KR20220040251A - 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법 - Google Patents

트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법 Download PDF

Info

Publication number
KR20220040251A
KR20220040251A KR1020200123211A KR20200123211A KR20220040251A KR 20220040251 A KR20220040251 A KR 20220040251A KR 1020200123211 A KR1020200123211 A KR 1020200123211A KR 20200123211 A KR20200123211 A KR 20200123211A KR 20220040251 A KR20220040251 A KR 20220040251A
Authority
KR
South Korea
Prior art keywords
image
style
transfer
composition
base
Prior art date
Application number
KR1020200123211A
Other languages
English (en)
Inventor
박지은
임채석
이창식
Original Assignee
펄스나인 주식회사
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 펄스나인 주식회사 filed Critical 펄스나인 주식회사
Priority to KR1020200123211A priority Critical patent/KR20220040251A/ko
Publication of KR20220040251A publication Critical patent/KR20220040251A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G06T3/0012—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G06T5/002—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

본 발명에 의한 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법 및 그 시스템은, 베이스(콘텐츠) 이미지 및 스타일 이미지를 입력받는 단계(S10)와, 베이스 이미지와 스타일 이미지 간 피처맵 차이를 분석하는 단계(S20)와, 스타일 이미지와 비교해 베이스 이미지의 구도/명도/채도/해상도 구성을 분석하는 단계(S30)와, 베이스 이미지를 상기 스타일 이미지와 유사한 구도/명도/채도/해상도가 될 수 있도록 재생성하는 단계(S40)와, 재생성된 이미지로 이미지 트랜스퍼를 진행하는 단계(S50);를 포함한다.

Description

트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법{A method for generating transfer images that increases the universal performance of the transfer generation model}
본 발명은 트랜스퍼 이미지 생성 방법에 관한 것으로서, 더욱 상세하게는 트랜스퍼 하고자 하는 베이스 이미지를 DGN(Deep generative model) 기반으로 얼라이먼트(alinement)를 재정렬해 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법에 관한 것이다.
일반적으로 이미지 트랜스퍼는 베이스 이미지와 타겟 이미지간 정렬의 유사 정도에 따라 성능 차이가 크다. 이에 따라 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법 및 그 장치의 필요성이 대두되고 있다.
본 발명의 목적은, 트랜스퍼 하고자 하는 베이스 이미지를 DGN(Deep generative model) 기반으로 얼라이먼트(alinement)를 재정렬해 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법을 제공하기 위한 것이다.
상기한 목적을 달성하기 위한 본 발명의 실시예에 의한 방법은,
베이스 이미지 및 스타일 이미지를 입력받는 단계;
베이스 이미지와 스타일 이미지 간 피처맵 차이를 분석하는 단계;
스타일 이미지와 비교해 베이스 이미지의 구도/명도/채도/해상도 구성을 분석하는 단계;
베이스 이미지를 상기 스타일 이미지와 유사한 구도/명도/채도/해상도가 될 수 있도록 재생성하는 단계;
재생성된 이미지로 이미지 트랜스퍼를 진행하는 단계;를 포함한다.
상기 피처맵 차이 분석은, 이미지간 피처맵 차이를 분석함에 있어서 사용된 알고리즘은 VGG19와 같은 일반적인 피처맵 추출 모델을 사용할 수 있다.
상기 이미지의 구도/명도-채도/노이즈/해상도 분석은, 각각 개별 판별기에서 독립적으로 시행하고, 4가지의 출력을 추출하여 전달할 수 있다.
상기한 본 발명에 의한 트랜스퍼 이미지 생성 시스템은,
베이스 이미지와 스타일 이미지를 입력받는 이미지 입력부와;
상기 베이스 이미지와 상기 스타일 이미지 간의 피처맵 차이를 분석하는 이미지 피처맵 분석부와;
상기 이미지 피처맵 분석부의 피처맵 차이 정보에 기초하여 상기 스타일 이미지와 비교하여 베이스 이미지의 구성을 분석하는 이미지 구성 분석부와;
상기 이미지 구성 분석 정보에 기초하여 상기 베이스 이미지를 상기 스타일 이미지와 유사한 구성이 될 수 있도록 상기 베이스 이미지를 재생성하는 이미지 재생성부와;
상기 재생성된 이미지를 트랜스퍼하는 이미지 트랜스퍼부; 를 포함한다.
상기 이미지 구성분석부는, 스타일 이미지와 비교하여 베이스 이미지의 구도를 분석하는 구도 분석부와,
스타일 이미지와 비교하여 베이스 이미지의 명도-채도를 분석하는 이미지 명도-채도 분석부와,
스타일 이미지와 비교하여 베이스 이미지의 노이즈를 분석하는 이미지 노이즈 분석부와,
스타일 이미지와 비교하여 베이스 이미지의 해상도를 분석하는 이미지 해당도 분석부;를 포함한다.
상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 방법은, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램 및 그 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체로 구현될 수 있다.
본 발명에 의한 트랜스퍼 이미지 생성 방법 및 그 시스템은, 트랜스퍼 하고자 하는 베이스 이미지를 DGN(Deep generative model) 기반으로 스타일 이미지에 대한 피처맵 차이를 분석하고, 이를 이용하여 구도/명도-채도/노이즈/해상도를 분석하여 스타일 이미지와 유사하도록 베이스 이미지를 재생성해줌으로써, 트랜스퍼 이미지 생성모델의 보편적 성능을 높일 수 있는 효과가 있다.
도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 개념도이다.
도 2는 본 발명의 실시예에 따른 이미지 구성 분석부의 상세 구성 예시도이다.
도 3는 본 발명의 실시예에 따른 트랜스퍼 이미지 생성 개요 흐름도이다.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.
따라서, 예를 들어, 본 명세서의 블록도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 개념도이고, 도 2는 본 발명의 실시예에 따른 이미지 구성 분석부의 상세 구성 예시도이다.
상기한 본 발명에 의한 트랜스퍼 이미지 생성 시스템은,
베이스 이미지(콘텐츠 이미지)와 스타일 이미지를 입력받는 이미지 입력부(10)와, 상기 베이스 이미지와 상기 스타일 이미지 간의 피처맵 차이를 분석하는 이미지 피처맵 분석부(20)와, 상기 이미지 피처맵 분석부(20)의 피처맵 차이 정보에 기초하여 상기 스타일 이미지와 비교하여 베이스 이미지의 구성을 분석하는 이미지 구성 분석부(30)와, 상기 이미지 구성 분석 정보에 기초하여 상기 베이스 이미지를 상기 스타일 이미지와 유사한 구성이 될 수 있도록 상기 베이스 이미지를 재생성하는 이미지 재생성부(40)와, 상기 재생성된 이미지를 트랜스퍼하는 이미지 트랜스퍼부(50)를 포함한다.
상기 이미지 구성분석부(30)는, 스타일 이미지와 비교하여 베이스 이미지의 구도를 분석하는 구도 분석부(31)와, 스타일 이미지와 비교하여 베이스 이미지의 명도-채도를 분석하는 이미지 명도-채도 분석부(32)와, 스타일 이미지와 비교하여 베이스 이미지의 노이즈를 분석하는 이미지 노이즈 분석부(33)와, 스타일 이미지와 비교하여 베이스 이미지의 해상도를 분석하는 이미지 해당도 분석부(34);를 포함한다.
상기 피처맵 분석부(20)는, 베이스 이미지와 스타일 이미지 사이의 피처맵 차이를 분석하는데, 사용되는 알고리즘은 VGG19등과 같은 일반적인 피처맵 추출모델을 사용할 수 있다.
상기 이미지 구성 분석부(30)는, 구도/명도-채도/노이즈/해상도 분석을 각기 다른 개별 판별기를 이용하여 독립적으로 실행하여 4가지의 구성 정보를 출력한다.
상기 이미지 구도 분석부(31)는, 입력된 베이스 이미지와 스타일 이미지의 시멘틱 세그멘테이션 맵(semantic segmentation map)을 각기 추출한다. 상기 이미지 명도-채도 분석부(32)는, 입력된 베이스 이미지와 스타일 이미지의 그레이스케일 이미지를 각기 추출한다. 상기 노이즈 분석부(33)는, 입력된 베이스 이미지와 스타일 이미지의 노이즈 패턴을 각기 추출한다. 상기 이미지 해상도 분석부(34)는 입력된 베이스 이미지와 스타일 이미지의 크기-해상도-선명도를 각기 추출한다.
상기 이미지 구도 분석부(31)는, 이미지 to 이미지 발생기를 통해서 타깃이 스타일 또는 콘텐츠(베이스) 이미지가 되도록 시멘틱 세그멘테이션 맵(semantic segmentation map)을 새로이 생성한다. 상기 명도-채도 분석부(32)는, 히스토그램 자동화 카깃이 스타일 또는 콘텐츠 이미지가 되도록 새로이 생성한다. 상기 노이즈 분석부(33)는, 콘텐츠 이미지를 먼저 디노이징한 후, 이미지 to 이미지 발생기를 통해서 스타일의 노이즈를 전이시킨다. 상기 이미지 해상도 분석부(34)는, 이미지 프로세싱을 통해 목표값이 될때까지 크기-해상도-선명도를 자동으로 조절한다.
도 3는 본 발명의 실시예에 따른 트랜스퍼 이미지 생성 개요 흐름도이다.
이와 같은 본 발명에 의한 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 시스템의 동작방법은,
베이스(콘텐츠) 이미지 및 스타일 이미지를 입력받는 단계(S10)와, 베이스 이미지와 스타일 이미지 간 피처맵 차이를 분석하는 단계(S20)와, 스타일 이미지와 비교해 베이스 이미지의 구도/명도/채도/해상도 구성을 분석하는 단계(S30)와, 베이스 이미지를 상기 스타일 이미지와 유사한 구도/명도/채도/해상도가 될 수 있도록 재생성하는 단계(S40)와, 재생성된 이미지로 이미지 트랜스퍼를 진행하는 단계(S50);를 포함한다.
상기 피처맵 차이 분석(S20)은, 이미지간 피처맵 차이를 분석함에 있어서 사용된 알고리즘은 VGG19와 같은 일반적인 피처맵 추출 모델을 사용할 수 있다.
상기 이미지의 구도/명도-채도/노이즈/해상도 분석(S30)은, 각각 개별 판별기에서 독립적으로 시행하고, 4가지의 출력을 추출하여 전달할 수 있다.
상기 이미지 구성 분석단계(S30)는, 이미지 to 이미지 발생기를 통해서 타깃이 스타일 또는 콘텐츠(베이스) 이미지가 되도록 시멘틱 세그멘테이션 맵(semantic segmentation map)을 새로이 생성하는 이미지 구도 분석단계와, 히스토그램 자동화 카깃이 스타일 또는 콘텐츠 이미지가 되도록 새로이 생성하는 이미지 명도-채도 분석 단계와, 콘텐츠 이미지를 먼저 디노이징한 후, 이미지 to 이미지 발생기를 통해서 스타일의 노이즈를 전이시키는 노이지 분석단계와, 이미지 프로세싱을 통해 목표값이 될때까지 크기-해상도-선명도를 자동으로 조절하는 이미지 해상 조절단계를 포함한다.
상기와 같이 이미지 구도분석, 이미지 명도-채도 문석, 이미지 노이즈 분석 및 이미지 해상도 분석을 각각 독립적으로 실행하고, 이들의 출력정보를 조합하여 상기 베이스 이미지를 스타일 이미지와 유사한 구도/명도-채도/해상도를 갖도록 트랜스퍼 이미지를 재생성하는 이미지 프랜스퍼를 실행하는 것이다.
상술한 본 발명에 따른 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있으며, 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다.
컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
10 : 이미지 입력부
20 : 이미지 피처맵 차이 분석부
30 : 이미지 구성 분석부
40 : 이미지 재생성부
50 : 이미지 트랜스퍼부

Claims (4)

  1. 트랜스퍼 이미지 생성 방법에 있어서,
    베이스 이미지 및 스타일 이미지를 입력받는 단계;
    베이스 이미지와 스타일 이미지 간 피처맵 차이를 분석하는 단계;
    스타일 이미지와 비교해 베이스 이미지의 구도/명도/채도/해상도 구성을 분석하는 단계;
    베이스 이미지를 상기 스타일 이미지와 유사한 구도/명도/채도/해상도가 될 수 있도록 재생성하는 단계;
    재생성된 이미지로 이미지 트랜스퍼를 진행하는 단계;를 포함하는
    트랜스퍼 이미지 생성 방법.
  2. 제1항에 있어서,
    상기 피처맵 차이 분석은, 이미지간 피처맵 차이를 분석함에 있어서 사용된 알고리즘은 VGG19와 같은 일반적인 피처맵 추출 모델을 사용하는
    트랜스퍼 이미지 생성 방법.
  3. 제1항에 있어서,
    상기 이미지의 구도/명도-채도/노이즈/해상도 분석은, 각각 개별 판별기에서 독립적으로 시행하고, 4가지의 출력을 추출하여 이미지 재생성 단계로 전달하는
    트랜스퍼 이미지 생성 방법.
  4. 제1항에 있어서,
    상기 이미지 구성 분석단계는,
    이미지 to 이미지 발생기를 통해서 타깃이 스타일 또는 콘텐츠(베이스) 이미지가 되도록 시멘틱 세그멘테이션 맵(semantic segmentation map)을 새로이 생성하는 이미지 구도 분석단계와,
    히스토그램 자동화 카깃이 스타일 또는 콘텐츠 이미지가 되도록 새로이 생성하는 이미지 명도-채도 분석 단계와,
    콘텐츠 이미지를 먼저 디노이징한 후, 이미지 to 이미지 발생기를 통해서 스타일의 노이즈를 전이시키는 노이지 분석단계와,
    이미지 프로세싱을 통해 목표값이 될때까지 크기-해상도-선명도를 자동으로 조절하는 이미지 해상 조절단계를 포함하는
    트랜스퍼 이미지 생성 방법.
KR1020200123211A 2020-09-23 2020-09-23 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법 KR20220040251A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200123211A KR20220040251A (ko) 2020-09-23 2020-09-23 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200123211A KR20220040251A (ko) 2020-09-23 2020-09-23 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법

Publications (1)

Publication Number Publication Date
KR20220040251A true KR20220040251A (ko) 2022-03-30

Family

ID=80948207

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200123211A KR20220040251A (ko) 2020-09-23 2020-09-23 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법

Country Status (1)

Country Link
KR (1) KR20220040251A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023191246A1 (ko) 2022-03-31 2023-10-05 주식회사 엘지에너지솔루션 전지 케이스 및 이차 전지
WO2023195661A1 (ko) * 2022-04-04 2023-10-12 삼성전자 주식회사 디스플레이 장치 및 그 동작 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023191246A1 (ko) 2022-03-31 2023-10-05 주식회사 엘지에너지솔루션 전지 케이스 및 이차 전지
WO2023195661A1 (ko) * 2022-04-04 2023-10-12 삼성전자 주식회사 디스플레이 장치 및 그 동작 방법

Similar Documents

Publication Publication Date Title
JP7128157B2 (ja) 自動化されたオブジェクト識別のための画像処理
US9171264B2 (en) Parallel processing machine learning decision tree training
CN107122290B (zh) 日志信息的记录方法及装置
KR20220040251A (ko) 트랜스퍼 생성모델의 보편적 성능을 높이는 트랜스퍼 이미지 생성 방법
US7877749B2 (en) Utilizing and maintaining data definitions during process thread traversals
CN103593168A (zh) 利用多重处理的渲染处理装置及方法
Voigtlaender et al. Reducing the annotation effort for video object segmentation datasets
KR102116791B1 (ko) 깊이 정보를 사용한 움직인 물체 검출 장치, 방법 및 컴퓨터 판독 가능한 기록 매체
US20130185233A1 (en) System and method for learning pose classifier based on distributed learning architecture
US10930012B2 (en) Progressive 3D point cloud segmentation into object and background from tracking sessions
US20090077563A1 (en) Systems And Methods For Grid Enabling Computer Jobs
KR20220040255A (ko) 이미지 트랜스퍼를 위한 ｄｇｎ기반 이미지 정렬 처리 시스템
US20190057125A1 (en) System and method for managing log data
CN114897723B (zh) 一种基于生成式对抗网络的图像生成与加噪方法
CN111897828A (zh) 数据批处理实现方法、装置、设备及存储介质
CN107544248B (zh) 一种移动机器人中的任务优化方法及设备
WO2020062277A1 (zh) 神经网络中数据预处理阶段的计算资源的管理方法和装置
CN111340175B (zh) 图重写的处理方法及装置、计算设备及可读介质
KR102529335B1 (ko) Ai 칩 연계 기반 온디바이스 ai 지원 방법
CN103593383A (zh) 利用多重处理的渲染处理装置及方法
KR20220151256A (ko) 순환 생성 적대 네트워크 조건부 생성 적대 네트워크
KR20220068357A (ko) 딥러닝 객체 검출 처리 장치
CN109413350B (zh) 一种远程桌面录像关键帧创建方法和装置
US20030045952A1 (en) Continuation manager
CN110751197A (zh) 图片分类方法、图片模型训练方法及设备