KR20220017609A

KR20220017609A - 전자장치 및 그 제어방법

Info

Publication number: KR20220017609A
Application number: KR1020200097789A
Authority: KR
Inventors: 박재성; 김지만; 이동배
Original assignee: 삼성전자주식회사
Priority date: 2020-08-05
Filing date: 2020-08-05
Publication date: 2022-02-14
Also published as: WO2022030790A1

Abstract

본 발명의 일 실시예에 따른 전자장치에 있어서, 디스플레이; 상기 전자장치의 사용에 기초하여 사용데이터를 획득하고, 상기 획득된 사용데이터와, 상기 전자장치의 사용 형태 및 상기 디스플레이의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하고, 상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는 프로세서를 포함할 수 있다.

Description

전자장치 및 그 제어방법{ELECTRONIC APPARATUS AND THE METHOD THEREOF}

본 개시는 디스플레이에 표시되는 영상의 열화 현상을 방지하는 전자장치 및 그 제어방법에 관한 것이다.

디스플레이(혹은 디스플레이 패널)를 구비한 전자장치의 경우, 디스플레이의 성능은 사용자가 구입해서 사용할 때부터 열화되기 시작한다. 따라서, 비자발광 디스플레이 소자, 예컨대, LCD(Liquid Crystal Display)와 자발광 디스플레이 소자, 예컨대, OLED(Organic Light-Emitting Diode)와 이를 활용한 제품들은 화질 열화에 의한 잔상(혹은 image sticking, burn-in, retention 등으로 불린다)과 관련된 문제에서 자유로울 수 없다.

화질 열화는, 예컨대, 비자발광 디스플레이의 경우 TFT(Thin Film Transistor) 구조와 소재, 자발광 디스플레이의 경우에는 화소의 강도(pixel intensity, code value)나 지속적인 표시 시간 등 소재 차원의 문제 뿐만 아니라, 사용자의 시청 환경 등 사용 형태에 따라 다르게 나타날 수 있다. 이와 같이 화질 열화가 발생할 수 있는 다양한 요인들이 존재하는데 반해, 이에 대한 분석 없이 화질 열화에 의한 잔상이 나타나고 난 뒤, 예컨대, 픽셀 이동(Pixel Shift)이나, 디스플레이의 전체 휘도를 떨어뜨리는 등의 방지책이 제안되고 있다.

잔상 문제를 보상하는 방법을 OSD(On Screen Display)와 연동하여 제공하는 경우, 예컨대, 디스플레이를 보호하는 조치를 하라고 OSD로 알려주기도 하지만, 이는 잔상 방지라기 보다는 사용자에게 잔상 대책을 요구하는 형식으로 제공되고 있어 편의성이 떨어진다.

본 개시의 목적은 디스플레이에 표시되는 영상의 열화 현상을 보다 효과적으로 방지하는 전자장치 및 그 제어방법을 제공하는 것이다.

상기 프로세서는, 상기 디스플레이의 특성데이터 및 상기 디스플레이의 화질 열화 간의 관계에 더 기초하여, 상기 디스플레이의 화질 열화 여부를 식별하고, 상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행할 수 있다.

상기 프로세서는, 상기 획득된 사용데이터를 벡터화하고, 상기 벡터화된 사용데이터의 차원을 압축하여 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별할 수 있다.

상기 프로세서는, 상기 디스플레이의 화면 영역 별로 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별할 수 있다.

상기 프로세서는, 상기 디스플레이의 특성데이터에 기초하여, 상기 압축된 사용데이터의 차원을 상기 디스플레이의 화면 영역에 대응하도록 확장하여 상기 디스플레이의 화질 열화 여부를 식별할 수 있다.

상기 프로세서는, 상기 디스플레이의 화질 열화 여부를 주기적으로 식별할 수 있다.

상기 참조데이터는, 상기 전자장치의 사용에 따라 상기 디스플레이의 화질 열화 식별에 관한 연산을 수행하도록 학습된 모델을 포함할 수 있다.

본 발명의 일 실시예에 따른 전자장치는 인터페이스부를 더 포함하고, 상기 프로세서는, 상기 획득된 사용데이터를 상기 인터페이스부를 통해 서버에 전송하고, 상기 서버로부터 상기 전송된 사용데이터와, 상기 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별한 식별 결과를 수신할 수 있다.

상기 프로세서는, 상기 식별 결과를 포함하는 그래픽 사용자 인터페이스(GUI; Graphic User Interface)를 상기 디스플레이에 표시할 수 있다.

상기 프로세서는, 상기 GUI를 통해 상기 디스플레이의 화질 열화 방지 동작의 수행 여부를 결정하는 사용자입력을 수신할 수 있다.

본 발명의 일 실시예에 따른 전자장치의 제어방법에 있어서, 상기 전자장치의 사용에 기초하여 사용데이터를 획득하는 단계; 상기 획득된 사용데이터와, 상기 전자장치의 사용 형태 및 디스플레이의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 단계; 및 상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는 단계를 포함할 수 있다.

본 발명의 일 실시예에 따른 저자장치의 제어방법은, 상기 디스플레이의 특성데이터 및 상기 디스플레이의 화질 열화 간의 관계에 더 기초하여, 상기 디스플레이의 화질 열화 여부를 식별하는 단계; 및 상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는 단계를 포함할 수 있다.

상기 디스플레이의 화질 열화 여부를 식별하는 단계는, 상기 획득된 사용데이터를 벡터화하는 단계; 및 상기 벡터화된 사용데이터의 차원을 압축하여 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 단계를 포함할 수 있다.

상기 디스플레이의 화질 열화 여부를 식별하는 단계는, 상기 디스플레이의 화면 영역 별로 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 단계를 포함할 수 있다.

상기 디스플레이의 화질 열화 여부를 식별하는 단계는, 상기 디스플레이의 특성데이터에 기초하여, 상기 압축된 사용데이터의 차원을 상기 디스플레이의 화면 영역에 대응하도록 확장하여 상기 디스플레이의 화질 열화 여부를 식별하는 단계를 포함할 수 있다.

상기 디스플레이의 화질 열화 여부를 식별하는 단계는, 상기 디스플레이의 화질 열화 여부를 주기적으로 식별하는 단계를 포함할 수 있다.

상기 획득된 사용데이터를 인터페이스부를 통해 서버에 전송하는 단계는, 상기 서버로부터 상기 전송된 사용데이터와, 상기 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별한 식별 결과를 수신하는 단계를 포함할 수 있다.

본 발명의 일 실시예에 따른 전자장치의 제어방법은 상기 식별 결과를 포함하는 그래픽 사용자 인터페이스(GUI; Graphic User Interface)를 상기 디스플레이에 표시하는 단계를 포함할 수 있다.

본 발명의 일 실시예에 따른 전자장치의 제어방법은,상기 GUI를 통해 상기 디스플레이의 화질 열화 방지 동작의 수행 여부를 결정하는 사용자입력을 수신 하는 단계를 포함할 수 있다.

컴퓨터가 읽을 수 있는 코드로서, 전자장치의 제어방법을 수행하는 코드를 포함하는 컴퓨터 프로그램이 저장된 기록매체에 있어서, 상기 전자장치의 제어방법은, 상기 전자장치의 사용에 기초하여 사용데이터를 획득하는 단계; 상기 획득된 사용데이터와, 상기 전자장치의 사용 형태 및 디스플레이의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 단계; 및 상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는 단계를 포함할 수 있다.

본 개시를 통해, 잔상의 위험성을 디스플레이의 화질 열화에 영향을 주는 다양한 요소를 반영한 인공 지능(Artificial Inteligence) 기법을 활용하여 검출하므로, 비용과 복잡도 절감이 가능하며, 잔상 현상에 대해 유연하고 효과적인 대응이 가능하다.

본 개시는, 사용자의 전자장치 사용 형태와 디스플레이의 화질 열화 간의 관계에 기반하여 잔상 위험성을 미리 검출하여, 경제적이고, 효과적이다.

본 개시는, 화질 열화의 식별 결과를 사용자에게 알림과 함께 잔상 방지 대책을 제공하여 효과적으로 잔상을 방지할 수 있고, 디스플레이 상의 잔상 위험성이 있는 영역을 표시함으로써, 잔상 위험성 정보 제공뿐만 아니라 잔상 위험성의 직접적인 감소도 가능하다.

도 1은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 의한 전자장치의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 사용데이터의 획득에 관한 도면이다.
도 5는 본 개시에 의한 전자장치가 이용하는 CNN 구조의 일례를 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 9는 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.

이하에서는 첨부 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 도면에서 동일한 참조번호 또는 부호는 실질적으로 동일한 기능을 수행하는 구성요소를 지칭하며, 도면에서 각 구성요소의 크기는 설명의 명료성과 편의를 위해 과장되어 있을 수 있다. 다만, 본 발명의 기술적 사상과 그 핵심 구성 및 작용이 이하의 실시예에 설명된 구성 또는 작용으로만 한정되지는 않는다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다.

본 발명의 실시예에서, 제1, 제2 등과 같이 서수를 포함하는 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 본 발명의 실시예에서, '구성되다', '포함하다', '가지다' 등의 용어는 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. 또한, 본 발명의 실시예에서, '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있으며, 적어도 하나의 모듈로 일체화되어 구현될 수 있다. 또한, 본 발명의 실시예에서, 복수의 요소 중 적어도 하나(at least one)는, 복수의 요소 전부뿐만 아니라, 복수의 요소 중 나머지를 배제한 각 하나 혹은 이들의 조합 모두를 지칭한다.

도 1은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다. 본 도면에서는 컨텐츠(10)가 입력되어 전자장치(100)를 통해 출력되는 모습을 도시하고 있다. 전자장치(100)는 컨텐츠(10)를 표시할 수 있는 TV로 구현될 수 있으나, 이에 한정되는 것은 아니며 스마트 폰, 태블릿 PC, 노트북 PC, HMD(Head mounted Display), NED(Near Eye Display), LFD(large format display), Digital Signage(디지털 간판), DID(Digital Information Display), 비디오 월(video wall), 프로젝터 디스플레이, QD(quantum dot) 디스플레이 패널, QLED(quantum dot light-emitting diodes) μLED(Micro light-emitting diodes), Mini LED 등 다양한 형태의 디스플레이 및 카메라, 캠코더, 프린터, 서버 등으로 구현될 수 있다. 또는 전자장치(100)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 롤러블 디스플레이(rollable display), 3차원 디스플레이(3D display), 복수의 디스플레이 모듈이 물리적으로 연결된 디스플레이 등으로 구현될 수도 있다. 또는 전자장치(100)는 STB(Set-Top Box) 와 같이 디스플레이부가 없거나 알림 등을 위한 간단 디스플레이부가 있는 상태로, 비디오/오디오 출력 포트를 통해 별도 디스플레이를 구비한 외부장치에 영상을 출력할 수 있다. 이 외에도 클라우딩 컴퓨팅 환경이 구축된 시스템 자체일 수도 있으며, 인공 지능 모델을 이용하여 데이터를 처리하는 장치라면 한정되지 않고 적용 가능하다.

컨텐츠(10)는 이미지, 동영상 등으로써, 전자장치(100)에 표시됨으로써 전자장치(100)의 화질 열화를 발생시키는 것이면 모두 포함할 수 있다.

전자장치(100)는 입력된 컨텐츠(10)와 관련된 정보, 사용자의 디스플레이 사용 환경, 사용 이력 등 사용 형태에 기초하여 화질 열화 여부를 식별할 수 있다. 이 때, 본 개시에 따른 전자장치(100)는 화질 열화 여부를 식별하기 위해 인공 지능(Artificial Intelligence, AI) 기술을 이용할 수 있다. AI 기술은 기계학습(딥러닝) 및 기계학습을 활용한 기술들로 구성될 수 있다. 보다 자세한 내용은 후술한다.

본 발명의 일 실시예에 따르면, 사용자의 사용 형태에 기초하여 학습된 인공 지능 모델을 활용하여 화질 열화 여부를 식별하므로, 보다 신뢰성 높은 화질 열화 식별의 결과를 획득할 수 있다.

도 2는 본 발명의 일 실시예에 의한 전자장치의 구성을 도시한 블록도이다.

도 2에 도시된 바와 같이, 전자장치(100)는 인터페이스부(110)를 포함할 수 있다.

인터페이스부(110)는 유선 인터페이스부(111)를 포함할 수 있다. 유선 인터페이스부(111)는 지상파/위성방송 등 방송표준에 따른 방송신호를 수신할 수 있는 안테나가 연결되거나, 케이블 방송표준에 따른 방송신호를 수신할 수 있는 케이블이 연결될 수 있는 커넥터 또는 포트를 포함한다. 다른 예로서, 전자장치(100)는 방송신호를 수신할 수 있는 안테나를 내장할 수도 있다. 유선 인터페이스부(111)는 HDMI 포트, DisplayPort, DVI 포트, 썬더볼트, 컴포지트(composite) 비디오, 컴포넌트(component) 비디오, 슈퍼 비디오(super video), SCART 등과 같이, 비디오 및/또는 오디오 전송표준에 따른 커넥터 또는 포트 등을 포함할 수 있다. 유선 인터페이스부(111)는 USB 포트 등과 같은 범용 데이터 전송표준에 따른 커넥터 또는 포트 등을 포함할 수 있다. 유선 인터페이스부(111)는 광 전송표준에 따라 광케이블이 연결될 수 있는 커넥터 또는 포트 등을 포함할 수 있다. 유선 인터페이스부(111)는 외부 마이크 또는 마이크를 구비한 외부 오디오기기가 연결되며, 오디오기기로부터 오디오 신호를 수신 또는 입력할 수 있는 커넥터 또는 포트 등을 포함할 수 있다. 유선 인터페이스부(111)는 헤드셋, 이어폰, 외부 스피커 등과 같은 오디오기기가 연결되며, 오디오기기로 오디오 신호를 전송 또는 출력할 수 있는 커넥터 또는 포트 등을 포함할 수 있다. 유선 인터페이스부(111)는 이더넷 등과 같은 네트워크 전송표준에 따른 커넥터 또는 포트를 포함할 수 있다. 예컨대, 유선 인터페이스부(111)는 라우터 또는 게이트웨이에 유선 접속된 랜카드 등으로 구현될 수 있다.

유선 인터페이스부(111)는 상기 커넥터 또는 포트를 통해 셋탑박스, 광학미디어 재생장치와 같은 외부기기, 또는 외부 디스플레이장치나, 스피커, 서버 등과 1:1 또는 1:N(N은 자연수) 방식으로 유선 접속됨으로써, 해당 외부기기로부터 비디오/오디오 신호를 수신하거나 또는 해당 외부기기에 비디오/오디오 신호를 송신한다. 유선 인터페이스부(111)는, 비디오/오디오 신호를 각각 별개로 전송하는 커넥터 또는 포트를 포함할 수도 있다.

그리고, 본 실시예에 따르면 유선 인터페이스부(111)는 전자장치(100)에 내장되나, 동글(dongle) 또는 모듈(module) 형태로 구현되어 전자장치(100)의 커넥터에 착탈될 수도 있다.

인터페이스부(110)는 무선 인터페이스부(112)를 포함할 수 있다. 무선 인터페이스부(112)는 전자장치(100)의 구현 형태에 대응하여 다양한 방식으로 구현될 수 있다. 예를 들면, 무선 인터페이스부(112)는 통신방식으로 RF(radio frequency), 지그비(Zigbee), 블루투스(bluetooth), 와이파이(Wi-Fi), UWB(Ultra WideBand) 및 NFC(Near Field Communication) 등 무선통신을 사용할 수 있다. 무선 인터페이스부(112)는 와이파이(Wi-Fi) 방식에 따라서 AP와 무선통신을 수행하는 무선통신모듈이나, 블루투스 등과 같은 1대 1 다이렉트 무선통신을 수행하는 무선통신모듈 등으로 구현될 수 있다. 무선 인터페이스부(112)는 네트워크 상의 서버와 무선 통신함으로써, 서버와의 사이에 데이터 패킷을 송수신할 수 있다. 무선 인터페이스부(112)는 적외선 통신표준에 따라 IR(Infrared) 신호를 송신 및/또는 수신할 수 있는 IR송신부 및/또는 IR수신부를 포함할 수 있다. 무선 인터페이스부(112)는 IR송신부 및/또는 IR수신부를 통해 리모컨 또는 다른 외부기기로부터 리모컨신호를 수신 또는 입력하거나, 다른 외부기기로 리모컨신호를 전송 또는 출력할 수 있다. 다른 예로서, 전자장치(100)는 와이파이(Wi-Fi), 블루투스(bluetooth) 등 다른 방식의 무선 인터페이스부(112)를 통해 리모컨 또는 다른 외부기기와 리모컨신호를 송수신할 수 있다.

전자장치(100)는 인터페이스부(110)를 통해 수신하는 비디오/오디오신호가 방송신호인 경우, 수신된 방송신호를 채널 별로 튜닝하는 튜너(tuner)를 더 포함할 수 있다.

전자장치(100)가 디스플레이장치로 구현되는 경우, 디스플레이부(120)를 포함할 수 있다. 디스플레이부(120)는 화면 상에 영상을 표시할 수 있는 디스플레이(121)를 포함한다. 디스플레이(121)는 액정 방식과 같은 수광 구조 또는 OLED 방식과 같은 자발광 구조로 마련된다. 디스플레이부(120)는 디스플레이(121)의 구조에 따라서 부가적인 구성을 추가로 포함할 수 있는데, 예를 들면 디스플레이(121)가 액정 방식이라면, 디스플레이부(120)는 액정 디스플레이 패널과, 광을 공급하는 백라이트유닛과, 액정 디스플레이 패널의 액정을 구동시키는 패널구동기판을 포함한다.

전자장치(100)는 사용자입력부(130)를 포함할 수 있다. 사용자입력부(130)는 사용자의 입력을 수행하기 위해 마련된 다양한 종류의 입력 인터페이스 관련 회로를 포함한다. 사용자입력부(130)는 전자장치(100)의 종류에 따라서 여러 가지 형태의 구성이 가능하며, 예컨대, 전자장치(100)의 기계적 또는 전자적 버튼부, 전자장치(100)와 분리된 리모트 컨트롤러, 전자장치(100)와 연결된 외부기기에서의 입력부, 터치패드, 디스플레이부(120)에 설치된 터치스크린 등이 있다.

전자장치(100)는 저장부(140)를 포함할 수 있다. 저장부(140)는 디지털화된 데이터를 저장한다. 저장부(140)는 전원의 제공 유무와 무관하게 데이터를 보존할 수 있는 비휘발성 속성의 스토리지(storage)와, 프로세서(180)에 의해 처리되기 위한 데이터가 로딩되며 전원이 제공되지 않으면 데이터를 보존할 수 없는 휘발성 속성의 메모리(memory)를 포함한다. 스토리지에는 플래시메모리(flash-memory), HDD(hard-disc drive), SSD(solid-state drive) ROM(Read Only Memory) 등이 있으며, 메모리에는 버퍼(buffer), 램(RAM; Random Access Memory) 등이 있다.

저장부(140)는 복수의 레이어를 포함하는 인공 지능 모델에 관한 정보를 저장할 수 있다. 여기서, 인공 지능 모델에 관한 정보를 저장한다는 것은 인공 지능 모델의 동작과 관련된 다양한 정보, 예를 들어 인공 지능 모델에 포함된 복수의 레이어에 대한 정보, 복수의 레이어 각각에서 이용되는 파라미터(예를 들어, 필터 계수, 바이어스 등)에 대한 정보 등을 저장한다는 것을 의미할 수 있다. 예를 들어, 저장부(140)는 일 실시예에 따라 입력 영상의 업스케일링 정보(또는 음성 인식 관련 정보, 이미지 내의 오브젝트 정보 등)를 획득하도록 학습된 인공 지능 모델에 대한 정보를 저장할 수 있다. 다만, 프로세서가 인공 지능 모델 전용 하드웨어로 구현되는 경우, 인공 지능 모델에 관한 정보는 프로세서 내부 메모리에 저장될 수도 있다.

전자장치(100)는 마이크로폰(150)을 포함할 수 있다. 마이크로폰(150)은 사용자 음성을 비롯한 외부 환경의 소리를 수집한다. 마이크로폰(150)은 수집된 소리의 신호를 프로세서(180)에 전달한다. 전자장치(100)는 사용자 음성을 수집하는 마이크로폰(150)을 구비하거나, 또는 인터페이스부(110)를 통해 마이크로폰을 가진 리모트 컨트롤러, 스마트폰 등의 외부장치로부터 음성신호를 수신할 수 있다. 외부장치에 리모트 컨트롤러 어플리케이션을 설치하여 전자장치(100)를 제어하거나 음성 인식 등의 기능을 수행할 수도 있다. 이와 같은 어플리케이션이 설치된 외부장치의 경우, 사용자 음성을 수신할 수 있으며, 외부장치는 전자장치(100)와 Wi-Fi/BT 또는 적외선 등을 이용하여 데이터 송수신 및 제어가 가능한 바, 상기 통신 방식을 구현할 수 있는 복수의 인터페이스부(110)가 전자장치(100) 내에 존재할 수 있다.

전자장치(100)는 스피커(160)를 포함할 수 있다. 스피커(160)는 프로세서(180)에 의해 처리되는 오디오 데이터를 소리로 출력한다. 스피커(160)는 어느 한 오디오 채널의 오디오 데이터에 대응하게 마련된 단위 스피커를 포함하며, 복수 오디오 채널의 오디오 데이터에 각기 대응하도록 복수의 단위 스피커를 포함할 수 있다. 다른 실시예로서, 스피커(160)는 전자장치(100)와 분리되어 마련될 수 있으며, 이 경우 전자장치(100)는 오디오 데이터를 인터페이스부(110)를 통하여 스피커(160)로 전달할 수 있다.

전자장치(100)는 센서(170)를 포함할 수 있다. 센서(170)는, 전자장치(100)의 상태 또는 전자장치(100) 주변의 상태를 감지하고, 감지된 정보를 프로세서(180)로 전달할 수 있다. 센서(170)는, 지자기 센서(Magnetic sensor), 가속도 센서(Acceleration sensor), 온/습도 센서, 적외선 센서, 자이로스코프 센서, 위치 센서(예컨대, GPS), 기압 센서, 근접 센서, 및 RGB 센서(illuminance sensor) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다. 프로세서(180)는 전자장치(100)와 외부장치(200)간의 탭으로 정의된 센싱값을 저장부(140)에 저장할 수 있다. 추후, 사용자 이벤트가 감지되는 경우, 프로세서(180)는 감지된 센싱값이 저장된 센싱값에 대응하는지 여부에 기초하여 사용자 이벤트의 발생 여부를 식별할 수 있다.

전자장치(100)는 프로세서(180)를 포함할 수 있다. 프로세서(180)는 인쇄회로기판 상에 장착되는 CPU, 칩셋, 버퍼, 회로 등으로 구현되는 하나 이상의 하드웨어 프로세서를 포함하며, 설계 방식에 따라서는 SOC(system on chip)로 구현될 수도 있다. 프로세서(180)는 전자장치(100)가 디스플레이장치로 구현되는 경우에 디멀티플렉서, 디코더, 스케일러, 오디오 DSP(Digital Signal Processor), 앰프 등의 다양한 프로세스에 대응하는 모듈들을 포함한다. 여기서, 이러한 모듈들 중 일부 또는 전체가 SOC로 구현될 수 있다. 예를 들면, 디멀티플렉서, 디코더, 스케일러 등 영상처리와 관련된 모듈이 영상처리 SOC로 구현되고, 오디오 DSP는 SOC와 별도의 칩셋으로 구현되는 것이 가능하다.

인공 지능 모델을 실행하기 위한 프로세서(180)는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서 이외에도, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서과 소프트웨어의 조합을 통해 구현될 수 있다. 프로세서(180)는, 저장부(140)에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어할 수 있다. 또는, 프로세서(180)가 전용 프로세서(또는 인공 지능 전용 프로세서)인 경우, 특정 인공 지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다. 예를 들어, 특정 인공 지능 모델의 처리에 특화된 하드웨어는 ASIC, FPGA 등의 하드웨어 칩으로 설계될 수 있다.

출력 데이터는 인공 지능 모델의 종류에 따라 다양한 형태가 될 수 있다. 예를 들어 출력 데이터는, 해상도가 향상된 이미지, 이미지 내에 포함된 오브젝트 관련 정보, 음성에 대응되는 텍스트 등이 될 수 있고 이에 한정되지 않는다.

프로세서(180)는 마이크로폰(150) 등에 의해 사용자 음성에 대한 음성신호를 획득하면, 음성신호를 음성데이터로 변환할 수 있다. 이 때, 음성데이터는 음성신호를 텍스트 데이터로 변환하는 STT(Speech-to-Text) 처리 과정을 통해 얻어진 텍스트 데이터일 수 있다. 프로세서(180)는 음성데이터가 나타내는 커맨드를 식별하고, 식별된 커맨드에 따라서 동작을 수행한다. 음성데이터 처리 과정과, 커맨드 식별 및 수행 과정은, 전자장치(100)에서 모두 실행될 수도 있다. 그러나, 이 경우에 전자장치(100)에 필요한 시스템 부하 및 소요 저장용량이 상대적으로 커지게 되므로, 적어도 일부의 과정은 네트워크를 통해 전자장치(100)와 통신 가능하게 접속되는 적어도 하나의 서버에 의해 수행될 수 있다.

본 발명에 따른 프로세서(180)는 전자장치(100)와 같은 기기(Machine)가 읽을 수 있는 저장 매체(Storage Medium)에 저장된 소프트웨어의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 전자장치(100)와 같은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(Non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적'은 저장매체가 실재(tangible)하는 장치이고, 신호(예컨대, 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

한편, 프로세서(180)는 전자장치(100)의 사용에 기초하여 사용데이터를 획득하고, 획득된 사용데이터와, 전자장치(100)의 사용 형태 및 디스플레이(121)의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 전자장치(100)의 사용에 따른 디스플레이(121)의 화질 열화 여부를 식별하고, 식별 결과에 따라 디스플레이(121)의 화질 열화 방지 동작을 수행하기 위한 데이터 분석, 처리, 및 결과 정보 생성 중 적어도 일부를 규칙 기반 또는 인공지능(Artificial Intelligence) 알고리즘으로서 기계학습, 신경망 네트워크(neural network), 또는 딥러닝 알고리즘 중 적어도 하나를 이용하여 수행할 수 있다.

인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다

인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성된다.

요소기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.

언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다.

일 예로, 프로세서(180)는 학습부 및 인식부의 기능을 함께 수행할 수 있다. 학습부는 학습된 신경망 네트워크를 생성하는 기능을 수행하고, 인식부는 학습된 신경망 네트워크를 이용하여 데이터를 인식(또는, 추론, 예측, 추정, 판단)하는 기능을 수행할 수 있다.

학습부는 신경망 네트워크를 생성하거나 갱신할 수 있다. 학습부는 신경망 네트워크를 생성하기 위해서 학습 데이터를 획득할 수 있다. 일 예로, 학습부는 학습 데이터를 저장부(140) 또는 외부로부터 획득할 수 있다. 학습 데이터는, 신경망 네트워크의 학습을 위해 이용되는 데이터일 수 있으며, 상기한 동작을 수행한 데이터를 학습데이터로 이용하여 신경망 네트워크를 학습시킬 수 있다.

학습부는 학습 데이터를 이용하여 신경망 네트워크를 학습시키기 전에, 획득된 학습 데이터에 대하여 전처리 작업을 수행하거나, 또는 복수 개의 학습 데이터들 중에서 학습에 이용될 데이터를 선별할 수 있다. 일 예로, 학습부는 학습 데이터를 기 설정된 포맷으로 가공하거나, 필터링하거나, 또는 노이즈를 추가/제거하여 학습에 적절한 데이터의 형태로 가공할 수 있다. 학습부는 전처리된 학습 데이터를 이용하여 상기한 동작을 수행하도록 설정된 신경망 네트워크를 생성할 수 있다.

학습된 신경망 네트워크는, 복수의 신경망 네트워크(또는, 레이어)들로 구성될 수 있다. 복수의 신경망 네트워크의 노드들은 가중치(weight values)를 가지며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 네트워크들은 일 신경망 네트워크의 출력 값이 다른 신경망 네트워크의 입력 값으로 이용되도록 서로 연결될 수 있다. 신경망 네트워크의 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) 및 심층 Q-네트워크 (Deep Q-Networks)과 같은 모델을 포함할 수 있다.

한편 인식부는 상기한 동작을 수행하기 위해, 타겟 데이터를 획득할 수 있다. 타겟 데이터는 저장부(140) 또는 외부로부터 획득된 것일 수 있다. 타겟 데이터는 신경망 네트워크의 인식 대상이 되는 데이터일 수 있다. 인식부는 타겟 데이터를 학습된 신경망 네트워크에 적용하기 전에, 획득된 타겟 데이터에 대하여 전처리 작업을 수행하거나, 또는 복수 개의 타겟 데이터들 중에서 인식에 이용될 데이터를 선별할 수 있다. 일 예로, 인식부는 타겟 데이터를 기 설정된 포맷으로 가공하거나, 필터링 하거나, 또는 노이즈를 추가/제거하여 인식에 적절한 데이터의 형태로 가공할 수 있다. 인식부는 전처리된 타겟 데이터를 신경망 네트워크에 적용함으로써, 신경망 네트워크로부터 출력되는 출력값을 획득할 수 있다. 인식부는 출력값과 함께, 확률값 또는 신뢰도값을 획득할 수 있다.

인공 지능 모델의 학습 및 훈련 데이터의 생성은 외부 서버를 통해 수행될 수 있다. 다만, 경우에 따라 인공 지능 모델의 학습이 전자 장치에서 이루어지고, 훈련 데이터 또한 전자 장치에서 생성될 수도 있음은 물론이다.

일 예로, 본 발명에 따른 전자장치(100)의 제어방법은 컴퓨터 프로그램 제품 (Computer Program Product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은, 앞서 설명한, 프로세서(180)에 의해 실행되는 소프트웨어의 명령어들을 포함할 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예컨대, CD-ROM)의 형태로 배포되거나, 또는 어플리케이션 스토어(예컨대, 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예컨대, 스마트폰들) 간에 직접, 온라인으로 배포(예컨대, 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

도 3은 본 발명의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.

프로세서(180)는 전자장치(100)의 사용에 기초하여 사용데이터(도 4의 410 참조)를 획득할 수 있다(S310). 프로세서(180)가 획득하는 사용데이터(410)는 컨텐츠의 영상정보뿐만 아니라 전자장치(100)에서 검출한 데이터일 수 있다. 사용데이터(410)는, 예컨대, 사용자 정보, 사용자 선호 화질 모드, 설정값 등을 포함하는 정보, 사용자의 컨텐츠 장르별 사용 시간, 주변 환경과 관련된 정보, 입력소스 사용 시간, 전자장치(100) 주기별 사용 시간 등을 포함할 수 있으며 어느 하나에 한정되는 것은 아니다. 자세한 사항은 도 4에서 후술한다.

프로세서(180)는 획득된 사용데이터(410)와, 전자장치(100)의 사용 형태 및 디스플레이(121)의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 전자장치(100)의 사용에 따른 디스플레이(121)의 화질 열화 여부를 식별할 수 있다(S320).

본 발명의 일 실시예에 따르면, 참조데이터는 전자장치(100)의 사용 형태와 디스플레이(121)의 화질 열화 간의 관계에 기반하여 마련될 수 있다. 전자장치(100)의 사용 형태는 앞서 기술한 사용데이터(410)에 대응되는 임의의 데이터를 통해 도출될 수 있다. 예컨대, 임의의 데이터에서 컨텐츠에 관한 정보로써, 사용자는 뉴스 채널을 선호하며, 하루에 세시간씩 연속하여 시청한 정보가 포함되어 있다고 가정해본다. 이 경우, 해당 뉴스 채널의 방송국 로고 위치, 헤드라인 위치, 아나운서의 위치, 이들의 분포, 주기 등 관련된 여러 정보가 전자장치(100)의 사용 형태가 될 수 있다.

이 때, 참조데이터는 전자장치(100)의 사용에 따라 디스플레이(121)의 화질 열화 식별에 관한 연산을 수행하도록 학습된 모델일 수 있다. 따라서, 많은 상황에서 얻어진 데이터에 기초하여, 유형화된 복수의 전자장치(100)의 사용 형태와, 각 사용 형태에 따라 발생하는 디스플레이(121)의 화질 열화에 기초하여, 사용 형태와 화질 열화 간의 관계를 나타내는 참조데이터가 마련될 수 있다.

본 발명의 일 실시예에 따르면, 도 5에 도시된 바와 같이, 모델은 앞서 설명한 신경망 네트워크 중 하나인 CNN(500)을 이용하여 학습될 수 있다. CNN(500)과 관련된 자세한 사항은 도 5에서 후술한다. 화질 열화의 경우, 현재 디스플레이의 상태나 환경 뿐만 아니라, 이전의 상태나 환경에 의해서도 영향을 받을 수 있으므로, 양자를 모두 고려할 수 있는 콘볼루션을 이용하는 신경망 네트워크를 이용할 수 있으나, 이에 한정되는 것은 아니다.

따라서, 프로세서(180)는 전자장치(100)의 사용 형태에 따라 디스플레이(121)의 화질 열화 발생 여부에 대한 데이터를 학습한 모델을 이용하여, 실제 사용데이터(410)에 대응하는 화질 열화 발생 여부를 식별할 수 있다.

프로세서(180)는 식별 결과에 따라 디스플레이(121)의 화질 열화 방지 동작을 수행할 수 있다(S330).

화질 열화가 식별된 경우, 프로세서(180)는 화질 열화를 방지하기 위해, 디스플레이(121)의 전체 휘도를 떨어뜨려서 스트레스 레벨을 줄여주거나, 디스플레이(121)의 한 곳에 집중되지 않도록 픽셀을 이동시키는 등의 방법을 이용할 수 있다. 또는, 프로세서(180)는 디스플레이(121)의 색온도, 밝기, 명암 등을 재조정하는 캘리브레이션(calibration) 이나, 화질 설정 변경　등을 수행할 수 있다. 이 때, 프로세서(180)는 이와 같은 방법을 적용할 때, 현재 사용자가 시청하고 있는 컨텐츠나, 사용자의 선호 시청 모드 등 사용 형태 또한 고려하여 설정을 변경할 수 있다.

본 발명의 일 실시예에 따르면, 참조데이터를 활용하여 잔상의 위험성을 검출하므로, 비용과 복잡도 절감이 가능하며, 잔상 현상에 대해 유연하고 효과적인 대응이 가능하다.

본 발명의 일 실시예에 따르면, 사용자의 전자장치 사용 형태와 디스플레이의 화질 열화 간의 관계에 기초하여 잔상 위험성을 검출할 수 있으므로, 보다 신뢰도가 높은 화질 열화 여부 식별이 가능하여 경제적이고, 화질 열화 방지에 효과적이다.

도 4는 본 발명의 일 실시예에 따른 사용데이터의 획득에 관한 도면이다.

프로세서(180)는 사용자가 시청하는 컨텐츠에 관한 정보, 예컨대, 1) 컨텐츠에서 잔상 위험이 큰 것으로 기 정의된 영역, 예컨대, 방송사 로고 등의 크기, 위치, 표시되는 시간, 분포 등에 관한 정보, 2) 시청하는 컨텐츠의 화질, 예컨대, HDR(High Dynamic Range), SDR(Standard Dynamic Range) 등에 대한 정보, 3) 영화, 드라마, 뉴스 등 컨텐츠 종류에 관한 정보, 4) 시청하는 컨텐츠 중에서도 영화 같은 경우, 코미디, 드라마, 공포, 액션 등 컨텐츠 장르에 관한 정보, 5) 각 컨텐츠를 시청한 시간 등을 획득할 수 있다. 이 때, 2) 컨텐츠의 화질의 경우, 컨텐츠 자체의 화질이 아닌 디스플레이(121)에 표시되는 컨텐츠의 화질을 의미할 수 있다. 예컨대, 컨텐츠는 SDR 화질로 제작되었으나, 프로세서(180)에 의해 HDR로 전환되어 출력되는 경우, 실제 디스플레이(121)에서 표시되는 것은 HDR 화질이므로 이를 또한 반영하여 화질 열화 여부를 식별할 수 있다. 또한, 전자장치(100)에 기 설정된 모드 및 그에 대응하는 설정값, 예컨대, Dynamic 모드, Standard 모드, Natural 모드, Movie 모드, Game 모드나 사용자가 직접 모드를 설정한 경우, 그 모드 및 설정값 중에서 사용자가 선호하는 화질 모드 및 그에 대응하는 설정값에 관한 정보를 획득할 수 있다. 또한, 프로세서(180)는 주변 환경과 관련된 정보, 예컨대, 전자장치(100)가 주변 조명장치와 연동된 경우, 연동된 장치의 밝기와 그에 따른 소비전력 관련 설정에 관한 정보를 획득할 수 있다. 이 외에도, 프로세서(180)는 전자장치(100)의 사용 시간을 측정한 정보를 획득할 수 있다. 예컨대, 전자장치(100)의 사용여부를 3시간 주기로 측정하거나, 하루 동안 전자장치(100)가 4시간 동안 사용되었다고 하면, 4시간을 연속하여 사용되었는지, 1시간 단위로 4회 사용되었는지 등의 정보를 획득할 수 있다. 사용데이터(410)로 획득되는 정보는 본 발명의 일 실시예에 한정되지 않고, 디스플레이(121)의 화질 열화에 영향을 미칠 수 있는 정보라면 어느 것이든 포함될 수 있다.

따라서, 도 4와 같이, 사용자가 시청하는 컨텐츠(40)가 뉴스인 경우, 프로세서(180)는 사용데이터(410)로써, 뉴스에서 잔상 위험이 큰 방송사 로고, 헤드라인 등의 크기, 위치, 표시되는 시간, 분포 등에 관한 정보, 뉴스의 화질에 대한 정보, 뉴스를 시청한 시간을 획득할 수 있다. 또한, 뉴스를 시청하는 모드 및 그 설정값, 전자장치(100)가 주변 조명장치와 연동된 경우, 연동된 장치의 밝기와 그에 따른 소비전력 관련 설정에 관한 정보를 획득할 수 있다. 이 외에도, 프로세서(180)는 전자장치(100)의 사용 시간을 측정한 정보를 획득할 수 있다.

본 발명의 일 실시예에 따르면, 전자장치(100)의 사용 형태 및 디스플레이(121)의 화질 열화 간의 관계에 기반하여 마련된 참조데이터와 사용자의 사용 형태를 비교하여 실제 디스플레이(121)의 화질 열화 여부를 식별할 수 있으므로, 보다 정확하게 화질 열화 여부를 식별할 수 있다.

도 5는 본 개시에 의한 전자장치가 이용하는 CNN 구조의 일례를 도시한 도면이다. 도 5에 도시된 CNN(500)은, 앞서 도 3의 동작 S320에서 언급된 바와 같은 모델의 학습에 이용될 수 있다. CNN(500)은 콘볼루션 특징 추출(Feature extraction) 모듈(510)과 분류(Classification) 모듈(520)로 이루어진다. 콘볼루션 특징 추출(Feature extraction) 모듈(510)에서 입력데이터에 대한 특징을 추출하고, 추출된 특징을 기반으로 기존의 신경망을 이용하여 분류(Classification) 모듈(520)에서 분류를 하게 된다. 본 발명의 일 실시예에 따르면, 입력데이터는 앞서 기술한 사용데이터(410)나 임의의 데이터일 수 있다.

콘볼루션 계층(Convolutional layer)은 입력데이터로부터 특징을 추출하는 역할을 하는 것으로, 특징을 추출하는 필터(Filter)와 필터의 값을 비선형 값으로 바꾸어주는 활성화 함수(Activation Function)를 포함할 수 있다. 필터는 추출하려는 컨텐츠의 특징이 대상 데이터에 있는지 여부를 검출해주는 함수라고 할 수 있다. 이와 같이 필터들을 통해서 특징 맵이 추출되면, 이 특징 맵에 활성화 함수, 예컨대, 시그모이드(Sigmoid)와 렐루(Relu) 함수를 적용하여 값을 활성화시킨다. 이와 같이 추출된 특징들은 필요에 따라서 서브샘플링(sub-sampling) 과정을 거치는데, 이는 추출된 특징 맵의 사이즈를 줄여서 연산량을 줄이기 위한 것으로, 풀링(pooling)이라고도 한다.

특징 추출 모듈(510)은 이와 같이 CNN 구조에서 생성되는 하나 이상의 특징 맵, 특징 맵 1 내지 특징 맵 4를 추출하여, 입력데이터의 특징으로 이용할 수 있다. 특징 추출 모듈(510)은 이와 같은 특징 맵, 특징 맵 1 내지 특징 맵 4를 벡터 형태로 변환하여 특징 벡터, 특징 벡터 1 내지 특징 벡터 4 중 적어도 하나를 출력할 수 있다.

특징 추출 모듈(510)은 컨볼루션 계층 및 다양한 필터를 이용하여 이미지의 다양한 스케일에서 다양한 특징을 추출할 수 있다. 통상 콘볼루션 계층의 깊이가 얕을수록 입력데이터의 하위 레벨 특징이 추출되고, 콘볼루션 계층의 깊이가 깊어질수록 입력데이터의 상위 레벨 특징이 추출될 수 있다. 따라서, 특징 추출 모듈(510)은 상위 레벨 특징에 대응하는 특징 맵과 하위 레벨 특징에 대응하는 특징 맵을 적절히 추출하여 이용할 수 있다.

또한, 각 콘볼루션 계층에서 이용되는 필터 등을 이용하여 입력데이터에서 추출하려고 하는 특징 인자를 조절할 수 있다. 예를 들어, 입력데이터로부터 컨텐츠 정보의 추출에 이용되는 필터나 입력데이터로부터 사용 환경 정보의 추출에 이용되는 필터를 이용하여 입력데이터로부터 컨텐츠 특징이나 사용 환경 특징을 추출할 수 있다.

컨볼루션 계층에서 특징이 추출되었으면 분류(Classification) 모듈(520)의 완전 연결 계층(Fully Connected Layer)에서는 이 추출된 특징 값을 신경망(Neural Network)에 적용하여 분류할 수 있다. 예를 들어, 소프트맥스 함수(Softmax Function)가 이용될 수 있다.

도 6은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다. 도 6에는 인코더(Encoder) - 디코더(Decoder) 구조(600)가 도시되어 있다. 이 구조는 어떤 데이터 X에 대해 그 X에 영향을 주는 잠재변수(latent variable) Z가 존재한다고 가정하고, 그 Z를 찾아내는데 목적을 둔다. 본 발명의 일 실시예에 따르면, 데이터 X는 적용단계에서는 사용데이터(410)가 될 수 있고, 잠재변수 Z는 사용데이터(410)로부터 추출한 디스플레이(121)의 화질 열화를 일으키는 요소가 될 수 있다. 이 때, 인코더 - 디코더 구조는, 도 5에서 설명한 CNN 등의 환경적응적 모델을 적용하는 경우, 콘볼루션 레이어가 인코더에서는 깊은 차원에서 얕은 차원으로 축소되고, 디코더에서 다시 얕은 차원에서 깊은 차원으로 확장되는 시리얼로 구성될 수 있다. 이 때, 인코더 - 디코더 구조에서 인코더의 입력 레이어의 노드 수와 디코더의 출력 레이어의 노드 수는 같을 수 있으나, 이에 한정되는 것은 아니고, 서로 다른 노드 수를 가질 수도 있다.

참조데이터는, 앞서 설명한 바와 같이, 전자장치(100)의 사용에 따라 디스플레이(121)의 화질 열화 식별에 관한 연산을 수행하도록 학습된 모델일 수 있다. 이 때, 본 발명의 일 실시예에 따른 참조데이터는 유형화된 복수의 전자장치(100)의 사용 형태에 관한 데이터를 입력으로 하여 CNN 모델을 적용한 인코더 - 디코더 구조를 통해 학습된 것으로 가정한다. 사용 형태는 임의로 설계되거나 미리 정의될 수 있다. 인코더는 모든 사용 형태에 관한 데이터를 입력으로 하여 학습된 것이고, 디코더는 인코더의 출력을 입력으로 하여 미리 정해진 형태의 열화를 나타내는 데이터를 출력하도록 학습된 것이다. 이하, 상기와 같은 방법으로 마련된 참조데이터를 이용한 프로세서(180)의 동작을 살펴본다.

프로세서(180)는 획득된 사용데이터(410)를 벡터화하고, 벡터화된 사용데이터(410)의 차원을 압축하여 전자장치(100)의 사용에 따른 디스플레이(121)의 화질 열화 여부를 식별할 수 있다. 이 때, 사용데이터(410)의 차원을 압축한다는 것은, 예컨대, 화질 열화와의 관계에서 유효하게 작용하는 사용데이터(410)를 식별하거나, 유형화된 복수의 전자장치(100)의 사용 형태 중 어느 하나에 대응하는지 여부를 식별할 수 있을 정도의 유효한 사용데이터(410)를 식별하는 과정을 의미할 수 있다. 본 발명의 일 실시예에서 이용하는 CNN 모델을 차용한 인코더 구조는 방대한 양의 임의의 데이터를 차원을 줄여나가면서 유효한 사용데이터를 식별할 수 있으므로 그 실효성이 있다.

그리고, 프로세서(180)는 압축된 사용데이터(410)의 차원을 디코더를 통해 다시 확장하면서 디스플레이(121)의 화질 열화 여부를 식별할 수 있다. 이 때, 압축된 사용데이터(410)의 차원을 다시 확장한다는 것은, 예컨대, 프로세서(180)는 인코더를 이용하여 식별한 유효한 사용데이터(410)를 조합하는 것을 의미할 수 있다. 따라서, 조합된 사용데이터(410)를 통해 디스플레이(121)의 화질 열화와의 관계를 식별할 수 있다.

상기 기술한 인코더 - 디코더 구조를 본 발명의 일 실시예에 따른 사용데이터(410)에 적용하면 일 예로써 다음과 같은 결과를 획득할 수 있다. 예컨대, 사용데이터(410)는, 사용자 선호 화질 모드는 Dynamic 모드, Dynamic 모드의 설정값, 사용자의 3일간 시청 이력(월요일-4시간, 화요일-2시간, 수요일-5시간), 시청 시간대(월요일:밤6시-7시반, 밤8시반-10시, 밤11시-12시, 화요일:아침7-9시, 수요일:밤6시-11시) 시청 시 이용한 컨텐츠 종류(월요일-뉴스, 화요일-드라마, 수요일-뉴스)이고, 시청한 뉴스 채널 및 드라마 채널에 관한 정보가 존재한다고 가정한다. 참조데이터로는 사용자가 시청한 뉴스 채널의 경우, 해당 방송사가 뉴스를 방송할 때의 헤드라인 위치, 방송사 로고의 위치, 앵커의 송출 시간, 자료화면 송출 시간에 대한 정보, 시청주기가 연속한 경우, 비연속적이 경우일 때의 화질열화와의 관계 등이 마련되어 있다. 프로세서(180)는 인코더에 상기 기재된 사용데이터(410)가 입력된 경우, 사용데이터(410) 중 사용자의 사용 형태를 나타낼 수 있도록 축소된 차원의 데이터가 출력되고, 디코더에서 사용자의 사용 형태에 대응되는 사용 형태의 경우 발생하는 화질 열화의 결과를 출력할 수 있다. 따라서, 사용자가 Dynamic 모드로 뉴스를 시청하는 경우 화질 열화가 발생할 수 있다거나, 사용자가 뉴스를 3시간 이상 연속으로 시청하는 경우 화질열화가 발생할 수 있다는 등의 결과를 얻을 수 있다.

이와 같이, 본 발명에서, 인코더 - 디코더 구조를 이용하는 경우, 데이터의 차원을 축소 및 확장해 나가면서 원하는 크기의 데이터를 획득할 수 있다는 장점이 있다. 다만, 이 구조에 한정되어 적용되는 것은 아니다.

도 7은 본 발명의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다. 본 도면에서는, 앞서 도 3 내지 도 6에 관하여 기재된 설명과 중복되는 설명은 생략한다.

본 발명의 일 실시예에 따르면, 프로세서(180)는 전자장치(100)의 사용에 기초한 사용데이터(410) 이외에도, 디스플레이(121)의 특성데이터(도 8의 810 참조)를 추가로 획득할 수 있다(S710). 디스플레이(121)의 특성데이터(810)란, 디스플레이(121)의 제조사별, 제품별 정보를 의미하는 것으로써, 보다 상세하게는, 휘도의 균일성, 휘도, R/G/B/W 색상별 실제 발광량, 발열량, 스트레스 레벨, 패널 뒤 회로 배치 등의 데이터를 포함할 수 있다.

본 발명의 일 실시예에 따르면, 특성데이터(810)는 특정 패턴으로 디스플레이(121)의 광학 특성을 계측하여 획득할 수 있다. 이 때, 디스플레이(121)의 일 영역을 샘플링하거나, 디스플레이(121)를 복수의 영역으로 분할하여 각 영역을 샘플링한 값을 기초로 계측할 수 있으며, 어느 하나에 한정되는 것은 아니다.

본 발명의 일 실시예에 따르면, 프로세서(180)는 특성데이터(810)에 관하여 최적의 초기 설정값을 저장부(140)에 사전에 저장하거나, 서버 등 외부장치로부터 인터페이스부(110)를 통해 특성데이터(810)를 미리 수신하여 반영할 수 있으며 어느 하나에 한정되는 것은 아니다.

프로세서(180)는 획득된 사용데이터(410)/특성데이터(810)와, 전자장치(100)의 사용 형태/특성 형태 및 디스플레이의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 전자장치(100)의 사용/특성에 따른 디스플레이의 화질 열화 여부를 식별하여 식별 결과를 획득할 수 있다.

본 발명의 일 실시예에 따르면, 참조데이터는 전자장치(100)의 사용 형태 뿐만 아니라, 특성 형태와 디스플레이(121)의 화질 열화 간의 관계에 기반하여 마련될 수 있다. 디스플레이(121)의 특성 형태는 앞서 기술한 특성데이터(810)에 대응되는 임의의 데이터를 통해 도출될 수 있다. 예컨대, 임의의 데이터에서 디스플레이(121)에 관한 정보로써, 디스플레이(121)의 특정 영역에서 나타나는 R 발광량이나, 디스플레이(121)의 후면에서 열을 발생시키는 회로의 위치 그 자체가 디스플레이(121)의 특성 형태가 될 수 있다. 이 때, 참조데이터는 디스플레이(121)의 특성에 따라 디스플레이(121)의 화질 열화 식별에 관한 연산을 수행하도록 학습된 모델일 수 있다. 따라서, 많은 상황에서 얻어진 데이터에 기초하여, 유형화된 복수의 전자장치(100)의 특성 형태와, 각 특성 형태에 따라 발생하는 디스플레이(121)의 화질 열화에 기초하여, 특성 형태와 화질 열화 간의 관계를 나타내는 참조데이터가 마련될 수 있다.

본 발명의 일 실시예에 따르면, 도 5에 도시된 바와 같이, 모델은 앞서 설명한 신경망 네트워크 중 하나인 CNN(500)을 이용하여 학습될 수 있음은 전자장치(100)의 사용 형태와 동일하다.

따라서, 프로세서(180)는 전자장치(100)의 사용 형태와 디스플레이(121)의 특성 형태를 모두 고려하여 디스플레이(121)의 화질 열화 발생 여부에 대해 학습한 모델을 이용하여, 실제 사용자의 사용데이터(410)와 해당 디스플레이(121)의 특성데이터(810)가 입력되면 화질 열화 발생 여부를 식별할 수 있다.

프로세서(180)는 식별 결과에 따라 디스플레이의 화질 열화 방지 동작을 수행할 수 있다. 본 발명의 일 실시예에 따르면, 프로세서(180)는 디스플레이(121)의 화면 영역 별로 전자장치(100)의 사용에 따른 디스플레이(121)의 화질 열화 여부를 식별할 수 있다. 보다 자세한 사항은 도 8 내지 도 9에서 후술한다.

본 발명의 일 실시예에 따르면, 사용데이터 뿐 아니라 디스플레이의 특성데이터 또한 고려하여 보다 정교하게 디스플레이의 화질 열화 여부를 식별할 수 있다.

도 8은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다. 도 8에는 인코더(Encoder) - 디코더(Decoder) 구조(800)가 도시되어 있고, 이에 대한 동작 원리는 도 6에서 설명한 바와 동일하다.

본 발명의 일 실시예에 따르면, 앞서 기술한 바와 같이, 프로세서(180)는 획득된 사용데이터(410)를 벡터화하고, 인코더 측에서 벡터화된 사용데이터(410)의 차원을 압축하여 전자장치(100)의 사용에 따른 디스플레이(121)의 화질 열화를 일으키는 요소를 식별할 수 있다. 프로세서(180)는 압축된 사용데이터(410)의 차원을 디코더를 통해 다시 확장하면서 전자장치(100)의 특성데이터(810)를 이용하여 디스플레이(121)의 화질 열화 여부를 식별할 수 있다. 예컨대, 프로세서(180)는 디스플레이(121)의 특성데이터(810)에 기초하여 압축된 사용데이터의 차원을 디스플레이(121)의 화면 영역에 대응하도록 확장하여 디스플레이(121)의 화질 열화 여부를 식별할 수 있다.

본 발명의 일 실시예에 따르면, 사용데이터(410)로부터 도출된 사용자의 사용 형태에 따라 디스플레이(121)의 화질 열화에 어떤 요소들이 영향을 주고, 그로 인한 화질 열화 여부가 식별이 된다면, 이를 기초로 특성데이터(410)를 통해 실제 디스플레이(121)의 어떤 영역에서 어느 정도로 화질 열화가 발생하는지 여부를 식별할 수 있다. 이 때, 프로세서(180)는 디스플레이(121)를 복수 개의 영역으로 나누어서 화질 열화가 이루어 지는 영역을 표시하거나, 도 9에서 도시된 바와 같이 해상도에 기초하여 그 화질 열화의 위험도를 히트 맵(heat map) 형태로 산출할 수 있다.

그리고, 프로세서(180)는 산출된 히트 맵을 활용하여 잔상 위험성이 높은 영역의 수명 예측, 화질 관리, 소비전력 관리 등 화질 열화 방지를 위한 동작을 수행할 수 있다.

도 9는 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다. 프로세서(180)는 화면(910)과 같이 디스플레이(121)의 화면 영역 별로 전자장치(100)의 사용에 따른 디스플레이(121)의 화질 열화 여부를 식별할 수 있다.

도 9에서는 프로세서(180)가 도 8의 인코더 - 디코더 구조(800)를 이용할 때, 디스플레이(121)의 특성데이터(810)를 반영하여 그 결과값을 히트 맵으로 산출한 것을 도시한다.

본 발명의 일 실시예에 따르면, 프로세서(180)는 인코더를 통해 압축한 사용데이터(410)의 차원을 디스플레이(121)의 특성데이터(810)에 기초하여 디스플레이(121)의 화면 영역에 대응하도록 확장하여 디스플레이(121)의 화질 열화 여부를 식별할 수 있다. 그리고, 프로세서(180)는 화질 열화 여부 식별의 결과를 디스플레이(121)와 동일 해상도를 가지는 화면(920)에 기초하여 출력할 수 있다. 화면(920)과 같이 출력된 결과값을 히트 맵이라고 한다.

이 때, 결과값을 산출하기 위해서, 출력하고 있는 컨텐츠의 속성 등을 포함하는 사용데이터(410) 뿐 아니라, 실제 출력하고 있는 디스플레이(121)의 하드웨어적 구성을 포함하는 특성데이터(810)도 함께 이용할 수 있다.

예컨대, 앞서 도 6에서 설명한 일 실시예의 결과값(사용자가 Dynamic 모드로 뉴스를 시청하는 경우 화질 열화가 발생할 수 있다거나, 사용자가 뉴스를 3시간 이상 연속으로 시청하는 경우 화질열화가 발생할 수 있다는 등)에 더불어, 디스플레이(121)의 특히 어느 영역이, 예컨대, 뉴스 헤드라인 부분, 앵커의 위치 등에 대응되는 영역에서 화질열화가 발생할 수 있다는 등의 결과값을 출력할 수 있다. 컨텐츠 재생 정도에 따른 패널의 발생 온도 등의 영향도 화질열화 현상에 영향을 줄 수 있는 바, 결과값을 산출함에 있어서 특성데이터(810)도 반영할 수 있다. 이러한 하드웨어적 구성의 화질열화에 대한 영향은 별도 디스플레이(121)의 온도 측정 등의 피드백을 수신하거나, 외부로부터 수신 혹은 기 저장된 제조사별 디스플레이(121)와 온도 간의 관계를 설정한 정보를 이용하여 반영할 수 있다.

프로세서(180)는 화질 열화 여부 식별의 결과를 출력한 화면(920)을 화면(930)과 같이 보상처리 하여 화질 열화를 방지할 수 있다.

보상처리의 경우, 프로세서(180)는 히트 맵에서 나타나는 화질 열화의 역보상 데이터를 기초로 하여 보상 처리, 예컨대, 백라이트의 밝기를 조절하는 백라이트 디밍(backlight dimming) 등을 수행할 수 있다.

이 때, 프로세서(180)는 각 영역 별 사용데이터 및 특성데이터를 실시간으로 혹은 주기적으로 수집할 수 있고, 수집된 데이터를 기초로 하여 화질 열화 여부를 식별하거나, 업데이트할 수 있다.

프로세서(180)는 특정 촬영 환경, 예컨대, 어두운 암실과 같은 환경에서 전자장치(100)의 화면을 촬영하도록 가이드하는 GUI를 디스플레이(121)에 표시하고, 이를 기초로 예측한 화질 열화 정도와 실제 화질 열화 정도를 비교하고, 예측한 열화 정도에 대한 시인성 보상의 개념을 적용하여 실제 화질 열화 정도에 동기화(synchronize)할 수 있다.

본 발명의 일 실시예에 따르면, 디스플레이의 화질 열화 여부를 보다 자세하게 나타낼 수 있으므로, 그에 대한 보상 처리 또한 보다 정확하게 수행할 수 있어 화질 열화 방지에 효과적이다.

도 10은 본 발명의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다. 프로세서(180)는 획득한 사용데이터 및 특성데이터에 기초하여 앞서 기술한 모델 기법을 이용하여 본 발명에 따라 동작한 결과, 디스플레이(121)에 화면(1010)과 같은 컨텐츠를 표시하는 경우, 화면(1020)의 일 영역(1021)은 화질 열화의 위험도가 높은 영역으로 식별하였다고 가정해본다.

이 경우 프로세서(180)는 화면(1030)과 같이 화질 열화 여부의 식별 결과를 포함하는 그래픽 사용자 인터페이스(GUI; Graphic User Interface)(1031)를 디스플레이(121)에 표시할 수 있다. 이 때, GUI(1031)는 도 10에 도시된 바와 같이 OSD(On Screen Display) 형태로 나타낼 수 있으며, 프로세서(180)는 OSD를 화질 열화가 발생할 위험이 있는 위치에 겹쳐서 표시하거나, 화질 열화를 개선할 수 있는 특징으로 OSD의 형태(크기, 밝기 등) 등을 바꿀 수 있다. 또는, OSD로 잔상의 위험성을 표시할 때, 해당 영역에 특정 색상 패치(color patch)를 삽입하여 현재 화질 열화 수준에 대한 정보를 제공하는 등 사용자가 디스플레이(121)의 화질 열화를 인식할 수 있는 다양한 형태로 제공할 수 있다.

GUI(1031)의 일 예시로, "알림! : 디스플레이 전체 혹은 일부가 장시간 고정된 상태로 유지되면 열화가 진행될 가능성이 있습니다. 이 디스플레이는 그러한 위험 가능성을 사전 감지하고 사용자에게 열화가 진행되기 전 알림을 주고 사용자의 디스플레이 사용 방식에 대한 솔루션을 제공하고 있습니다."하는 안내문구와 함께,"[솔루션보러가기|솔루션적용하기]"와 같이 사용자가 복수의 화질 열화 방지 동작에 대한 안내를 받거나, 적절한 방지 동작을 전자장치(100)가 바로 적용할 수 있도록 할 수 있다.

본 발명의 다른 실시예에 따르면, 프로세서(180)는 디스플레이(121)의 화질 열화 방지를 위한 솔루션을 바로 안내하고, 이를 적용할 것인지 선택할 수 있는 GUI를 표시할 수 있다.

따라서, 프로세서(180)는 GUI(1031)를 통해 디스플레이(121)의 화질 열화 방지 동작의 수행 여부를 결정하는 사용자입력을 수신할 수 있다.

프로세서(180)는 수신된 사용자입력에 기초하여 화질 열화 방지 동작을 수행할 수 있다. 수신된 사용자입력에 기초하여, 화질 열화 방지 동작을 수행하지 않는 경우, 디스플레이(121)의 화질 열화에 대한 경고를 안내하는 GUI를 추가로 표시할 수 있다.

본 발명의 일 실시예에 따르면, 사용자는 GUI를 통해 화질 열화의 위험성을 인식할 수 있고, 그에 따른 해결책도 제공받을 수 있으므로 디스플레이의 화질 열화 전 쉽고 간편하게 방지할 수 있다.

도 11은 본 발명의 다른 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.

앞서 설명한 실시예에서는, 전자장치(100) 자체에서 프로세서(180)가 화질 열화 여부를 식별하는 모습을 설명하였다. 전자장치(100) 자체에서 화질 열화 여부를 식별하는 방법의 경우, 네트워크를 통한 방법보다 발명을 구현하는 관점에서 효과적으로 축소된 학습 모델을 갖는 형태로 동작할 수 있다.

본 발명의 다른 실시예에 따르면, 전자장치(100)가 자체적으로 화질 열화 여부를 식별하는 것 이외에도, 서버(1110)를 통해 수행한 결과를 수신할 수 있다. 따라서, 프로세서(180)는 사용데이터를 획득하고, 획득된 사용데이터를 인터페이스부(110)를 통해 서버(1110)에 전송할 수 있다. 서버(1110)가 전송된 사용데이터와, 참조데이터에 기초하여, 전자장치(100)의 사용에 따른 디스플레이(121)의 화질 열화 여부를 식별하면, 프로세서(180)는 인터페이스부(110)를 통해 서버(1110)로부터 식별 결과를 수신할 수 있다. 이 경우, 서버(1110)는 그 특성상 전자장치(100) 자체가 동작을 수행하는 경우보다 수용할 수 있는 데이터의 양이 크기 때문에, 인공 지능에 기반한 모델 생성 시 보다 정교하게 모델을 생성할 수 있다.

이 외에도, 네트워크가 연결된 경우, 전자장치(100)가 학습한 모델을 pre-trained 모델로 두고, 이 모델을 기초로 서버(1110) 등에서 심층 학습하는 구조로 전자장치(100)와 서버(1110)가 둘 다 병행되어 학습할 수 있다.

본 발명의 일 실시예에 따르면, 네트워크와 연결된 서버의 경우 전자장치 자체의 구현보다 이용되는 데이터의 양에 구애 받지 않고 동작을 할 수 있어, 동작 속도나 정확도가 보다 높을 수 있다.

100: 전자장치
110: 인터페이스부
120: 디스플레이부
130: 사용자입력부
140: 저장부
150: 마이크로폰
160: 스피커
170: 센서
180: 프로세서

Claims

전자장치에 있어서,
디스플레이;
상기 전자장치의 사용에 기초하여 사용데이터를 획득하고,
상기 획득된 사용데이터와, 상기 전자장치의 사용 형태 및 상기 디스플레이의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하고,
상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는
프로세서를 포함하는 전자장치.
제1항에 있어서,
상기 프로세서는,
상기 디스플레이의 특성데이터 및 상기 디스플레이의 화질 열화 간의 관계에 더 기초하여, 상기 디스플레이의 화질 열화 여부를 식별하고,
상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는 전자장치.
제2항에 있어서,
상기 프로세서는,
상기 획득된 사용데이터를 벡터화하고,
상기 벡터화된 사용데이터의 차원을 압축하여 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 전자장치.
제2항에 있어서,
상기 프로세서는, 상기 디스플레이의 화면 영역 별로 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 전자장치.
제3항에 있어서,
상기 프로세서는, 상기 디스플레이의 특성데이터에 기초하여, 상기 압축된 사용데이터의 차원을 상기 디스플레이의 화면 영역에 대응하도록 확장하여 상기 디스플레이의 화질 열화 여부를 식별하는 전자장치.
제1항에 있어서,
상기 프로세서는, 상기 디스플레이의 화질 열화 여부를 주기적으로 식별하는 전자장치.
제1항에 있어서,
상기 참조데이터는, 상기 전자장치의 사용에 따라 상기 디스플레이의 화질 열화 식별에 관한 연산을 수행하도록 학습된 모델을 포함하는 전자장치.
제1항에 있어서,
인터페이스부를 더 포함하고,
상기 프로세서는,
상기 획득된 사용데이터를 상기 인터페이스부를 통해 서버에 전송하고,
상기 서버로부터 상기 전송된 사용데이터와, 상기 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별한 식별 결과를 수신하는 전자장치.
제1항에 있어서,
상기 프로세서는,
상기 식별 결과를 포함하는 그래픽 사용자 인터페이스(GUI; Graphic User Interface)를 상기 디스플레이에 표시하는 전자장치.
제9항에 있어서,
상기 프로세서는,
상기 GUI를 통해 상기 디스플레이의 화질 열화 방지 동작의 수행 여부를 결정하는 사용자입력을 수신하는 전자장치.
전자장치의 제어방법에 있어서,
상기 전자장치의 사용에 기초하여 사용데이터를 획득하는 단계;
상기 획득된 사용데이터와, 상기 전자장치의 사용 형태 및 디스플레이의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 단계; 및
상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는 단계를 포함하는 것을 특징으로 하는 전자장치의 제어방법.
제11항에 있어서,
상기 디스플레이의 특성데이터 및 상기 디스플레이의 화질 열화 간의 관계에 더 기초하여, 상기 디스플레이의 화질 열화 여부를 식별하는 단계; 및
상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는 단계를 포함하는 것을 특징으로 하는 전자장치의 제어방법.
제12항에 있어서,
상기 디스플레이의 화질 열화 여부를 식별하는 단계는,
상기 획득된 사용데이터를 벡터화하는 단계; 및
상기 벡터화된 사용데이터의 차원을 압축하여 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 단계를 포함하는 것을 특징으로 하는 전자장치의 제어방법.
제12항에 있어서,
상기 디스플레이의 화질 열화 여부를 식별하는 단계는,
상기 디스플레이의 화면 영역 별로 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 단계를 포함하는 것을 특징으로 하는 전자장치의 제어방법.
제13항에 있어서,
상기 디스플레이의 화질 열화 여부를 식별하는 단계는,
상기 디스플레이의 특성데이터에 기초하여, 상기 압축된 사용데이터의 차원을 상기 디스플레이의 화면 영역에 대응하도록 확장하여 상기 디스플레이의 화질 열화 여부를 식별하는 단계를 포함하는 것을 특징으로 하는 전자장치의 제어방법.
제11항에 있어서,
상기 디스플레이의 화질 열화 여부를 식별하는 단계는,
상기 디스플레이의 화질 열화 여부를 주기적으로 식별하는 단계를 포함하는 것을 특징으로 하는 전자장치의 제어방법.
제11항에 있어서,
상기 참조데이터는, 상기 전자장치의 사용에 따라 상기 디스플레이의 화질 열화 식별에 관한 연산을 수행하도록 학습된 모델을 포함하는 것을 특징으로 하는 전자장치의 제어방법.
제11항에 있어서,
상기 획득된 사용데이터를 인터페이스부를 통해 서버에 전송하는 단계;
상기 서버로부터 상기 전송된 사용데이터와, 상기 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별한 식별 결과를 수신하는 단계를 포함하는 것을 특징으로 하는 전자장치의 제어방법.
제11항에 있어서,
상기 식별 결과를 포함하는 그래픽 사용자 인터페이스(GUI; Graphic User Interface)를 상기 디스플레이에 표시하는 단계를 포함하는 것을 특징으로 하는 전자장치의 제어방법.
컴퓨터가 읽을 수 있는 코드로서, 전자장치의 제어방법을 수행하는 코드를 포함하는 컴퓨터 프로그램이 저장된 기록매체에 있어서, 상기 전자장치의 제어방법은,
상기 전자장치의 사용에 기초하여 사용데이터를 획득하는 단계;
상기 획득된 사용데이터와, 상기 전자장치의 사용 형태 및 디스플레이의 화질 열화 간의 관계에 기반하여 마련된 참조데이터에 기초하여, 상기 전자장치의 사용에 따른 상기 디스플레이의 화질 열화 여부를 식별하는 단계; 및
상기 식별 결과에 따라 상기 디스플레이의 화질 열화 방지 동작을 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터가 읽을 수 있는 프로그램이 기록된 기록매체.