또는 사용자는 선택된 의류를 온라인 쇼핑몰의 장바구니에 저장할 수 있다.

선택된 의류를 구매하기 전(S630), 사용자는 아바타에 선택된 의류를 피팅시킬 수 있다(S640). 온라인 쇼핑몰 사이트는 상술한 아바타 서버 또는 오프 쇼핑몰에 배치되는 서비스 플랫폼으로부터 사용자의 아바타를 불러올 수 있다. 사용자의 아바타가 없으면, 도 7 및 도 8에서 설명한 바와 같이, 사용자의 아바타를 먼저 생성할 수 있다.

또한, 사용자는 사용자의 아바타를 온라인 쇼핑몰 사이트(S610)에 불러오기 전에 다양한 인증 방법을 통해 사용자 인증을 할 수 있다. 사용자 인증이 완료되면, 온라인 쇼핑몰 사이트는 아바타 서버 또는 서비스 플랫폼으로부터 사용자의 아바타를 전송받을 수 있다.

이에 온라인 쇼핑몰 사이트는 사용자의 아바타를 디스플레이할 수 있고, 사용자가 선택한 의류를 사용자의 아바타에 피팅시킨 후 이를 디스플레이할 수 있다(S650). 사용자는 온라인 쇼핑몰 사이트를 제어하여 선택된 의류를 피팅한 사용자의 아바타를 다양한 각도로 회전시키면서 디스플레이할 수 있다.

또한, 사용자는 온라인 쇼핑몰 사이트를 제어하여 선택된 의류를 피팅한 사용자의 아바타를 확대하거나 축소하면서, 자신이 선택한 의류가 자신과 얼마나 잘 어울릴 수 있는지를 판단할 수 있다.

또한, 사용자는 자신의 특이 사항을 고려하여, 온라인 쇼핑몰 사이트를 제어하여 선택된 의류를 피팅한 사용자의 아바타가 디스플레이되는 배경을 다르게 설정할 수 있다.

또한, 사용자는 사용자의 아바타의 움직임 또는 행동을 제어할 수 있다. 예를 들어, 사용자는 선택된 의류를 착용한 사용자의 아바타를 제어하여 다양하게 움직이도록 함으로써, 아바타의 행동에 따른 의류의 착용 상태, 의류와 아바타 간의 피팅감을 알 수 있다. 예를 들어, 사용자가 사용자의 신체에 달라붙는 의류보다, 여유로운 피팅감을 선호할 경우, 의류의 사이즈를 달리하여 의류를 최종적으로 선택할 수 있다.

상술한 바와 같이, 다양한 방법을 이용하여 사용자는 선택된 의류를 사용자의 아바타에 피팅 또는 착용시킨 후 구매를 최종적으로 결정할 수 있다(S660).

사용자가 선택된 의류에 대해 구매 결정을 할 경우 전자결재 및 배송처리를 진행할 수 있다(S670).

도 12는 본 발명의 일실시 예에 따라 선택된 의류를 사용자의 아바타에 피팅한 예시를 설명하기 위한 도면이다.

도 12를 살펴보면, (a)는 표준 아바타에 의류를 피팅한 것이고, (b)는 사용자의 아바타에 의류를 피팅한 것이다.

도 12의 (a)에 도시된 바와 같이, 온라인 쇼핑몰 사이트는 다양한 의류를 표준 아바타 또는 전용 모델에 피팅하여 디스플레이할 수 있다. 사용자 또는 구매자는 온라인 쇼핑몰 사이트에 표준 아바타 또는 전용 모델이 착용한 의류에 대한 자세한 정보가 있더라도, 자신의 신체와 다른 표준 아바타 또는 전용 모델이 의류를 착용하고 있어 의류의 착용 상태 또는 의류의 피팅감을 정확하게 파악할 수 없다.

이와 달리, 도 12의 (b)에 도시된 바와 같이, 온라인 쇼핑몰 사이트는 사용자 또는 구매자와 실질적으로 동일한 얼굴, 신체 그리고 특이 사항까지 동기화된 사용자의 아바타를 불러와서 사용자가 선택한 의류를 피팅하여 디스플레이할 수 있다. 이에 사용자는 사용자의 아바타에 선택한 의류를 자유롭게 피팅시킴으로써, 의류의 착용 상태 또는 의류의 피팅감을 정확하게 파악할 수 있다.

도 13은 본 발명의 일실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 시스템에 대한 일 예를 설명하기 위한 도이다.

도 13을 살펴보면, 본 발명의 일실시 예에 따른 서비스 플랫폼(1000)은 적어도 하나 이상의 서버 또는 솔루션과 전기적으로 연결될 수 있다.

서비스 플랫폼(1000)은 사용자의 집에 배치되는 적어도 하나 이상의 가전제품(1100)과 전기적으로 연결될 수 있다. 서비스 플랫폼(1000)은 가전제품들(1100)로부터 사용자의 신체 정보를 수집하거나 신체 정보에 대해 갱신할 수 있다.

예를 들어, 전자 체중계는 사용자가 자신의 몸무체를 측정할 때마다 사용자의 몸무게에 대한 정보를 서비스 플랫폼(1000)에 전송할 수 있다. 서비스 플랫폼(1000)은 전송되는 사용자의 몸무게를 기저장된 사용자의 몸무게와 비교하고, 비교된 몸무게의 차이가 설정된 오차범위를 벗어날 경우, 사용자의 몸무게 정보를 갱신할 수 있다.

서비스 플랫폼(1000)은 피팅 솔루션(1200,1300)과 전기적으로 연결될 수 있다. 피팅 솔루션(1200,1300)은 서비스 플랫폼(1000)에서, 사용자의 아바타 또는 사용자의 의류에 맞는 다양한 기능들을 관리하고 문제를 처리하며 서로 간에 연동을 가능케 하는 하드웨어나 소프트웨어일 수 있다.

피팅 솔루션(1200,1300)은 제1 피팅 솔루션(1200)과 제2 피팅 솔루션(1300)을 포함할 수 있다.

제1 피팅 솔루션(1200)은 의류 제조사 오프라인 매장(1230) 또는 그 이외 오프라인 매장(1220)에 배치될 수 있다. 제1 피팅 솔루션(1200)은 오프라인 가상 피팅 서비스일 수 있다. 서비스 플랫폼(1000)은 제1 피팅 솔루션(1200)에 하드웨어를 제공할 수 있다. 예를 들어, 제1 피팅 솔루션(1200)은 서비스 플랫폼(1000)의 형상으로 오프라인 매장에 배치될 수 있다.

제1 피팅 솔루션(1200)은 서비스 플랫폼(1000)에 대한 구입비용을 제공할 수 있다

제2 피팅 솔루션(1300)은 의류 제조사 온라인몰(1310), 온라인 오픈마켓 기타 온라인몰(1320), 홈쇼핑(TV, 온라인몰, 1330)에 배치될 수 있다.

제2 피팅 솔루션(1300)은 온라인 가상 피팅 서비스일 수 있다. 서비스 플랫폼(1000)은 제2 피팅 솔루션(1300)에 사용자의 신체 정보를 제공할 수 있다. 제2 피팅 솔루션(1300)은 서비스 플랫폼(1000)에 사용자의 신체 정보에 대한 수수료를 제공할 수 있다.

서비스 플랫폼(1000)은 의류 제조사(1400)와 전기적으로 연결될 수 있다.

서비스 플랫폼(1000)은 의류 제조사(1400)에 사용자의 신체 정보를 제공할 수 있다. 의류 제조사(1400)는 사용자의 아바타에 의류를 피팅시킬 수 있도록 의류에 대한 3D 이미지를 서비스 플랫폼(1000)에 제공할 수 있다. 의류 제조사(1400)는 서비스 플랫폼(1000)에 사용자의 신체 정보에 대한 수수료를 제공할 수 있다. 의류 제조사(1400)는 서비스 플랫폼(1000)을 통해 고객의 신체 정보뿐만 아니라 고객에 대한 니즈 정보 등을 제공받음으로써, 의류에 대한 생산성이 개선될 수 있다.

서비스 플랫폼(1000)은 광고 솔루션(1500)과 전기적으로 연결될 수 있다.

광고 솔루션(1500)은 인터넷/모바일 서비스 사업자(1510)에 배치될 수 있다. 서비스 플랫폼(1000)은 광고 솔루션(1500)에 사용자의 신체 정보를 제공할 수 있다. 광고 솔루션(1500)은 서비스 플랫폼(1000)에 광고료를 제공할 수 있다. 광고 솔루션(1500)은 서비스 플랫폼(1000)을 통해 고객의 신체 정보뿐만 아니라 고객에 대한 니즈 정보 등을 제공받음으로써, 고객의 니즈를 정확하게 파악하고, 이에 대해서 빠르게 대응할 수 있어 광고의 효율성을 개선시킬 수 있다.

서비스 플랫폼(1000)은 헬스 솔루션(1600)과 전기적으로 연결될 수 있다.

헬스 솔루션(1600)은 피트니스 서비스 사업자(1610), 피트니스 하이드웨어 사업자(1640), 의료 사업자(1620) 및 음식, 식자재 사업자(1630)에 배치될 수 있다. 서비스 플랫폼(1000)은 헬스 솔루션(1600)에 사용자의 신체 정보를 제공할 수 있다. 헬스 솔루션(1600)은 서비스 플랫폼(1000)에 사용료를 제공할 수 있다. 헬스 솔루션(1600)은 서비스 플랫폼(1000)을 통해 고객의 신체 정보, 고객의 신체 변화에 대한 정보, 고객의 건강에 관련된 정보 등을 제공받음으로써, 고객에게 고객에 최적화된 운동 서비스, 고객에 최적화된 의료 서비스, 고객에 알맞은 식자료/음식 서비스를 제공할 수 있다.

도 14는 본 발명의 일 실시 예에 따른 3D 아바타를 이용한 의류 피팅 서비스 시스템에 대한 다른 예를 설명하기 위한 도이다.

도 14를 살펴보면, 본 발명의 일실시 예에 따른 서비스 플랫폼(1000)은 메인 제어부(1020)와 적어도 하나 이상의 DB를 포함할 수 있다.

메인 제어부(1020)는 적어도 하나 이상의 응용 프로그램을 포함할 수 있다. 예를 들어, 메인 제어부(1020)는 API(application programming interface)를 포함할 수 있다. API는 서비스 플랫폼(1000)의 운영체제에서 동작하는 프로그램을 쉽게 만들 수 있도록 화면 구성이나 프로그램 동작에 필요한 각종 함수일 수 있다. 예를 들어, 디스플레이부는 메인 제어부(1020)의 제어 하에 API를 디스플레이할 수 있다.

메인 제어부(1020)는 적어도 하나 이상의 엔진을 포함할 수 있다. 엔진은 제어부 또는 구동부라 칭할 수 있다.

예를 들어, 메인 제어부(1020)는 고객 또는 사용자의 신체 사이즈를 측정할 수 있는 신체 측정 엔진(1021)을 포함할 수 있다. 신체 측정 엔진(1021)은 3D 카메라부(1010, 도 4 참조)와 전기적으로 연결되며, 3D 카메라부(1010, 도 4 참조)로부터 신체 영상을 제공 받을 수 있다. 신체 측정 엔진(1021)은 획득된 사용자의 신체 영상을 분석하고, 분석된 사용자의 신체 각 부위에 대해 측정하고, 측정된 사용자의 신체로부터 사용자의 신체 각 부위에 대한 사이즈 정보를 추출 또는 측정할 수 있다.

또한, 신체 측정 엔진(1021)은 다양한 외부 기기(900, 도 4 참조)를 통해 사용자의 신체에 대한 사이즈 정보를 제공받을 수 있다. 예를 들어, 외부 기기(900, 도 4 참조)는 지능형 전자 기기, 이동 단말기, 스마트폰, 모바일 기기 등을 포함할 수 있다. 예를 들어, 신체 측정 엔진(1021)은 스마트 폰, 사이니지 3D 카메라 또는 셀프 등을 이용하여 측정된 사용자의 신체에 대한 사이즈 정보를 제공 받을 수 있다.

신체 측정 엔진(1021)은 측정된 사용자의 신체 각 부위에 대한 사이즈 정보를 신체정보 DB(1031)에 저장할 수 있다. 신체정보 DB(1031)는 고객 신체정보 DB 또는 사용자 신체정보 DB라 칭할 수 있다.

아바타 생성 엔진(1050)은 고객 신체정보 DB(1031)와 전기적으로 연결되며, 메인 제어부(1020)의 제어 하에 고객 신체정보 DB(1031)에 저장된 사용자의 신체 각 부위에 대한 사이즈 정보를 이용하여 사용자의 아바타를 생성할 수 있다. 아바타 생성 엔진(1050)은 아바타 생성부(1050, 도 4 참조)라 칭할 수 있다. 아바타 생성 엔진(1050)은 상술한 아바타 생성부(1050, 도 4 참조)와 실질적 동일하므로, 이에 대한 자세한 설명은 생략하기로 한다.

3D 피팅 엔진(1024)은 생성된 고객의 아바타를 3D 의류에 피팅시킬 수 있다. 3D 의류는 의류 제조사(1400)에서 의류의 각 모델별 사이즈, 색상별로 3D 이미지로 생성할 수 있다. 3D 의류는 3D 의상 DB(1033)에 의류의 각 모델별 사이즈, 색상별로 저장될 수 있다.

3D 피팅 엔진(1024)은 사용자에 의해 선택된 의류를 3D 의상 DB(1033)에서 검색하고, 선택할 수 있다. 사용자에 의해 선택된 의류가 3D 의상 DB(1033)에 저장되어 있지 않을 경우, 3D 피팅 엔진(1024)은 사용자가 선택한 의류에 대한 3D 이미지를 의류 제조사(1400)에 요청할 수 있다.

또한, 3D 피팅 엔진(1024)은 3D 의상 DB(1033)에 새로운 3D 의상이 추가되거나, 새로운 고객에 대한 고객의 아바타가 추가되면 동작할 수 있다.

최적 핏 감지 엔진(1025)은 메인 3D 피팅 엔진(1024)에서 3D 의류를 피팅한 고객의 아바타에 핏을 감지할 수 있다. 최적 핏 감지 엔진(1025)은 고객의 아바타에 착용된 3D 의류를 센싱하되, 착용된 3D 의류와 고객의 아바타의 신체 특정 부위 간의 사이즈를 체크할 수 있다. 예를 들어, 착용된 3D 의류의 팔 길이가 고객의 아바타의 팔 길이보다 길 경우, 최적 핏 감지 엔진(1025)은 이를 체크하고, 고객의 아바타의 팔 길이에 대응되도록 3D 의류의 팔 길이를 조정하도록 제어할 수 있다.

최적 핏 감지 엔진(1025)은 고객의 아바타의 팔 길이에 맞게 조정된 3D 의류의 팔 길이에 대한 정보를 고객 또는 사용자에게 고지할 수 있다.

이때 최적 핏 감지 엔진(1025)은 고객의 아바타에 대응되도록 조정된 3D 의류와 조정되기 전 3D 의류를 함께 디스플레이부(1060, 도 4 참조)에 디스플레이할 수 있다.

또한, 최적 핏 감지 엔진(1025)에 의해 조정된 3D 의류가 디스플레이부(1060, 도 4 참조)에 디스플레이되면, 고객은 이를 검토하면서 고객의 의도를 반영하여 재조정할 수 있다. 이때 고객은 디스플레이부(1060, 도 4 참조)를 터치하거나 디스플레이부(1060, 도 4 참조)에 표시된 수선 어플리케이션 등을 통해 고객이 선택한 의류를 조정 또는 재조정할 수 있다.

또한, 고객은 외부 기기(900, 도 4 참조) 또는 디스플레이부(1060, 도 4 참조)를 통해 고지된 3D 의류의 팔 길이에 대한 정보를 확인하고, 이에 대한 수선을 요청할 수 있다. 최적 핏 감지 엔진(1025)은 고객으로부터 의류에 대한 수선 요청 신호가 제공되면, 이를 수선 서비스로 연계시킬 수 있다.

예를 들어, 최적 핏 감지 엔진(1025)은 메인 제어부의 제어 하에 고객이 선택한 의류를 고객의 신체 사이즈에 최적화되도록 수선할 수 있는 수선 서비스 업체에 제공할 수 있다.

주변 환경 구성 엔진(1023)은 고객이 선택한 의류를 조정하여 고객의 아바타에 피팅되면, 고객의 아바타의 백그라운드 또는 주변 환경을 구성할 수 있다.

예를 들어, 주변 환경 구성 엔진(1023)은 해외 유명 장소, 유명 팬션쇼 런웨이를 백그라운드 또는 주변 환경으로 설정할 수 있다. 또는 주변 환경 구성 엔진(1023)은 우주, 바닷속과 같이 갈수 없는 장소를 배경으로 설정할 수도 있다. 또는 주변 환경 구성 엔진(1023)은 고객에 의해 기저장된 배경, 동료, 친구들고 함께 하는 것을 배경으로 설정할 수 있다.

렌더링 엔진(1022)은 고객이 선택한 의류를 조정하여 고객의 아바타에 피팅되고, 배경이 설정되면, 고객의 아바타를 더욱 사실감 또는 현실감 있게 표현되도록 렌더링(Rendering) 기법을 이용할 수 있다. 예를 들어, 렌더링 엔진(1022)은 그래픽 처리 장치(GPU) 같은 렌더링 장치를 통한　그래픽스 파이프라인을 따라 씬 파일에 저장되어 있는 3차원 연출로부터 2차원의 그림을 만들어 낼 수 있는 렌더링 기법일 수 있다. 렌더링 기법은 분야마다 서로 다른 다양한 기능과 기술을 이용할 수 있다.

렌더링 엔진(1022)은 렌더링(Rendering) 기법을 이용하여 고객이 선택한 설정된 배경에, 고객이 선택한 의류를 착용한 고객의 아바타를 랜더링컷 DB(1032)에 저장할 수 있다.

랜더링컷 DB(1032)은 고객 별로 저장할 수 있다. 랜더링컷 DB(1032)은 고객별 V-Ray 랜더링컷 DB(1032)라 칭할 수 있다.

또한, 의상 추천 엔진(1026)은 고객 정보 DB(1034), 고객 신체 정보 DB(1031) 그리고 3D 의상 DB(1033)로부터 정보를 제공받아, 고객 또는 사용자에게 의상을 추천할 수 있다. 고객 정보 DB(1034)은 고객에 대한 기본 정보, 구매 이력에 대한 정보, 활동 이력에 대한 정보 등을 저장할 수 있다.

의상 추천 엔진(1026)은 고객 정보 DB(1034), 고객 신체 정보 DB(1031) 그리고 3D 의상 DB(1033)로부터 정보를 활용하여 고객 또는 사용자가 자주 이용하는 의류 제조사(1400)에서 의류가 새롭게 출시되면, 이를 고객 또는 사용자에게 추천할 수 있다.

또는 의상 추천 엔진(1026)은 개인의 SNS 등에 저장되거나 다른 사람의 SNS 중 "좋아요" 라고 추천한 사진 등과 같이, 고객 또는 사용자의 관심이 있다고 판단되는 의류 그리고 의류와 관련된 제품을 검색하여 추천할 수 있다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims

3D 카메라를 통해 사용자의 신체 영상을 획득하는 단계;
상기 신체 영상으로부터 사용자의 신체 정보를 획득하는 단계;
상기 신체 정보와 상기 신체 영상을 이용하여 상기 사용자에 대응하는 아바타를 생성하는 단계;
상기 아바타를 서비스 플랫폼으로 개인화하여 관리하는 단계;
등록된 서비스 공급자 중 선택된 서비스 공급자를 통해 상기 아바타에 매핑 가능한 의류 판매 서비스를 제공하는 과정에서 상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅시켜 디스플레이하는 단계;
를 포함하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
제1 항에 있어서,
상기 사용자의 신체 정보를 획득하는 단계는,
상기 신체 정보에 대한 변화를 실시간 또는 설정된 시간마다 체크하고, 상기 신체 정보에 대한 변동률이 기설정된 오차범위를 벗어나면, 상기 신체 정보에 대한 변동률을 기초로 상기 아바타를 업그레이드하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
제1 항에 있어서,
상기 사용자의 신체 정보를 획득하는 단계는,
획득된 상기 신체 영상에서 사용자의 신체 사이즈를 추출하고, 추출된 상기 사용자의 신체 사이즈에 대응하여 상기 3D 카메라와 상기 사용자 간의 이격거리를 제어하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
제3 항에 있어서,
상기 사용자의 신체 정보를 획득하는 단계는,
상기 신체 영상을 보정 프로그램을 이용하여 보정한 후, 보정된 상기 신체 영상에서 상기 신체 정보를 추출하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
제2 항에 있어서,
상기 신체 정보에 대한 변동률을 헬스 솔루션에 제공하고,
상기 헬스 솔루션으로부터 상기 변동률에 대응되는 헬스 정보를 제공받아 상기 서비스 플랫폼에 반영하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
제2 항에 있어서,
상기 아바타는 상기 사용자의 신체 사이즈에 기초하여 상기 아바타의 크기 비율을 설정하되,
상기 사용자에 의해 선택된 의류에 따라 상기 아바타의 크기 비율을 달리하여 디스플레이하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
제1 항에 있어서,
상기 신체 정보와 상기 신체 영상을 이용하여 상기 사용자에 대응하는 아바타를 생성하는 단계는,
상기 사용자의 전신 사진 이미지에서 상기 사용자의 특성을 추출하고, 상기 사용자의 특성을 상기 아바타에 반영하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
제1 항에 있어서,
상기 아바타에 피팅시켜 디스플레이하는 단계는,
상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅시키되,
상기 아바타의 사이즈에 대응되도록 상기 선택된 의류를 조정한 후 디스플레이하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
3D 카메라부에서 촬영된 사용자의 신체 영상으로부터 상기 사용자의 신체 정보를 획득하고, 상기 신체 정보와 상기 신체 영상을 이용하여 상기 사용자에 대응하는 아바타를 생성하는 서비스 플랫폼; 및
상기 서비스 플랫폼과 통신망을 통해 연결되고, 상기 서비스 플랫폼을 구성하는 전체 구성의 운용을 제어, 감시, 관리하는 서버;를 포함하고,
상기 서비스 플랫폼은,
등록된 서비스 공급자 중 선택된 서비스 공급자를 통해 상기 아바타에 매핑 가능한 의류 판매 서비스를 제공하는 과정에서 상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅시켜 디스플레이하는 3D 아바타를 이용한 의류 피팅 서비스 시스템.
제9 항에 있어서,
상기 서비스 플랫폼은,
상기 서비스 플랫폼에 배치되는 적어도 하나의 상기 3D 카메라를 포함하는 3D 카메라부;
상기 신체 정보와 상기 신체 영상을 이용하여 상기 아바타를 생성하는 아바타 생성부;
상기 서비스 플랫폼에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작하도록 제어하되, 상기 아바타 생성부에서 상기 아바타를 제공받아, 상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅하는 메인 제어부; 및
상기 메인 제어부를 통해 상기 선택된 의류가 피팅된 상기 아바타를 디스플레이하는 디스플레이부;를 포함하는 3D 아바타를 이용한 의류 피팅 서비스 시스템.
제10 항에 있어서,
상기 서비스 플랫폼은,
상기 사용자의 이동 단말기 또는 상기 사용자의 집에 배치되는 가전제품들로부터 상기 신체 정보를 전송받는 통신부;를 포함하고,
상기 메인 제어부는,
상기 통신부를 통해 상기 신체 정보에 대한 변화를 실시간 또는 설정된 시간마다 체크하고, 상기 신체 정보에 대한 변동률이 기설정된 오차범위를 벗어나면, 상기 신체 정보에 대한 변동률을 상기 아바타 생성부에 제공하는 3D 아바타를 이용한 의류 피팅 서비스 시스템.
제11 항에 있어서,
상기 아바타 생성부는,
상기 신체 정보에 대한 변동률을 제공받아 상기 메인 제어부의 제어 하에 상기 아바타를 업그레이드하는 3D 아바타를 이용한 의류 피팅 서비스 시스템.
제10 항에 있어서,
상기 메인 제어부는,
상기 신체 영상에서 사용자의 신체 사이즈를 추출하고, 추출된 상기 사용자의 신체 사이즈에 대응하여 상기 3D 카메라부와 상기 사용자 간의 이격거리를 제어하는 3D 아바타를 이용한 의류 피팅 서비스 제공 방법.
제13 항에 있어서,
상기 메인 제어부는,
상기 신체 영상을 보정 프로그램을 이용하여 보정한 후, 보정된 상기 신체 영상에서 상기 신체 정보를 추출하는 3D 아바타를 이용한 의류 피팅 서비스 시스템.
제11 항에 있어서,
상기 메인 제어부는,
상기 통신부를 이용하여 상기 신체 정보에 대한 변동률을 헬스 솔루션에 제공하고,
상기 헬스 솔루션으로부터 상기 변동률에 대응되는 헬스 정보를 제공받아 상기 이동 단말기 또는 상기 디스플레이부에 디스플레이되도록 제어하는 3D 아바타를 이용한 의류 피팅 서비스 시스템.
제11 항에 있어서,
상기 메인 제어부는,
상기 아바타를 상기 사용자의 신체 사이즈에 기초하여 상기 아바타의 크기 비율을 설정하되,
상기 사용자에 의해 선택된 의류에 따라 상기 아바타의 크기 비율을 달리하여 상기 디스플레이부에 디스플레이되도록 제어하는 3D 아바타를 이용한 의류 피팅 서비스 시스템.
제10 항에 있어서,
상기 메인 제어부는,
상기 사용자에 의해 선택된 의류를 상기 아바타에 피팅시키되,
상기 아바타의 사이즈에 대응되도록 상기 선택된 의류를 조정하도록 제어하는 3D 아바타를 이용한 의류 피팅 서비스 시스템.