KR20220046982A - 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법 - Google Patents

이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법 Download PDF

Info

Publication number
KR20220046982A
KR20220046982A KR1020200130356A KR20200130356A KR20220046982A KR 20220046982 A KR20220046982 A KR 20220046982A KR 1020200130356 A KR1020200130356 A KR 1020200130356A KR 20200130356 A KR20200130356 A KR 20200130356A KR 20220046982 A KR20220046982 A KR 20220046982A
Authority
KR
South Korea
Prior art keywords
contour
landmarks
points
face
correcting
Prior art date
Application number
KR1020200130356A
Other languages
English (en)
Other versions
KR102416554B1 (ko
Inventor
정승원
Original Assignee
주식회사 써머캣
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 주식회사 써머캣 filed Critical 주식회사 써머캣
Priority to KR1020200130356A priority Critical patent/KR102416554B1/ko
Publication of KR20220046982A publication Critical patent/KR20220046982A/ko
Application granted granted Critical
Publication of KR102416554B1 publication Critical patent/KR102416554B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0454—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/001—Image restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Abstract

컴퓨팅 장치에 의해 수행되는 얼굴 윤곽을 보정하기 위한 방법이 개시된다. 상기 방법은, 대상 이미지에 나타난 얼굴 영역 상의 랜드마크들을 검출하는 단계, 검출된 랜드마크들 중 얼굴 윤곽을 나타내는 윤곽 랜드마크들 및 얼굴 윤곽을 보정하기 위한 기준점이 되는 기준점 랜드마크를 결정하는 단계, 윤곽 랜드마크들로 정의되는 윤곽선 함수 및 콤팩트 지지 함수(compactly supported function)로 정의되는 테스트 함수의 합성곱에 기초하여 대상 이미지 상의 점들에 대한 가중치를 계산하는 단계, 기준점 랜드마크 및 가중치에 기초하여, 대상 이미지 상의 점들에 대한 오프셋 벡터를 계산하는 단계 및 오프셋 벡터에 기초하여, 대상 이미지 상의 점들의 색좌표를 보정하는 단계를 포함한다.

Description

이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법{DEVICE FOR RETOUCHING FACIAL CONTOUR INCLUDED IN IMAGE AND OPERATING METHOD OF THE SAME}
본 발명은 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법에 관한 것이다.
카메라가 널리 보급됨에 따라, 사진을 촬영하는 사람의 수가 증가하였으며, 이에 따라, 자연스럽게, 사진 보정에 대한 수요가 증가하고 있다. 예를 들어, 인물 사진(selfie)의 경우, 인물 사진에 포함된 인물의 얼굴 윤곽에 대한 보정 기능이 제공되고 있다.
한국공개특허공보 제10-2017-0134256 호 (2017.12.06.)
본 발명이 해결하고자 하는 과제는 얼굴 윤곽 보정에 있어서, 오프셋 벡터들을 효율적으로, 그리고 정교하게 계산할 수 있고, 이에 따라, 얼굴 윤곽 보정에 소요되는 시간을 감소시킬 수 있는 얼굴 윤곽 보정 장치 및 이의 작동 방법을 제공하는 것에 있다.
본 발명의 실시 예들에 따른 컴퓨팅 장치에 의해 수행되는 얼굴 윤곽을 보정하기 위한 방법은, 대상 이미지에 나타난 얼굴 영역 상의 랜드마크들을 검출하는 단계, 검출된 랜드마크들 중 얼굴 윤곽을 나타내는 윤곽 랜드마크들 및 얼굴 윤곽을 보정하기 위한 기준점이 되는 기준점 랜드마크를 결정하는 단계, 윤곽 랜드마크들로 정의되는 윤곽선 함수 및 콤팩트 지지 함수(compactly supported function)로 정의되는 테스트 함수의 합성곱에 기초하여 대상 이미지 상의 점들에 대한 가중치를 계산하는 단계, 기준점 랜드마크 및 가중치에 기초하여, 대상 이미지 상의 점들에 대한 오프셋 벡터를 계산하는 단계 및 오프셋 벡터에 기초하여, 대상 이미지 상의 점들의 색좌표를 보정하는 단계를 포함한다.
본 발명의 실시 예들에 따른 얼굴 윤곽을 보정하기 위한 방법을 수행하기 위한 프로그램은 컴퓨터 판독가능한 비일시적인 저장 매체에 저장될 수 있다.
본 발명의 실시 예들에 따르면, 오프셋 벡터들을 효율적으로, 그리고 정교하게 계산할 수 있을 뿐만 아니라, 얼굴 윤곽 보정에 소요되는 시간을 감소시킬 수 있는 효과가 있다.
도 1은 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 장치를 나타낸다.
도 2는 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 장치를 나타낸다.
도 3은 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 도면이다.
도 5는 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 도면이다.
도 6 내지 도 10은 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 도면이다.
도 11은 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 플로우 차트이다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
이하, 첨부한 도면을 참조하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
도 1은 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 장치를 나타낸다. 도 1을 참조하면, 얼굴 윤곽 보정 장치(100)는 대상 이미지(IM)에 포함된 오브젝트(OBJ)의 얼굴 윤곽(FL)을 보정할 수 있다.
오브젝트(OBJ)는 이미지(IM)에 표시된 특정 형상을 가지는 물체를 의미할 수 있다. 예컨대, 오브젝트(OBJ)는 이미지(IM)에 나타난 인물일 수 있다.
실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 이미지(IM)에 포함된 오브젝트(OBJ)의 얼굴 영역을 식별하고, 오브젝트(OBJ)의 얼굴 영역의 크기가 감소하도록 얼굴 영역의 얼굴 윤곽(FL)을 보정하고, 보정된 얼굴 윤곽(FL')을 포함하는 보정된 이미지(IM')를 생성할 수 있다.
본 발명의 실시 예들에 따른 얼굴 윤곽 보정 장치(100)는 연산을 수행할 수 있는 컴퓨팅 장치일 수 있다. 예컨대, 얼굴 윤곽 보정 장치(100)는 PC(personal computer), 스마트폰(smartphone), 노트북(laptop), 태블릿 PC(tablet PC) 등 개인용 컴퓨팅 장치이거나, 또는, 웹 서버 또는 웹 서버 어플리케이션을 실행하도록 구성되는 서버 컴퓨팅 장치일 수 있으나, 본 발명의 실시 예들이 이에 한정되는 것은 아니다.
도 2는 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 장치를 나타낸다. 도 1 내지 도 2를 참조하면, 얼굴 윤곽 보정 장치(100)는 프로세서(110), 메모리(120) 및 통신 장치(130)를 포함할 수 있다.
프로세서(110)는 연산을 수행할 수 있다. 실시 예들에 따라, 프로세서(110)는 메모리(120)에 저장된 명령어들에 기초하여 특정 연산을 수행할 수 있다. 예컨대, 프로세서(110)는 메모리(120)에 저장된 얼굴 윤곽 보정을 위한 애플리케이션을 실행하고, 애플리케이션의 실행에 따라 얼굴 윤곽 보정 동작을 수행할 수 있다.
예컨대, 프로세서(110)는 CPU(central processing unit) 또는 GPU(graphics processing unit)일 수 있으나, 이에 한정되는 것은 아니다.
메모리(120)는 얼굴 윤곽 보정 장치(100)의 작동에 필요한 데이터를 저장할 수 있다. 실시 예들에 따라, 메모리(120)는 얼굴 윤곽 보정 동작을 수행하기 위해 필요한 명령어들(예컨대, 애플리케이션 또는 소프트웨어)을 저장할 수 있다.
통신 장치(130)는 얼굴 윤곽 보정 장치(100)로 전송되는 데이터를 수신하거나, 또는, 얼굴 윤곽 보정 장치(100)로부터 외부 장치로 데이터를 전송할 수 있다. 실시 예들에 따라, 통신 장치(130)는 LAN(local area network) 또는 WAN(wide area network)와 같은 네트워크를 통해, 외부 장치와 데이터를 주고받을 수 있다. 예컨대, 통신 장치(100)는 외부 장치로부터 전송된 이미지 데이터를 수신할 수 있고, 외부 장치로 이미지 데이터를 전송할 수 있다.
이하, 본 명세서에서 설명되는 얼굴 윤곽 보정 장치(100)의 동작들은 프로세서(110)가 메모리(120)에 저장된 애플리케이션을 실행함으로써 수행되는 동작으로 설명될 수 있다. 상기 애플리케이션은 컴퓨터 판독가능한 비일시적인 저장 매체에 저장될 수 있다.
도 3은 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 도면이다. 도 3을 참조하면, 이미지(IM)에 나타난 오브젝트(OBJ)가 나타나 있다. 이미지(IM)는 복수의 픽셀(pixel)들(또는 점(point)들)을 포함할 수 있다. 복수의 픽셀들 각각은 이미지(IM)를 구성하는 최소 단위일 수 있다.
픽셀들 각각에는 픽셀들 각각의 색에 대응하는 색 좌표가 할당될 수 있다. 색 좌표는 이미지(IM)에 포함된 픽셀의 위치에 대응하는 색을 나타내는 정보로서, 색 좌표는 복수의 색에 대한 좌표 값을 포함할 수 있다. 예컨대, 이미지(IM)에 포함된 복수의 픽셀들 각각에 대해, 적색(red)을 나타내는 적색 좌표 값, 녹색(green)을 나타내는 녹색 좌표 값, 및 청색(blue)을 나타내는 청색 좌표 값이 할당될 수 있으나, 본 발명의 실시 예들이 이에 한정되는 것은 아니다.
본 발명의 실시 예들에 따른 얼굴 윤곽 보정 장치(100)는 이미지(IM)에 포함된 픽셀들(또는 점들)의 색좌표를 변경함으로써, 얼굴 윤곽(FL)을 보정할 수 있다. 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 보정 전 얼굴 윤곽(FL) 상의 점들 각각에 할당된 색좌표를 다른 위치의 점의 색좌표로서 할당시킬 수 있고, 이 때, 색좌표가 할당된 점들의 집합이 보정 후 얼굴 윤곽(FL')이 된다. 다시 말하면, 보정 전 얼굴 윤곽(FL)은 보정 전 얼굴 윤곽(FL) 상의 점들의 색좌표로서 특징될 수 있으므로, 보정 전 얼굴 윤곽(FL) 상의 점들의 색좌표가 새롭게 할당된 점들의 집합이 곧 새로운 얼굴 윤곽, 즉, 보정 후 얼굴 윤곽(FL')이 된다.
예컨대, 도 3에 도시된 바와 같이, 점 A'(A'x, A'y)에 대한 색좌표를 보정 전 얼굴 윤곽(FL) 상의 임의의 점 A(Ax, Ay)에 대응하는 색좌표로 보정(또는 변경)하는 경우, 점 A'(A'x, A'y)는 보정 후 얼굴 윤곽(FL') 상의 점이 된다. 이와 같은 방식을 통하면, 보정 후 얼굴 윤곽(FL') 상의 점들의 색좌표는 보정 전 얼굴 윤곽(FL) 상의 점들의 색좌표가 되고, 결과적으로, 얼굴 윤곽이 보정될 수 있다.
도 4는 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 도면이다. 도 4를 참조하면, 얼굴 윤곽 보정 장치는 이미지(IM) 상의 점들 각각에 대해, 오프셋 벡터를 결정할 수 있다. 오프셋 벡터는 얼굴 윤곽 보정에 따라 기존 위치의 점이 이동될 방향과 크기에 대한 정보를 포함한다. 다시 말하면, 오프셋 백터는 이미지 상의 점들 각각에 대한 보정 변위 및 보정 방향을 나타낼 수 있다. 예컨대, 도 4에 도시된 바와 같이, 점 A'(A'x, A'y)는 점 A(Ax, Ay)로부터 점 A에 대한 오프셋 벡터 V A(vx, vy) 만큼 이동된 점이므로, 점 A에 대한 오프셋 벡터 V A(vx, vy)는 점 A(Ax, Ay)가 이동될 보정 후 얼굴 윤곽(FL') 상의 점 A'(A'x, A'y)을 결정할 수 있다.
얼굴 윤곽 보정 장치(100)는 결정된 오프셋 벡터에 기초하여, 이미지 상의 점들의 색좌표를 보정할 수 있다. 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 이미지 상의 점들 각각(예컨대, 점 A)에 대해, 결정된 오프셋 벡터를 이용하여 이동될 점(예컨대, 점 A')을 결정하고, 결정된 이동될 점(예컨대, 점 A')의 색좌표를 이동 전의 점(예컨대, 점 A)의 색좌표로 변경할 수 있다. 예컨대, 얼굴 윤곽 보정 장치(100)는 이미지(IM) 각각의 점들에 대한 색좌표의 정보를 메모리(120)에 저장하고, 메모리(120)에 저장된 보정 전 이미지(IM)의 색좌표 정보를 보정함으로써 새로운 색좌표 정보를 생성함으로써, 보정 후 이미지를 생성할 수 있다.
예컨대, 도 4에 도시된 바와 같이, 얼굴 윤곽 보정 장치(100)는 점 A에 대한 오프셋 벡터 VA로 결정되는 점 A'의 색좌표를 점 A의 색좌표로 변경할 수 있다. 즉, 점 A(A'x, A'y)의 색좌표를 RGB(A'x, A'y)라 할 때, 얼굴 윤곽 보정 장치(100)는 점 A(A'x, A'y)의 색좌표는 아래 수학식 1에 따라 결정할 수 있다.
Figure pat00001
얼굴 윤곽 보정 장치(100)는 보정 전 얼굴 윤곽(FL) 상의 점들 각각에 대한 오프셋 벡터에 및 점들 각각의 색좌표를 이용하여, 얼굴 윤곽을 보정할 수 있다. 한편, 점들 각각에 대한 색좌표에 대한 정보는 저장되어 있으므로, 얼굴 윤곽 보정을 위해서는 점들 각각에 대한 오프셋 벡터를 계산하는 것이 요구된다.
도 5는 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 도면이다. 도 5를 참조하면, 얼굴 윤곽(FL)의 주변 영역(NA)이 나타나 있다. 이미지 보정에 있어서, 보정 전 이미지와 보정 후 이미지 사이의 차이가 크지 않는 것이 중요하고, 이를 위해서는 보정 대상이 되는 부분은 물론, 보정 대상이 되는 부분의 주변 영역에 대한 보정도 수행되어야 한다.
얼굴 윤곽 보정의 경우에도, 얼굴 윤곽 및 얼굴 윤곽 주변의 영역에 대한 보정도 함께 이루어져야 보정이 자연스럽게 된다. 예컨대, 도 5에 도시된 바와 같이, 얼굴 윤곽(FL) 상의 점들에 대한 보정 및 주변 영역(NA) 상의 점들에 대한 보정도 수행하여야 보정이 자연스럽게 된다. 또한, 얼굴 윤곽 보정의 경우, 얼굴 윤곽(FL)으로부터 일정 범위에 속하는 주변 영역에 대해서만 보정이 이루어져야 하며, 얼굴 윤곽(FL)으로부터 멀리 떨어진 영역(예컨대, 어깨 위치 등)에 대해서는 보정이 수행되지 않아야 한다.
이를 오프셋 벡터의 관점으로 바꾸어 말하면, 얼굴 윤곽(FL) 상의 점들에 대한 오프셋 벡터 및 주변 영역(NA) 상의 점들에 대한 오프셋 벡터를 계산하여야 하며, 얼굴 윤곽(FL)으로부터 멀리 떨어진 점일수록, 오프셋 벡터의 크기가 작아져야 하는 조건을 충족하여야 한다. 예컨대, 도 5에 도시된 바와 같이, 얼굴 영역 상의 점(A)에 대한 오프셋 벡터(VA)뿐만 아니라 주변 영역(NA) 상의 점(B)에 대한 오프셋 벡터(VB)도 결정되어야 한다. 이 때, 얼굴 윤곽(FL)으로부터 상대적으로 먼 위치의 점(C)에 대한 오프셋 벡터는 0일 수 있다.
한편, 이미지(IM)의 화질이 높을수록, 이미지 데이터에 포함되는 점(즉, 픽셀)들의 개수가 증가하므로, 오프셋 벡터 계산의 대상이 되는 점들의 개수가 증가한다. 이에 따라, 이미지의 화질이 높을 수록, 얼굴 윤곽(FL) 및 주변 영역(NA) 상의 점들에 대해서 상술한 조건들을 만족시키는 오프셋 벡터들을 계산하는데 소요되는 시간이 증가하는 문제가 있다. 예컨대, RBF 보간(radial basis function interpolation)에 기초하여 오프셋 벡터를 계산하는 경우, 상당한 시간이 소요될 수 있다. 한편, 오프셋 벡터들을 정교하게 계산하지 않는 경우, 보정의 품질이 떨어지는 문제가 또한 발생한다.
따라서, 오프셋 벡터들을 효율적으로, 그리고 정교하게 계산하는 것이 얼굴 윤곽 보정에 소요되는 시간을 줄이는데 효과적이다.
도 6 내지 도 10은 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 도면이다. 도 6을 참조하면, 얼굴 윤곽 보정 장치(100)는 이미지 데이터를 수신하고, 이미지 데이터를 이용하여 이미지(IM) 내의 오브젝트(OBJ)의 얼굴 영역 상의 랜드마크들(landmarks; LMK)을 검출할 수 있다.
랜드마크들(LMK)은 오브젝트(OBJ)의 얼굴 영역 상의 특징들에 대응하는 점들을 의미할 수 있다. 예컨대, 랜드마크들(LMK)은 오브젝트(OBJ)의 얼굴 영역 중 눈들(eyes), 눈썹들(eyebrows), 입술(lib), 코(nose) 및 얼굴 윤곽(또는 외곽) 상의 점들을 포함할 수 있다. 랜드마크들(LMK)을 식별함으로써 오브젝트(OBJ)의 얼굴의 형태, 방향 등을 파악할 수 있다.
예컨대, 도 6에 도시된 바와 같이, 오브젝트(OBJ)의 얼굴 영역에는 복수의 랜드마크들이 포함될 수 있고, 복수의 랜드마크들 각각에 대해서는 번호(또는 식별자)가 할당될 수 있다. 따라서, 얼굴 윤곽 보정 장치(100)는 랜드마크들(LMK) 각각에 대해서 할당된 번호(또는 식별자)를 이용하여, 랜드마크를 구별할 수 있다.
실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 인공 신경망 알고리즘을 이용하여, 이미지(IM)로부터 랜드마크들을 검출할 수 있다. 예컨대, 얼굴 윤곽 보정 장치(100)는 메모리(120)에 저장된 CNN(convolution neural network) 기반의 랜드마크 검출 알고리즘에 기초하여, 이미지(IM)로부터 랜드마크들을 검출할 수 있다.
실시 예들에 따라, 메모리(120)에 저장된 랜드마크 검출 알고리즘은 복수의 이미지들 및 복수의 이미지들 각각에서 식별된 랜드마크들의 정보로 이루어지는 학습 데이터셋을 이용하여 학습된 알고리즘일 수 있다. 이에 따라, 프로세서(110)는 랜드마크 검출 알고리즘에 따라, 입력되는 임의의 이미지로부터 얼굴 영역 상의 랜드마크들의 정보를 생성할 수 있다. 예컨대, 얼굴 윤곽 보정 장치(100)는 입력된 이미지 상의 랜드마크들의 좌표를 생성할 수 있다.
예컨대, 메모리(120)에 저장된 랜드마크 검출 알고리즘은 300-W (300 Faces in-the-Wild Challenge) 데이터셋, LFPW (Labeled Face Parts in the Wild) 데이터셋 및 COFW (Caltech Occluded Faces in the Wild) 데이터셋 중 적어도 하나를 학습 데이터셋으로 하여 학습된 알고리즘일 수 있으나, 이에 한정되는 것은 아니다.
이하, 설명의 편의상, 본 명세서에서는 얼굴 윤곽 보정 장치(100)가 300-W 데이터셋을 학습 데이터셋으로 하여 학습된 랜드마크 검출 알고리즘을 이용하는 것을 가정하고 설명한다.
도 7을 참조하면, 얼굴 윤곽 보정 장치(100)는 검출된 랜드마크들(LMK) 중에서 오브젝트(OBJ)의 얼굴 윤곽(FL)을 나타내는 윤곽 랜드마크들(OLMK) 및 얼굴 윤곽(FL)을 보정하기 위한 기준점이 되는 기준점 랜드마크(RLMK)를 결정할 수 있다.
실시 예들에 따라, 윤곽 랜드마크들(OLMK)은 오브젝트(OBJ)의 얼굴 영역 상의 랜드마크들(LMK) 중에서 얼굴 영역의 턱선 부분과 대응하는 랜드마크일 수 있다. 예컨대, 도 7에 도시된 바와 같이, 300-W 데이터셋에 기초하여 검출된 랜드마크들(LMK)인 경우, 윤곽 랜드마크들(OLMK)은 4번 내지 14번 랜드마크들을 포함할 수 있다.
실시 예들에 따라, 기준점 랜드마크(RLMK)는 오브젝트(OBJ)의 얼굴 영역 상의 랜드마크들(LMK) 중에서 얼굴 영역의 코 부분과 대응하는 랜드마크일 수 있다. 예컨대, 도 7에 도시된 바와 같이, 300-W 데이터셋에 기초하여 검출된 랜드마크들(LMK)인 경우, 기준점 랜드마크(RLMK)는 32번 내지 36번 랜드마크들 중 어느 하나일 수 있다.
얼굴 윤곽 보정 장치(100)는 결정된 윤곽 랜드마크들(OLMK) 및 기준점 랜드마크(RLMK)의 정보를 메모리(120)에 저장할 수 있다.
도 8을 참조하면, 얼굴 윤곽 보정 장치(100)는 이미지(IM)의 얼굴 영역 상의 점들 각각에 대해서 오프셋 벡터를 계산(또는 결정)할 수 있다. 예컨대, 도 8에 도시된 바와 같이, 얼굴 윤곽 보정 장치(100)는 점들(A 및 B) 각각에 대한 오프셋 벡터(VA 및 VB)를 계산할 수 있다.
실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 각 점들로부터 기준 랜드마크(RLMK)로의 변위 벡터 및 각 점들에 대응하는 가중치에 기초하여, 오프셋 벡터를 계산할 수 있다. 이 때, 변위 벡터는 각 점들을 시점(start point)로 하고, 기준 랜드마크(RLMK)를 종점(end point)으로 하는 벡터를 의미할 수 있다.
또한, 가중치는 얼굴 윤곽(FL)의 주변에서 정의되는 함수에 따라 결정될 수 있다. 실시 예들에 따라, 가중치는 얼굴 윤곽(FL)으로부터 일정 범위 내에 있는 점들에 대해서는 0이 아닌 값으로 정의되고, 상기 일정 범위 밖에 있는 점들에 대해서는 0으로 정의된다. 예컨대, 가중치는 얼굴 윤곽(FL)으로부터의 거리에 반비례할 수 있다.
얼굴 윤곽 보정 장치(100)는 점 (x, y)에 대한 오프셋 벡터 V를 아래 수학식 2에 따라 계산할 수 있다.
Figure pat00002
(여기서, t는 상수이고, w(x,y)는 점 (x,y)에 대한 가중치이며, (Rx, Ry)는 기준점 랜드마크의 좌표이다)
예컨대, 상수 t는 -1 초과 1 미만의 실수일 수 있으나, 이에 한정되는 것은 아니다.
이 때, 변위 벡터의 계산은 양 점들의 좌표를 단순 연산함으로써 도출될 수 있고, 가중치의 적용은 스칼라(scalar) 연산이므로, 변위 벡터 및 가중치에 기초하여 오프셋 벡터를 계산하는 경우, 오프셋 벡터의 계산이 간단해지는 효과가 있다. 또한, 가중치는 얼굴 윤곽(FL)으로부터 일정 범위 내에 있는 점들에 대해서는 0이 아닌 값으로 정의되며, 얼굴 윤곽(FL)으로부터의 거리에 반비례할 수 있으므로, 가중치에 기초하는 경우 오프셋 벡터가 정교하게 계산될 수 있다.
얼굴 윤곽 보정 장치(100)는 결정된 윤곽 랜드마크들(OLMK)로 정의되는 윤곽선 함수 및 일정 범위 내에 있는 점들에 대해서는 0이 아닌 값으로 정의되고, 상기 일정 범위 밖에 있는 점들에 대해서는 0으로 정의되는 테스트 함수에 기초하여, 가중치를 결정할 수 있다.
실시 예들에 따라, 윤곽선 함수는 결정된 윤곽 랜드마크들(OLMK)을 연결하는 선분들을 포함하도록 정의될 수 있다. 예컨대, 윤곽선 함수(OF)는, 도 9에 도시된 바와 같이, 윤곽 랜드마크들(OLMK)으로 이어진 다각형 선분(polygonal line)일 수 있다. 즉, 윤곽선 함수는 가중치 계산의 기준이 되는 얼굴 윤곽을 정의하는 함수일 수 있다.
또한, 실시 예들에 따라, 테스트 함수는 특정한 범위 내에서는 0이 아닌 값으로 정의되고, 상기 특정한 범위 밖에서는 0으로 정의되는 함수일 수 있다. 예컨대, 상기 테스트 함수는 콤팩트 지지 함수(compactly supported function)일 수 있고, 예시적으로, 범프 함수(bump function)일 수 있다.
예컨대, 범프 함수의 예시로서는, 아래 수학식 3에 의해 정의되는 함수일 수 있다.
Figure pat00003
(여기서, ||(x,y)||는 벡터 (x,y)의 크기(norm)를 의미하고, k>0)
한편, 본 발명의 실시 예들이 수학식 3에 기재된 범프 함수에 한정되는 것은 아니다. 예컨대, 수학식 3에 기재된 범프 함수 B(x,y)의 서포트의 반경은 1이나, 실시 예들에 따라, 상기 반경은 1보다 크거나 작을 수 있다. 이 때, 통상의 기술자는 B(x,y)에 (x, y) → (x/r, y/r)의 스케일링을 적용함으로써 수학식 3에 기재된 범프 함수 B(x,y)의 반경을 r로 스케일링할 수 있다. 또한, 실시 예들에 따라, 수학식 3의 범프 함수 B(x,y) 이외의, 임의의 반경을 갖는 범프 함수를 이용할 수도 있다. 얼굴 윤곽 보정 장치(100)는 윤곽선 함수 및 테스트 함수의 합성곱(convolution)에 기초하여 점들 각각에 대한 가중치를 계산할 수 있다. 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 아래 수학식 4에 기초하여, 점들 각각에 대한 가중치를 계산할 수 있다.
Figure pat00004
(여기서, w(x,y)는 얼굴 영역 상의 점들 (x,y)에 대한 가중치이고, P는 윤곽선 함수이고, B(x,y)는 테스트 함수이고, *는 합성곱 연산자임)
실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 아래 수학식 5에 기초하여, 점들 각각에 대한 가중치를 계산할 수 있다.
Figure pat00005
(여기서, 수학식 5의 적분 범위는 윤곽선 함수 P(x,y)의 정의역 범위에 따라 적절히 조절될 수 있다. 예컨대, 수학식 5의 피적분함수의 값은 윤곽선 함수 P(x,y)가 정의되는 영역에서만 정의되고, 나머지 영역에 대해서는 0으로 계산될 수 있다)
이에 따라, 본 발명의 실시 예들에 따르면, 이미지 상의 점들에 대한 가중치는 얼굴 윤곽(FL)으로부터 일정 범위 내에 있는 점들에 대해서는 0이 아닌 값으로 정의되고, 상기 일정 범위 밖에 있는 점들에 대해서는 0으로 계산될 수 있다. 따라서, 오프셋 벡터 또한 얼굴 윤곽(FL)으로부터 일정 범위 밖에 있는 점들에 그 크기가 0으로 계산될 수 있다. 예컨대, 도 10에 도시된 바와 같이, 계산된 오프셋 벡터(V)의 크기는 얼굴 윤곽(FL)으로부터 일정 범위 밖에 있는 점들에 대해 그 크기가 0으로 계산될 수 있으며, 또한, 얼굴 윤곽(FL)으로부터 멀어질수록 그 크기가 작아질 수 있다. 따라서, 얼굴 윤곽(FL) 주변에 대한 보정이 정교하게 이루어질 수 있는 효과가 있다.
또한, 상술한 바와 같이, 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 장치(100)는 좌표들의 차로 도출되는 변위 벡터와, 스칼라인 가중치에 기초하여 오프셋 벡터를 계산하므로, 오프셋 벡터의 계산에 소요되는 시간이 감소할 수 있는 효과가 있다.
예시적으로, (3168 * 2112) 크기의 이미지의 경우, 본 발명의 실시 예들에 따른 가중치 및 변위 벡터에 기초하여 오프셋 벡터를 계산할 때의 런타임 시간은, RBF 보간을 통해 오프셋 벡터를 계산할 때의 런타임 시간에 비해 약 1/4로 감소될 수 있다.
도 11은 본 발명의 실시 예들에 따른 얼굴 윤곽 보정 방법을 나타내는 플로우 차트이다. 도 11을 참조하여 설명되는 얼굴 윤곽 보정 방법은 컴퓨팅 장치에 의해 수행될 수 있으며, 상기 얼굴 윤곽 보정 방법을 수행하기 위한 명령어들을 컴퓨터 판독가능한 저장 매체에 저장될 수 있다.
도 11을 참조하면, 얼굴 윤곽 보정 장치(100)는 이미지(IM) 상의 얼굴 영역을 식별할 수 있다(S110). 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 이미지(IM)에 나타난 오브젝트(OBJ)의 영역들 중에서 얼굴 주변의 얼굴 영역을 식별할 수 있다.
예컨대, 얼굴 윤곽 보정 장치(100)는 HOG(histogram of Oriented Gradients) 얼굴 검출 알고리즘, 경계 검출 알고리즘, 선 검출 알고리즘 및 인공 신경망 알고리즘(예컨대, CNN) 중 적어도 하나에 기초하여, 얼굴 영역을 식별할 수 있다.
얼굴 윤곽 보정 장치(100)는 식별된 얼굴 영역을 중심으로 이미지를 크롭(crop)할 수 있다. 이에 따라, 보정을 위해 입력되는 데이터(즉, 픽셀 데이터)가 감소되는 효과가 있다.
얼굴 윤곽 보정 장치(100)는 얼굴 영역 상의 랜드마크를 검출할 수 있다(S120). 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 메모리(120)에 저장된 랜드마크 검출 알고리즘을 이용하여, 얼굴 영역 상의 랜드마크를 검출할 수 있다.
얼굴 윤곽 보정 장치(100)는 검출된 랜드마크들 중에서, 윤곽 랜드마크들 및 기준점 랜드마크를 결정할 수 있다(S130). 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 오브젝트(OBJ)의 얼굴 윤곽(FL)을 나타내는 윤곽 랜드마크들 및 얼굴 윤곽(FL)을 보정하기 위한 기준점이 되는 기준점 랜드마크(RLMK)를 결정할 수 있다.
얼굴 윤곽 보정 장치(100)는 윤곽 랜드마크들 및 테스트 함수에 기초하여, 이미지(IM) 상의 점들에 대한 가중치를 계산할 수 있다(S140). 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 윤곽 랜드마크들로 구성되는 윤곽선 함수와 테스트 함수의 합성곱으로부터 가중치를 계산할 수 있다.
얼굴 윤곽 보정 장치(100)는 기준점 랜드마크 및 가중치에 기초하여, 오프셋 벡터를 계산할 수 있다(S150). 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 기준점 랜드마크와 각 점으로 도출되는 변위 벡터 및 가중치를 이용하여, 각 점들에 대한 오프셋 벡터를 계산할 수 있다.
얼굴 윤곽 보정 장치(100)는 오프셋 벡터에 기초하여, 이미지(IM) 상의 점들의 색좌표를 보정함으로써, 얼굴 윤곽(FL)을 보정할 수 있다(S160). 실시 예들에 따라, 얼굴 윤곽 보정 장치(100)는 이미지 상의 점들 각각에 대해, 결정된 오프셋 벡터를 이용하여 이동될 점을 결정하고, 결정된 이동될 점(예컨대, 점 A')의 색좌표를 이동 전의 점의 색좌표로 변경할 수 있다. 이에 따라, 보정 후 얼굴 윤곽(FL')을 나타내는 보정된 이미지(IM')가 생성될 수 있다.
이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
IM: 보정 전 이미지 IM': 보정 후 이미지
OBJ: 오브젝트 FL: 얼굴 윤곽
100: 얼굴 윤곽 보정 장치

Claims (10)

  1. 컴퓨팅 장치에 의해 수행되는 얼굴 윤곽을 보정하기 위한 방법에 있어서,
    대상 이미지에 나타난 얼굴 영역 상의 랜드마크들을 검출하는 단계;
    상기 검출된 랜드마크들 중 상기 얼굴 윤곽을 나타내는 윤곽 랜드마크들 및 상기 얼굴 윤곽을 보정하기 위한 기준점이 되는 기준점 랜드마크를 결정하는 단계;
    상기 윤곽 랜드마크들로 정의되는 윤곽선 함수 및 콤팩트 지지 함수(compactly supported function)로 정의되는 테스트 함수의 합성곱에 기초하여 상기 대상 이미지 상의 점들에 대한 가중치를 계산하는 단계;
    상기 기준점 랜드마크 및 상기 가중치에 기초하여, 상기 대상 이미지 상의 점들에 대한 오프셋 벡터를 계산하는 단계; 및
    상기 오프셋 벡터에 기초하여, 상기 대상 이미지 상의 점들의 색좌표를 보정하는 단계를 포함하는,
    얼굴 윤곽을 보정하기 위한 방법.
  2. 제1항에 있어서, 상기 얼굴 윤곽을 보정하기 위한 방법은,
    HOG(histogram of Oriented Gradients) 얼굴 검출 알고리즘, 경계 검출 알고리즘, 선 검출 알고리즘 및 인공 신경망 기반 알고리즘 중 적어도 하나에 기초하여, 상기 대상 이미지에 포함된 오브젝트의 얼굴 영역을 식별하는 단계를 더 포함하는,
    얼굴 윤곽을 보정하기 위한 방법.
  3. 제1항에 있어서, 상기 랜드마크들은,
    상기 얼굴 상의 눈들(eyes), 코(nose), 눈썹(eyebrow) 및 입술(lib) 중 적어도 하나 상들의 점들을 포함하는,
    얼굴 윤곽을 보정하기 위한 방법.
  4. 제1항에 있어서, 상기 랜드마크들을 검출하는 단계는,
    복수의 이미지들 및 상기 복수의 이미지들 각각에서 식별된 랜드마크들의 정보를 포함하는 데이터셋을 이용하여, 상기 대상 이미지 상의 상기 랜드마크들을 검출하는 단계를 포함하는,
    얼굴 윤곽을 보정하기 위한 방법.
  5. 제4항에 있어서,
    상기 데이터셋은 300-W (300 Faces in-the-Wild Challenge) 데이터셋이고,
    상기 윤곽 랜드마크는 상기 300-W 데이터셋에서의 4번 내지 14번 랜드마크들을 포함하고,
    상기 기준점 랜드마크는 상기 300-W 데이터셋에서의 32번 내지 36번 랜드마크 중 어느 하나인,
    얼굴 윤곽을 보정하기 위한 방법.
  6. 제1항에 있어서,
    상기 윤곽선 함수는 상기 윤곽 랜드마크들을 연결하는 선분들을 포함하고,
    상기 테스트 함수는 특정 영역 내에서는 1 이하의 값으로 정의되고, 상기 특정 영역 밖에서는 0으로 정의되는,
    얼굴 윤곽을 보정하기 위한 방법.
  7. 제1항에 있어서, 상기 가중치를 계산하는 단계는,
    아래 수학식,
    Figure pat00006

    (여기서, w(x,y)는 얼굴 영역 상의 점들 (x,y)에 대한 가중치이고, P는 윤곽선 함수이고, B(x,y)는 테스트 함수이고, *는 합성곱 연산자임)
    에 따라 계산하는 단계를 포함하는,
    얼굴 윤곽을 보정하기 위한 방법.
  8. 제7항에 있어서, 상기 가중치를 계산하는 단계는,
    아래 수학식,
    Figure pat00007

    에 따라 계산하는 단계를 포함하는,
    얼굴 윤곽을 보정하기 위한 방법.
  9. 제7항에 있어서, 상기 오프셋 벡터를 계산하는 단계는,
    아래 수학식,
    Figure pat00008

    (여기서, v(x,y)는 얼굴 영역 상의 점들 (x,y)에 대한 오프셋 벡터이고, t는 0 이상 1이하의 상수이고, (Rx, Ry)는 기준점 랜드마크의 좌표인)
    에 따라 계산하는 단계를 포함하는,
    얼굴 윤곽을 보정하기 위한 방법.
  10. 제1항 내지 제9항 중 어느 한 항에 기재된 방법을 실행하기 위한 프로그램을 저장하는 컴퓨터 판독가능한 비일시적인 저장 매체.
KR1020200130356A 2020-10-08 2020-10-08 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법 KR102416554B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200130356A KR102416554B1 (ko) 2020-10-08 2020-10-08 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200130356A KR102416554B1 (ko) 2020-10-08 2020-10-08 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법

Publications (2)

Publication Number Publication Date
KR20220046982A true KR20220046982A (ko) 2022-04-15
KR102416554B1 KR102416554B1 (ko) 2022-07-05

Family

ID=81212213

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200130356A KR102416554B1 (ko) 2020-10-08 2020-10-08 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법

Country Status (1)

Country Link
KR (1) KR102416554B1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004318204A (ja) * 2003-04-10 2004-11-11 Sony Corp 画像処理装置、画像処理方法及び撮影装置
KR20160059768A (ko) * 2014-11-19 2016-05-27 삼성전자주식회사 얼굴 특징 추출 방법 및 장치, 얼굴 인식 방법 및 장치
KR20170134256A (ko) 2016-05-26 2017-12-06 주식회사 시어스랩 얼굴 윤곽 보정 방법 및 장치
KR20180109217A (ko) * 2017-03-27 2018-10-08 삼성전자주식회사 얼굴 영상 보정 방법 및 이를 구현한 전자 장치
KR20200026808A (ko) * 2017-07-13 2020-03-11 시쉐이도 아메리카스 코포레이션 가상 얼굴 메이크업 제거, 빠른 얼굴 검출, 및 랜드마크 추적
KR20200074780A (ko) * 2018-12-17 2020-06-25 삼성전자주식회사 이미지 처리 방법 및 그 전자 장치
KR20200106111A (ko) * 2019-02-26 2020-09-11 연세대학교 산학협력단 가우시안 특징점맵과 회귀 기법을 이용한 얼굴 특징점 검출 장치 및 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004318204A (ja) * 2003-04-10 2004-11-11 Sony Corp 画像処理装置、画像処理方法及び撮影装置
KR20160059768A (ko) * 2014-11-19 2016-05-27 삼성전자주식회사 얼굴 특징 추출 방법 및 장치, 얼굴 인식 방법 및 장치
KR20170134256A (ko) 2016-05-26 2017-12-06 주식회사 시어스랩 얼굴 윤곽 보정 방법 및 장치
KR20180109217A (ko) * 2017-03-27 2018-10-08 삼성전자주식회사 얼굴 영상 보정 방법 및 이를 구현한 전자 장치
KR20200026808A (ko) * 2017-07-13 2020-03-11 시쉐이도 아메리카스 코포레이션 가상 얼굴 메이크업 제거, 빠른 얼굴 검출, 및 랜드마크 추적
KR20200074780A (ko) * 2018-12-17 2020-06-25 삼성전자주식회사 이미지 처리 방법 및 그 전자 장치
KR20200106111A (ko) * 2019-02-26 2020-09-11 연세대학교 산학협력단 가우시안 특징점맵과 회귀 기법을 이용한 얼굴 특징점 검출 장치 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GEE-SERN, et al, "Edge-Embedded Multi-Dropout Framework for Real-Time Face Alignment", IEEE Access Journal(2019.12.17)* *
Zhida et al, "Facial conformation modeling via interactive adjustment of hierarchical linear anthropometry-based parameters", COMPUTER-AIDED DESIGN & APPLICATIONS, VOL.14(2017)* *

Also Published As

Publication number Publication date
KR102416554B1 (ko) 2022-07-05

Similar Documents

Publication Publication Date Title
US11256905B2 (en) Face detection method and apparatus, service processing method, terminal device, and storage medium
US11651797B2 (en) Real time video processing for changing proportions of an object in the video
JP7282810B2 (ja) 視線追跡方法およびシステム
JP6871416B2 (ja) 顔画像品質を決定する方法および装置、電子機器ならびにコンピュータ記憶媒体
US9639914B2 (en) Portrait deformation method and apparatus
US8615135B2 (en) Feature point positioning apparatus, image recognition apparatus, processing method thereof and computer-readable storage medium
US10706613B2 (en) Systems and methods for dynamic occlusion handling
CN108229301B (zh) 眼睑线检测方法、装置和电子设备
CN109919971B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
US20210064851A1 (en) Age recognition method, storage medium and electronic device
CN109636890B (zh) 纹理融合方法和装置、电子设备、存储介质、产品
JP7345664B2 (ja) 不確実性を有するランドマーク位置推定のための画像処理システムおよび方法
US11321960B2 (en) Deep learning-based three-dimensional facial reconstruction system
US11462052B2 (en) Image processing device, image processing method, and recording medium
KR102416554B1 (ko) 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법
US20200250878A1 (en) Method of displaying an object
JP2009302731A (ja) 画像処理装置、画像処理プログラム、画像処理方法、および電子機器
JP2009251634A (ja) 画像処理装置、画像処理方法、及びプログラム
JP7123270B2 (ja) ニューラルネットワークのアクティブトレーニングを行うシステム及び画像処理システム
US20220005266A1 (en) Method for processing two-dimensional image and device for executing method
US20210073564A1 (en) Information processing apparatus, control method, and non-transitory storage medium
JP2018200175A (ja) 情報処理装置、情報処理方法及びプログラム
WO2023189195A1 (ja) 画像処理装置、画像処理方法、及びプログラム
JPWO2019155570A1 (ja) 視線推定装置、視線推定方法、およびプログラム
JP7371154B2 (ja) 顔の姿勢を検出する装置及び方法、画像処理システム、並びに記憶媒体

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant