KR20220086049A - 영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법 - Google Patents

영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법 Download PDF

Info

Publication number
KR20220086049A
KR20220086049A KR1020200176154A KR20200176154A KR20220086049A KR 20220086049 A KR20220086049 A KR 20220086049A KR 1020200176154 A KR1020200176154 A KR 1020200176154A KR 20200176154 A KR20200176154 A KR 20200176154A KR 20220086049 A KR20220086049 A KR 20220086049A
Authority
KR
South Korea
Prior art keywords
feature vector
image
target
pose
image processing
Prior art date
Application number
KR1020200176154A
Other languages
English (en)
Inventor
백지원
박성진
한승주
김인수
한재준
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020200176154A priority Critical patent/KR20220086049A/ko
Priority to US17/341,469 priority patent/US11887348B2/en
Publication of KR20220086049A publication Critical patent/KR20220086049A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06T2207/20081—Training; Learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

영상 처리 방법 및 장치가 개시된다. 영상 처리 방법은 입력 영상 및 입력 영상에 대한 회전 정보를 수신하고, 입력 영상에 대응하는 포즈 정보를 기초로, 입력 영상의 특징 벡터를 생성하고, 특징 벡터, 포즈 정보, 및 회전 정보를 기초로 회전 정보에 대응하는 포즈에 따른 대상 구성 요소를 표현하기 위한 보조 특징 벡터를 생성하며, 특징 벡터 및 보조 특징 벡터에 기초하여 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성한다.

Description

영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법{IMAGE PROCESSING METHOD, IMAGE PROCESSING APPRATUS, AND TRAINING METHOD FOR IMAGE PROCESSING}
아래의 실시예들은 얼굴 영상을 생성하는 영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법에 관한 것이다.
얼굴 인식은 컴퓨터 비전에서 실제 세계를 모델링하고 이해하는 주요 기술이다. 얼굴 인식을 위한 많은 기술이 개발되었으며, 얼굴 인식 기술을 위한 거대한 데이터 세트의 구축에 힘입어 최근에는 딥 러닝을 적용한 얼굴 인식 기술에 대한 연구가 활발히 진행되고 있다. 얼굴 인식 시스템은 입력 영상의 포즈(pose)를 고려하지 않고 얼굴 영상을 생성할 수 있다. 예를 들어, 포즈 변화가 큰 영상을 생성하는 경우, 입력 영상의 포즈를 고려하지 않으면 얼굴의 구성 요소를 생성하기 위한 특징 벡터의 전달이 어려워져서 자연스러운 영상을 생성하는 데에 어려움이 있다.
일 실시예 따른 영상 처리 방법은 입력 영상 및 상기 입력 영상에 대한 회전 정보를 수신하는 단계; 상기 입력 영상에 대응하는 포즈(pose) 정보를 기초로, 상기 입력 영상의 특징 벡터를 생성하는 단계; 상기 특징 벡터, 상기 포즈 정보, 및 상기 회전 정보를 기초로, 상기 회전 정보에 대응하는 포즈에 따른 대상 구성 요소(target component)를 표현하기 위한 보조 특징 벡터(assistant feature vector)를 생성하는 단계; 및 상기 특징 벡터 및 상기 보조 특징 벡터에 기초하여 상기 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성하는 단계를 포함한다.
상기 보조 특징 벡터를 생성하는 단계는 상기 포즈 정보를 인코더의 중간 레이어에 대응하도록 변환하는 단계; 상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 기초로, 상기 타겟 영상에서 상기 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵(weight map)을 생성하는 단계; 및 상기 가중치 맵과 상기 특징 벡터에서 분리된 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 상기 보조 특징 벡터를 생성하는 단계를 포함할 수 있다.
상기 가중치 맵을 생성하는 단계는 상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 제1 신경망에 인가함으로써 상기 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하는 단계를 포함할 수 있다.
상기 대상 구성 요소가 복수 개인 경우, 상기 가중치 맵을 생성하는 단계는 상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 기초로, 상기 타겟 영상에서 상기 복수 개의 대상 구성 요소 별로 해당 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하는 단계를 포함할 수 있다.
상기 보조 특징 벡터를 생성하는 단계는 상기 특징 벡터에서 상기 대상 구성 요소에 해당하는 상기 대상 특징 벡터를 분리하는 단계; 및 상기 가중치 맵과 상기 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성하는 단계를 포함할 수 있다.
상기 특징 벡터를 생성하는 단계는 상기 입력 영상으로부터 상기 포즈 정보를 추정하는 단계; 상기 입력 영상 및 상기 포즈 정보를 상기 제1 특징 벡터를 출력하는 인코더(encoder)에 인가하는 단계; 및 상기 인코더의 중간 레이어에서 상기 특징 벡터를 획득하는 단계를 포함할 수 있다.
상기 포즈 정보를 추정하는 단계는 상기 입력 영상으로부터 상기 대상 구성 요소를 포함하는 대상체의 랜드 마크들(landmarks)을 추출함으로써 상기 대상체에 대응하는 랜드마크 히트 맵(landmark hit map)을 생성하는 단계; 및 상기 랜드마크 히트 맵을 기초로, 상기 포즈 정보를 추정하는 단계를 포함할 수 있다.
상기 회전 정보는 상기 타겟 영상을 생성하기 위해 상기 입력 영상 내의 대상체를 회전시키고자 하는 회전 방향, 및 상기 대상체의 회전 정도를 지시하는 값 중 적어도 하나를 포함할 수 있다.
상기 포즈 정보는 상기 입력 영상 내 얼굴에 대응하는 랜드마크 히트 맵을 포함할 수 있다.
상기 타겟 영상을 생성하는 단계는 디코더(decoder)를 이용하여, 상기 보조 특징 벡터를 기초로 상기 특징 벡터를 디코딩함으로써 상기 타겟 영상을 생성하는 단계를 포함할 수 있다.
상기 타겟 영상을 생성하는 단계는 상기 디코딩 과정에서 상기 보조 특징 벡터를 상기 특징 벡터와 합산함으로써 상기 타겟 영상을 생성하는 단계를 포함할 수 있다.
상기 입력 영상은 얼굴을 포함하고, 상기 대상 구성 요소는 눈, 코, 입, 및 입꼬리 중 적어도 하나를 포함할 수 있다.
일 실시예에 따른 트레이닝 방법은 제1 영상 및 상기 제1 영상에 대응하는 제1 포즈 정보를 인코딩하여 제1-1 특징 벡터를 획득하는 단계; 상기 제1 영상의 타겟 영상에 해당하는 제2 영상 및 상기 제2 영상에 대응하는 제2 포즈 정보를 인코딩하여 제1-2 특징 벡터를 획득하는 단계; 상기 제1-1 특징 벡터와 상기 제1-2 특징 벡터 간의 차이를 기초로, 상기 제1 영상 및 상기 제2 영상에 포함된 대상체의 아이덴티티(identity)가 해당하는 대상체의 포즈와 무관하게 유지되도록 인코더를 트레이닝하는 단계; 상기 인코더의 중간 레이어에서 제2 특징 벡터를 획득하는 단계; 상기 제1 포즈 정보를 상기 중간 레이어에 대응하도록 변환하는 단계; 상기 제2 특징 벡터, 상기 변환된 제1 포즈 정보, 및 상기 회전 정보를 제1 신경망에 인가함으로써 상기 회전 정보에 대응하는 포즈를 갖는 제2 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하는 단계; 상기 제2 특징 벡터에서 상기 대상 구성 요소에 해당하는 대상 특징 벡터를 분리하는 단계; 상기 가중치 맵과 상기 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성하는 단계; 디코더를 이용하여, 상기 보조 특징 벡터를 기초로 상기 제1-1 특징 벡터를 디코딩하여 상기 제3 영상을 생성하는 단계; 및 상기 제2 영상 및 상기 제3 영상을 기초로, 상기 제1 신경망, 상기 인코더 및 상기 디코더를 트레이닝하는 단계를 포함한다.
일 실시예에 따른 영상 처리 장치는 입력 영상 및 상기 입력 영상에 대한 회전 정보를 수신하는 통신 인터페이스; 및 상기 입력 영상에 대응하는 포즈 정보를 기초로, 상기 입력 영상의 특징 벡터를 생성하고, 상기 특징 벡터, 상기 포즈 정보, 및 상기 회전 정보를 기초로, 상기 회전 정보에 대응하는 포즈에 따른 대상 구성 요소 를 표현하기 위한 보조 특징 벡터를 생성하며, 상기 특징 벡터 및 상기 보조 특징 벡터에 기초하여 상기 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성하는 프로세서를 포함한다.
상기 프로세서는 상기 포즈 정보를 인코더의 중간 레이어에 대응하도록 변환하고, 상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 기초로, 상기 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하며, 상기 가중치 맵과 상기 특징 벡터에서 분리된 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 상기 보조 특징 벡터를 생성할 수 있다.
상기 프로세서는 상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 제1 신경망에 인가함으로써 상기 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성할 수 있다.
상기 대상 구성 요소가 복수 개인 경우, 상기 프로세서는 상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 기초로, 상기 타겟 영상에서 상기 복수 개의 대상 구성 요소 별로 해당 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성할 수 있다.
상기 프로세서는 상기 특징 벡터에서 상기 대상 구성 요소에 해당하는 상기 대상 특징 벡터를 분리하고, 상기 가중치 맵과 상기 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성할 수 있다.
상기 회전 정보는 상기 타겟 영상을 생성하기 위해 상기 입력 영상 내의 대상체를 회전시키고자 하는 회전 방향, 및 상기 대상체의 회전 정도를 지시하는 값 중 적어도 하나를 포함할 수 있다.
상기 영상 처리 장치는 사용자 인증 장치, 첨단 운전자 보조 시스템(Advanced Drivers Assistance System; ADAS), HUD(Head Up Display) 장치, 3D 디지털 정보 디스플레이(Digital Information Display, DID), 내비게이션 장치, 뉴로모픽 장치(neuromorphic device), 3D 모바일 기기, 스마트 폰, 스마트 TV, 스마트 차량, IoT(Internet of Things) 디바이스, 및 의료 디바이스 중 적어도 하나를 포함할 수 있다.
도 1은 일 실시예에 따른 영상 처리 방법을 나타낸 흐름도.
도 2는 일 실시예에 따라 보조 특징 벡터를 생성하는 방법을 나타낸 흐름도.
도 3은 일 실시예에 따른 영상 처리 장치의 구조를 도시한 도면.
도 4는 도 3의 영상 처리 장치의 구조를 구체적으로 도시한 도면.
도 5는 다른 실시예에 따른 영상 처리 방법을 나타낸 흐름도.
도 6은 또다른 실시예에 따른 영상 처리 방법을 나타낸 흐름도.
도 7은 일 실시예에 따른 트레이닝 방법을 나타낸 흐름도.
도 8은 일 실시예에 따른 트레이닝 장치의 구조를 도시한 도면.
도 9는 도 8의 트레이닝 장치의 구조를 구체적으로 도시한 도면.
도 10및 도 11은 실시예들에 따라 영상 처리 장치를 얼굴 영상 생성기(Generator)로 활용한 실시예를 도시한 도면.
도 12는 일 실시예에 따른 영상 처리 장치의 블록도.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 영상 처리 방법을 나타낸 흐름도이다. 도 1을 참조하면, 일 실시예에 따른 영상 처리 장치가 단계(110) 내지 단계(140)을 통해 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성하는 과정이 도시된다.
단계(110)에서, 영상 처리 장치는 입력 영상 및 입력 영상에 대한 회전 정보를 수신한다. 입력 영상은 예를 들어, 얼굴, 건물, 자동차, 사람 등과 같은 다양한 대상체를 포함할 수 있으며, 반드시 이에 한정되지는 않는다. 여기서, '입력 영상에 대한 회전 정보'는 입력 영상을 일정 포즈(예를 들어, 정면 또는 측면 등)를 갖는 타겟 영상으로 변환하기 위해 입력 영상 또는 입력 영상 내의 대상체를 회전시켜야 하는 방향 및 각도 등을 나타내는 정보로 이해될 수 있다. '회전 정보'는 타겟 영상을 생성하기 위해 입력 영상 내의 대상체를 회전시키고자 하는 회전 방향, 및 대상체의 회전 정도를 지시하는 값(또는 정보) 중 적어도 하나를 포할 수 있다. 예를 들어, 회전 방향이 우측인 경우, 회전 방향은 '+'로 표시되고, 회전 방향이 좌측인 경우, 회전 방은 '-'로 표시될 수 있다. 예를 들어, 대상체의 회전 정도를 지시하는 값이 '1인 경우, 회전 각도는 15도에 해당하고, '3'인 경우, 회전 각도는 45도에 해당할 수 있다. 이와 같이 회전 정도의 한 단위(unit)는 예를 들어, 15도 각도일 수 있으며, 반드시 이에 한정되는 것은 아니다. 입력 영상에 대한 회전 정보는 사용자에 의해 직접 입력되거나, 또는 영상 처리 장치에 의해 자동적으로 설정될 수 있다.
단계(120)에서, 영상 처리 장치는 입력 영상에 대응하는 포즈(pose) 정보를 기초로, 입력 영상의 특징 벡터를 생성한다. 영상 처리 장치는 입력 영상으로부터 포즈 정보를 추정할 수 있다. 영상 처리 장치는 입력 영상으로부터 대상 구성 요소(예를 들어, 눈)를 포함하는 대상체의 랜드 마크들(landmarks)을 추출함으로써 대상체에 대응하는 랜드마크 히트 맵(landmark hit map)을 생성할 수 있다. 영상 처리 장치는 랜드마크 히트 맵을 기초로, 포즈 정보를 추정할 수 있다. '포즈 정보'는 입력 영상에서 대상체의 포즈를 파악하기 위한 대상체의 주요 구성의 위치를 지시하는 정보에 해당할 수 있다. 예를 들어, 대상체가 얼굴인 경우, 포즈 정보는 입력 영상(예를 들어, 도 3의 310 참조) 내 얼굴에 대응하는 랜드마크 히트 맵(예를 들어, 도 3의 320 참조)을 포함할 수 있다. 랜드마크 히트 맵은 입력 영상의 픽셀 단위로 대상체(예를 들어, 얼굴)의 주요 구성에 해당할 확률을 0에서 1사이의 값으로 표현한 특징 맵에 해당할 수 있다. 얼굴의 주요 구성은 예를 들어, 눈, 눈썹, 코, 입 등을 포함할 수 있다.
또한, 단계(120)에서, 영상 처리 장치는 입력 영상 및 포즈 정보를 제1 특징 벡터를 출력하는 인코더(encoder)에 인가하고, 인코더의 중간 레이어에서 특징 벡터를 획득할 수 있다. 영상 처리 장치는 예를 들어, 신경망(neural network)을 포함하는 인코더(encoder) 또는 인코딩 모듈(encoding module)에 의해 입력 영상을 인코딩하여 제1 특징 벡터를 생성할 수 있다. 제1 특징 벡터는 입력 영상의 포즈와 관련된 특징 벡터를 포함할 수 있다. 입력 영상의 포즈와 관련된 특징 벡터는 입력 영상에 포함된 대상체(예를 들어, 얼굴)의 각도, 방향 등과 같이 대상체의 포즈에 의존하는 특징 벡터에 해당할 수 있다. 또한, 입력 영상의 제1 특징 벡터는 입력 영상의 식별 정보와 관련된 특징 벡터를 포함할 수 있다. 입력 영상의 식별 정보와 관련된 특징 벡터는 입력 영상에 포함된 대상체의 포즈와 무관한, 대상체의 아이덴티티(identity)와 관련된 특징 벡터에 해당할 수 있다.
단계(130)에서, 영상 처리 장치는 특징 벡터, 포즈 정보, 및 회전 정보를 기초로, 회전 정보에 대응하는 포즈에 따른 대상 구성 요소(target component)를 표현하기 위한 보조 특징 벡터(assistant feature vector)를 생성한다. 여기서, '대상 구성 요소'는 입력 영상에 포함된 대상체를 구성하는 일부 요소로 이해될 수 있다. 예를 들어, 대상체가 얼굴인 경우, 대상 구성 요소는 눈, 코, 입, 및 입꼬리 등과 같은 얼굴의 구성 요소 중 적어도 하나를 포함할 수 있으며, 반드시 이에 한정되지는 않는다. 또는 대상체가 사람인 경우, 대상 구성 요소는 사람의 팔, 다리, 등, 몸통, 얼굴 등과 같이 신체의 일부 구성 요소 중 적어도 하나를 포함할 수 있으며, 반드시 이에 한정되지 않는다. 단계(130)에서, 영상 처리 장치가 보조 특징 벡터를 생성하는 방법은 아래의 도 2를 참조하여 보다 구체적으로 설명한다.
단계(140)에서, 영상 처리 장치는 특징 벡터 및 보조 특징 벡터에 기초하여 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성한다. 영상 처리 장치는 디코더(decoder)를 이용하여, 보조 특징 벡터를 기초로 특징 벡터를 디코딩함으로써 타겟 영상을 생성할 수 있다. 영상 처리 장치는 예를 들어, 신경망을 포함하는 디코더 또는 디코딩 모듈(decoding module)에 의해 특징 벡터를 디코딩함으로써 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성할 수 있다. 여기서, 회전 정보에 대응하는 포즈는 회전 정보에 대응하는 대상체(예를 들어, 얼굴)의 포즈로서, 정면 포즈, 및 측면 포즈 등을 포함할 수 있다. 디코더 또는 디코딩 모듈은 회전 정보에 대응하는 포즈(예를 들어, 각도 및 방향)만큼 입력 영상 내 얼굴을 회전시킨 타겟 영상을 생성할 수 있다.
예를 들어, 회전 정보 내 대상체의 회전 정도를 지시하는 값 및/또는 회전 방향이 복수 개인 경우, 디코더 또는 디코딩 모듈은 회전 정도를 지시하는 복수 개의 값 및/또는 회전 방향에 따라 서로 다른 포즈를 갖는 복수 개의 타겟 영상들을 생성할 수도 있다.
단계(140)에서, 영상 처리 장치는 디코딩 과정에서 보조 특징 벡터를 특징 벡터와 합산함으로써 타겟 영상을 생성할 수 있다. 영상 처리 장치는 보조 특징 벡터와 특징 벡터를 예를 들어, 잔차 합산(residual sum)에 의해 합산할 수 있다. 영상 처리 장치는 잔차 합산 이외에 가중합 등과 같은 다양한 합산 방식으로 합산을 수행할 수 있다.
도 2는 일 실시예에 따라 보조 특징 벡터를 생성하는 방법을 나타낸 흐름도이다. 도 2를 참조하면, 일 실시예에 따른 영상 처리 장치가 단계(210) 내지 단계(230)을 통해 보조 특징 벡터를 생성하는 과정이 도시된다.
단계(210)에서, 영상 처리 장치는 포즈 정보를 인코더의 중간 레이어에 대응하도록 변환할 수 있다. 단계(210)에서, 영상 처리 장치는 포즈 정보를 인코더의 중간 레이어에서 획득한 특징 벡터(예를 들어, 제2 특징 벡터)와 동일한 크기로 리사이징(resizing)할 수 있다.
단계(220)에서, 영상 처리 장치는 특징 벡터, 단계(210)에서 변환된 포즈 정보, 및 회전 정보를 기초로, 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵(weight map)을 생성할 수 있다. 영상 처리 장치는 특징 벡터, 변환된 포즈 정보, 및 회전 정보를 제1 신경망에 인가함으로써 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성할 수 있다.
예를 들어, 대상 구성 요소가 복수 개인 경우, 영상 처리 장치는 특징 벡터, 변환된 포즈 정보, 및 회전 정보를 기초로, 타겟 영상에서 복수 개의 대상 구성 요소 별로 해당 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성할 수 있다. 예를 들어, 대상 구성 요소가 왼쪽 눈 및 오른쪽 눈의 2개인 경우, 영상 처리 장치는 왼쪽 눈이 생성될 위치를 내포하는 가중치 맵을 생성하고, 오른쪽 눈이 생성될 위치를 내포하는 가중치 맵을 생성할 수 있다.
단계(230)에서, 영상 처리 장치는 가중치 맵과 특징 벡터에서 분리된 대상 특징 벡터를 결합함으로써 포즈에 대응하는 대상 구성 요소를 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성할 수 있다. 여기서, 보조 특징 벡터는 대상 구성 요소의 특징 벡터가 어느 위치가 많이 필요한지를 나타내는 정보에 해당할 수 있다.
단계(230)에서, 영상 처리 장치는 특징 벡터에서 대상 구성 요소에 해당하는 대상 특징 벡터를 분리할 수 있다. 영상 처리 장치는 가중치 맵과 대상 특징 벡터를 결합함으로써 포즈에 대응하는 대상 구성 요소를 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성할 수 있다.
도 3은 일 실시예에 따른 영상 처리 장치의 구조를 도시한 도면이다. 도 3을 참조하면, 일 실시예에 따른 영상 처리 장치(300)는 인코딩 모듈(Encoding module)(330), 얼굴 구성 요소 가이던스 모듈(Facial component guidance module)(360) 및 디코딩 모듈(Decoding module)(370)을 포함할 수 있다. 이하, 설명의 편의를 위하여 입력 영상에 포함된 대상체가 사용자의 '얼굴'이고, 대상 구성 요소가 '눈'인 경우를 예로 들어 설명하지만, 반드시 이에 한정되는 것은 아니다.
영상 처리 장치(300)는 입력 영상(310)에 대응하는 포즈 정보(320)를 추출할 수 있다.
인코딩 모듈(330)은 입력 영상(310) 및 포즈 정보(320)를 인코딩하여 제1 특징 벡터를 출력할 수 있다. 영상 처리 장치(300) 또는 인코딩 모듈(330)은 입력 영상(310)의 인코딩을 위해 입력 영상(310)과 함께 입력 영상(310)에 대응하는 포즈 정보(320)를 입력으로 수신할 수 있다.
얼굴 구성 요소 가이던스 모듈(360)은 인코딩 모듈(330)의 중간 레이어에서 획득된 제2 특징 벡터, 중간 레이어에 대응하도록 변화된 포즈 정보(340) 및 입력 영상에 대한 회전 정보(350)를 기초로, 회전 정보(350)에 대응하는 포즈에 따른 대상 구성 요소(예를 들어, 눈)를 표현하기 위한 보조 특징 벡터를 생성할 수 있다. 여기서, 중간 레이어에 대응하도록 변화된 포즈 정보(340)는 포즈 정보(320)를 중간 레이어의 출력 사이즈에 맞는 사이즈로 가공한 것일 수 있다.
디코딩 모듈(370)은 얼굴 구성 요소 가이던스 모듈(360)에서 생성된 보조 특징 벡터를 기초로 인코딩 모듈(330)에서 출력된 제1 특징 벡터를 디코딩함으로써 타겟 영상(380)을 생성할 수 있다. 디코딩 모듈(370)은 제1 특징 벡터 및 보조 특징 벡터를 기초로 입력 영상 내 얼굴을 회전 정보(350)에 대응하는 회전 방향 및 회전 각도로 회전시킨 다양한 포즈의 타겟 영상(380)을 생성할 수 있다.
도 4는 도 3의 영상 처리 장치의 구조를 구체적으로 도시한 도면이다. 도 4를 참조하면, 일 실시예에 따른 영상 처리 장치(400)를 구성하는 인코딩 모듈(330), 얼굴 구성 요소 가이던스 모듈(360) 및 디코딩 모듈(370)의 구체적인 구조가 도시된다.
인코딩 모듈(330)은 입력 영상(310) 및 포즈 정보(320)를 인코딩하여 제1 특징 벡터(405)를 출력할 수 있다. 인코딩 모듈(330)은 예를 들어, 심층 신경망(Deep Neural Network) 또는 컨볼루션 신경망(Convolution Neural Network) 등과 같이 복수의 레이어들을 포함하는 신경망으로 구성될 수 있으며, 반드시 이에 한정되지는 않는다.
얼굴 구성 요소 가이던스 모듈(360)는 인코딩 모듈(330)의 중간 레이어에서 제2 특징 벡터(410)를 획득할 수 있다. 제2 특징 벡터(410)는 특정 크기의 채널을 특정 개수만큼 포함할 수 있다. 제2 특징 벡터(410)는 예를 들어, Wmid×Hmid 크기의 채널을 Cmid개 포함할 수 있으며, 이는 Wmid×Hmid×Cmid 로 나타낼 수 있다. 여기서, mid는 제2 특징 벡터(410)가 인코딩 모듈(330)의 중간 레이어에서 획득된 벡터임을 나타낸 것으로 이해될 수 있다.
대상체의 대상 구성 요소가 한 개(예를 들어, 코 또는 입)인 경우, 제2 특징 벡터(410)는 얼굴에 포함된 코 또는 입에 해당하는 특징 벡터를 포함할 수 있다. 이와 달리, 대상체의 대상 구성 요소가 복수 개(예를 들어, 오른쪽 눈과 왼쪽 눈)인 경우, 제2 특징 벡터(410)는 도 4에 도시된 것과 같이 복수 개의 대상 구성 요소 별 제2 특징 벡터(413,416)를 포함할 수 있다. 이때, 제2 특징 벡터(413)은 왼쪽 눈에 해당하는 특징 벡터이고, 제2특징 벡터(416)는 오른쪽 눈에 해당하는 특징 벡터일 수 있다.
또한, 얼굴 구성 요소 가이던스 모듈(360)은 포즈 정보(320)를 제2 특징 벡터(410)와 동일한 사이즈를 갖는 포즈 정보(340)로 변환할 수 있다. 여기서, 변환은 리사이징(resizing)에 해당할 수 있다.
얼굴 구성 요소 가이던스 모듈(360)은 제2 특징 벡터(410), 변환된 포즈 정보(340), 및 회전 정보(350)를 제1 신경망(420)에 인가함으로써 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵(들)(430, 435)을 생성할 수 있다.
회전 정보(350)는 입력 영상(310)이 회전 정보에 대응하는 포즈를 갖도록 회전 방향을 지시하는 정보를 포함하는 W×H의 크기의 정보에 해당할 수 있다. 회전 정보(350)는 W×H크기의 2차원 행렬의 각 요소의 값이 회전 방향에 따라 제1 값 또는 제2 값으로 설정된 데이터에 해당할 수 있다. 예를 들어, 회전 방향이 왼쪽임을 지시하는 제1 값은 1, 회전 방향이 오른쪽임을 지시하는 제2 값은 -1일 수 있다. 또한, 회전 정보(350)는 회전 방향 및 회전 정도를 지시하는 값으로 설정될 수 있다. 예를 들어, 회전 방향이 왼쪽, 회전 정도가 15도인 경우, 1로 설정될 수 있고, 회전 방향이 왼쪽, 회전 정도가 30도인 경우, 2로 설정될 수 있으며, 회전 방향이 오른쪽, 회전 정도가 30도인 경우 -2로 설정될 수 있다.
이때, 대상 구성 요소가 한 개인 경우, 하나의 가중치 맵이 생성되고, 대상 구성 요소가 두 개인 경우, 도 4와 같이 두 개의 가중치 맵들(430, 435)이 생성될 수 있다.
제1 신경망(420)은 심층 신경망 또는 컨볼루션 신경망 등 다양한 형태 및/또는 다양한 구조의 신경망으로 구성될 수 있다. 제1 신경망(420)이 컨볼루션 신경망으로 구성된 경우, 가중치 맵들(430, 435) 각각은 Wmid×Hmid 크기를 갖는 1 채널의 특징 맵에 해당할 수 있다.
얼굴 구성 요소 가이던스 모듈(360)은 제2 특징 벡터(410)에서 대상 구성 요소에 해당하는 제2 특징 벡터들(413,416)을 분리할 수 있다.
얼굴 구성 요소 가이던스 모듈(360)은 가중치 맵들(430,435)과 제2 특징 벡터들(413,416)을 결합함으로써 포즈에 대응하는 대상 구성 요소를 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터(460)를 생성할 수 있다.
보다 구체적으로, 얼굴 구성 요소 가이던스 모듈(360)은 가중치 맵(430)과 제2 특징 벡터(413)를 곱한 제1 결과(440)를 산출할 수 있다. 제1 결과(440)는 예를 들어, 가중치 맵(430)의 W_mid *H_mid *1ch과 왼쪽 눈의 특징 벡터(1*1*C_mid)가 곱해진 W_mid *H_mid *C_mid 로서, W_mid *H_mid 의 크기를 갖는 C_mid 채널의 지역 특징 벡터(local feature vector)의 크기를 가질 수 있다.
또한, 얼굴 구성 요소 가이던스 모듈(360)은 가중치 맵(435)과 제2 특징 벡터(413)를 곱한 제2 결과(445)를 산출할 수 있다. 제2 결과(445)는 예를 들어, 가중치 맵(435)의 W_mid *H_mid *1ch과 오른쪽 눈의 특징 벡터(1*1*C_mid)가 곱해진 W_mid *H_mid *C_mid 로서, W_mid *H_mid 의 크기를 갖는 C_mid 채널의 지역 특징 벡터(local feature vector)의 크기를 가질 수 있다. 따라서, 얼굴 구성 요소 가이던스 모듈(360)은 보조 특징 생성부(450)에 의해 제1결과(440)(W_mid *H_mid *C_mid)와 제2결과(445)(W_mid *H_mid *C_mid)를 결합한 (W_mid *H_mid *2C_mid)의 2C_mid 크기 채널을, 보조 특징 생성부(450)에 의해 W_mid *H_mid *C_mid 로, 다시 말해 2C_mid 에서 C_mid 로 채널 크기를 맞춰 최종적으로 보조 특징 벡터(460)를 생성할 수 있다. 보조 특징 벡터(460)는 Wmid×Hmid의 크기를 갖는 C_mid 채널의 특징 벡터에 해당할 수 있다.
영상 처리 장치(400)는 보조 특징 벡터(460)를 기초로 제1 특징 벡터(405)를 디코딩함으로써 타겟 영상(370)을 생성할 수 있다.
영상 처리 장치(400)는 디코딩 모듈(370)의 중간 레이어에서 보조 특징 벡터(460)와 동일한 사이즈를 갖는 레이어의 위치(예를 들어, Wmid×Hmid의 크기)에 보조 특징 벡터(460)를 잔차 합산으로 더해줌으로써 타겟 영상(370)을 생성할 수 있다.
도 5는 다른 실시예에 따른 영상 처리 방법을 나타낸 흐름도이다. 도 5를 참조하면, 일 실시예에 따른 영상 처리 장치가 단계(510) 내지 단계(590)를 통해 타겟 영상을 생성하는 과정이 도시된다.
단계(510)에서, 영상 처리 장치는 입력 영상 및 입력 영상에 대한 회전 정보를 수신할 수 있다.
단계(520)에서, 영상 처리 장치는 입력 영상에 대응하는 포즈 정보를 추출할 수 있다.
단계(530)에서, 영상 처리 장치는 입력 영상 및 포즈 정보를 제1 특징 벡터를 출력하는 인코더에 인가할 수 있다.
단계(540)에서, 영상 처리 장치는 인코더의 중간 레이어에서 제2 특징 벡터를 획득할 수 있다.
단계(550)에서, 영상 처리 장치는 단계(520)에서 추출한 포즈 정보를 중간 레이어에 대응하도록 변환할 수 있다.
단계(560)에서, 영상 처리 장치는 제2 특징 벡터, 변환된 포즈 정보, 및 회전 정보를 제1 신경망에 인가함으로써 회전 정보에 대응하는 포즈를 갖는 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성할 수 있다.
단계(570)에서, 영상 처리 장치는 제2 특징 벡터에서 대상 구성 요소에 해당하는 대상 특징 벡터를 분리할 수 있다.
단계(580)에서, 영상 처리 장치는 가중치 맵과 대상 특징 벡터를 결합함으로써 포즈에 대응하는 대상 구성 요소를 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성할 수 있다.
단계(590)에서, 영상 처리 장치는 디코더를 이용하여, 보조 특징 벡터를 기초로 제1 특징 벡터를 디코딩함으로써 타겟 영상을 생성한다.
도 6은 또 다른 실시예에 따른 영상 처리 방법을 나타낸 흐름도이다. 도 6을 참조하면, 일 실시예에 따른 영상 처리 장치가 단계(610) 내지 단계(660)을 통해 출력 영상을 생성하여 출력하는 과정이 도시된다.
단계(610)에서, 영상 처리 장치는 입력 영상 및 입력 영상에 대응하는 포즈 정보를 수신할 수 있다.
단계(620)에서, 영상 처리 장치는 입력 영상에 대응하는 포즈 정보를 기초로, 인코딩을 통해 입력 영상의 특징 벡터를 생성할 수 있다.
단계(630)에서, 영상 처리 장치는 입력 영상을 변환시키고자 하는 포즈 및 회전 정보를 수신할 수 있다.
단계(640)에서, 영상 처리 장치는 단계(620)에서 생성된 특징 벡터와 단계(630)에서 수신한 포즈 및 회전 정보를 기초로, 얼굴 구성 요소 가이드 모듈에 의해 포즈 및 회전 정보에 따른 대상 구성 요소를 표현하기 위한 보조 특징 벡터를 생성할 수 있다.
단계(650)에서, 영상 처리 장치는 단계(640)에서 생성된 보조 특징 벡터를 기초로 단계(620)에서 생성된 특징 벡터를 디코딩함으로써 출력 영상을 생성할 수 있다.
단계(660)에서, 영상 처리 장치는 출력 영상을 출력할 수 있다. 영상 처리 장치는 출력 영상을 영상 처리 장치의 외부로 출력할 수도 있고, 또는 영상 처리 장치에 포함된 디스플레이를 통해 출력할 수도 있다.
도 7은 일 실시예에 따른 트레이닝 방법을 나타낸 흐름도이다. 도 7을 참조하면, 일 실시예에 따른 트레이닝 장치는 단계(705) 내지 단계(750)의 과정을 통해 타겟 영상을 생성하는 신경망들을 트레이닝할 수 있다.
단계(705)에서, 트레이닝 장치는 제1 영상 및 제1 영상에 대응하는 제1 포즈 정보를 인코딩하여 제1-1 특징 벡터를 획득한다.
단계(710)에서, 트레이닝 장치는 제1 영상의 타겟 영상에 해당하는 제2 영상 및 제2 영상에 대응하는 제2 포즈 정보를 인코딩하여 제1-2 특징 벡터를 획득한다.
단계(715)에서, 트레이닝 장치는 제1-1 특징 벡터와 제1-2 특징 벡터 간의 차이를 기초로, 제1 영상 및 제2 영상에 포함된 대상체의 아이덴티티(identity)가 해당하는 대상체의 포즈와 무관하게 유지되도록 인코더를 트레이닝 한다.
단계(720)에서, 트레이닝 장치는 인코더의 중간 레이어에서 제2 특징 벡터를 획득한다.
단계(725)에서, 트레이닝 장치는 제1 포즈 정보를 중간 레이어에 대응하도록 변환한다.
단계(730)에서, 트레이닝 장치는 제2 특징 벡터, 변환된 제1 포즈 정보, 및 회전 정보를 제1 신경망에 인가함으로써 회전 정보에 대응하는 포즈를 갖는 제2 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성한다.
단계(735)에서, 트레이닝 장치는 제2 특징 벡터에서 대상 구성 요소에 해당하는 대상 특징 벡터를 분리한다.
단계(740)에서, 트레이닝 장치는 가중치 맵과 대상 특징 벡터를 결합함으로써 포즈에 대응하는 대상 구성 요소를 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성한다.
단계(745)에서, 트레이닝 장치는 디코더를 이용하여, 보조 특징 벡터를 기초로 제1-1 특징 벡터를 디코딩하여 제3 영상을 생성한다.
단계(750)에서, 트레이닝 장치는 제2 영상 및 제3 영상을 기초로, 제1 신경망, 인코더 및 디코더를 트레이닝 한다.
도 8은 일 실시예에 따른 트레이닝 장치의 구조를 도시한 도면이고, 도 9는 도 8의 트레이닝 장치의 구조를 구체적으로 도시한 도면이다. 도 8 및 도 9를 참조하면, 일 실시예에 따른 트레이닝 장치(800,900)는 제1 인코딩 모듈(815), 제2 인코딩 모듈(830), 아이덴티티 보존 모듈(840), 얼굴 구성 요소 가이던스 모듈(860), 및 디코딩 모듈(870)을 포함할 수 있다.
트레이닝 장치(800,900)는 제1 영상(805) 및 제1 영상(805)에 대응하는 제1 포즈 정보(810)를 제1 인코딩 모듈(815)에 의해 인코딩하여 제1-1 특징 벡터(910)를 획득할 수 있다. 제1-1 특징 벡터(910)는 예를 들어, 제1 인코딩 모듈(815)의 중간에 나오는 mid 크기의 Wmid×Hmid×Cmid 와 다른 형태의 W×H×C의 크기를 가질 수 있다.
트레이닝 장치(800,900)는 제2 영상(820) 및 제2 영상(820)에 대응하는 제2 포즈 정보(825)를 제2 인코딩 모듈(830)에 의해 인코딩하여 제1-2 특징 벡터(920)를 획득할 수 있다. 여기서, 제2 영상은 제1 영상(805)의 타겟 영상에 해당할 수 있다.
아이덴티티 보존 모듈(840)은 제1-1 특징 벡터(910)와 제1-2 특징 벡터(920) 간의 차이를 기초로, 제1 영상(805) 및 제2 영상(820)에 포함된 대상체의 아이덴티티가 해당하는 대상체의 포즈와 무관하게 유지되도록 제1 인코딩 모듈(815)을 트레이닝할 수 있다.
트레이닝 장치(800,900)는 제1 인코더 모듈(815)의 중간 레이어에서 제2 특징 벡터(930)를 획득할 수 있다. 제2 특징 벡터(930)는 도 9에 도시된 것과 같이 복수 개의 대상 구성 요소 별 제2 특징 벡터(933, 936)를 포함할 수 있다. 이때, 제2 특징 벡터(933)은 왼쪽 눈에 해당하는 특징 벡터이고, 제2특징 벡터(936)는 오른쪽 눈에 해당하는 특징 벡터일 수 있다.
얼굴 구성 요소 가이던스 모듈(860)은 제1 포즈 정보(810)를 중간 레이어에 대응하는 크기를 갖는 제1 포즈 정보(845)로 변환할 수 있다.
얼굴 구성 요소 가이던스 모듈(860)은 제1 인코딩 모듈(815)의 중간 레이어에서 획득된 제2 특징 벡터(930), 변화된 제1 포즈 정보(845) 및 제1 입력 영상(805)에 대한 회전 정보(850)를 제1 신경망(940)에 인가함으로써 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵(들)(950, 955)을 생성할 수 있다.
제1 신경망(940)은 심층 신경망 또는 컨볼루션 신경망 등 다양한 형태 및/또는 다양한 구조의 신경망으로 구성될 수 있다. 제1 신경망(940)이 컨볼루션 신경망으로 구성된 경우, 가중치 맵(들)(950, 955) 각각은 Wmid×Hmid 크기를 갖는 1 채널의 특징 맵에 해당할 수 있다.
얼굴 구성 요소 가이던스 모듈(860)은 제2 특징 벡터(930)에서 대상 구성 요소에 해당하는 제2 특징 벡터들(933, 936)을 분리할 수 있다.
얼굴 구성 요소 가이던스 모듈(860)은 가중치 맵들(950, 955)과 제2 특징 벡터들(933, 936)을 결합함으로써 포즈에 대응하는 대상 구성 요소를 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터(960)를 생성할 수 있다.
얼굴 구성 요소 가이던스 모듈(860)은 가중치 맵(950)과 제2 특징 벡터(933)를 곱한 제1 결과(960)를 산출할 수 있다. 제1 결과(960)는 예를 들어, W_mid*H_mid 크기를 갖는 C_mid 채널 특징에 해당할 수 있다. 또한, 얼굴 구성 요소 가이던스 모듈(860)은 가중치 맵(955)과 제2 특징 벡터(936)를 곱한 제2 결과(965)를 산출할 수 있다. 제2 결과(965)는 예를 들어, W_mid*H_mid 크기를 갖는 C_mid 채널 특징에 해당할 수 있다. 따라서, 얼굴 구성 요소 가이던스 모듈(860)은 보조 특징 생성부(970)에 의해 제1 결과(960)와 제2 결과(965)를 결합한 결과(2*C_mid)를 C_mid 채널로 맞춰 최종적으로 보조 특징 벡터(980)를 생성할 수 있다. 보조 특징 벡터(980)는 Wmid×Hmid의 크기를 갖는 C_mid 채널의 특징 벡터에 해당할 수 있다.
디코딩 모듈(870)은 얼굴 구성 요소 가이던스 모듈(860)에서 생성된 보조 특징 벡터(980)를 기초로, 제1 인코딩 모듈(815)에서 출력된 제1-1 특징 벡터를 디코딩함으로써 제3 영상(880)을 생성할 수 있다.
트레이닝 장치(800)는 디코딩 모듈(870)의 중간 레이어에서 보조 특징 벡터(980)와 동일한 사이즈를 갖는 레이어의 위치(예를 들어, Wmid×Hmid의 크기)에 보조 특징 벡터(980)를 합산(990)함으로써 제3 영상(880)을 생성할 수 있다.
트레이닝 장치(800)는 제2 영상(820) 및 제3 영상(880)을 기초로, 얼굴 구성 요소 가이던스 모듈(860)에 포함된 신경망(미도시), 제1-1인코딩 모듈(815) 및 디코딩 모듈(870)을 트레이닝할 수 있다. 트레이닝 장치(800)는 제2 영상(820)과 제3 영상(880) 간의 로스(loss)가 최소화되도록, 제1 신경망(940), 제1-1인코딩 모듈(815) 및 디코딩 모듈(870)을 트레이닝할 수 있다.
트레이닝 장치(800)의 제1 신경망(940), 제1-1인코딩 모듈(815) 및 디코딩 모듈(870)은 다양한 손실 함수에 기초하여 학습될 수 있다. 손실 함수는 하나의 손실 또는 복수의 손실들의 조합에 기초하여 결정될 수 있다. 트레이닝 장치(800)는 손실 함수에 기초하여, 신경망의 파라미터를 최적화함으로써 트레이닝될 수 있다.
일실시예에 따른 손실 함수 생성을 위한 손실은 예를 들어, 출력 영상에 해당하는 제3 영상(880)과 타겟 영상에 해당하는 제2 영상(820) 간의 지각적 손실(perceptual loss), 제3 영상(880)과 제2 영상(820)을 픽셀 단위로 비교하여 생성된 손실(pixelwise loss), 제3 영상(880)의 식별 정보 및 제2 영상(820)의 식별 정보를 비교하여 생성된 손실(identity preserving loss), 제3 영상(880)의 픽셀 간 픽셀 값들의 차이에 기초한 손실, 제3 영상(880) 및 제2 영상(820)에 기초한 GAN 손실(GAN loss) 등을 포함할 수 있다.
여기서, 제3 영상(880) 및 제2 영상(820) 간의 지각적 손실 및 제3 영상(880) 및 제2 영상(820)을 픽셀 단위로 비교하여 생성된 손실은 제3 영상(880) 및 제2 영상(820)을 비교하여 결정된 손실에 해당할 수 있다. 또한, 제3 영상(880) 및 제2 영상(820) 간의 지각적 손실은 제3 영상(880)에서 추출된 특징 및 제2 영상(820)에서 추출된 특징을 비교하여 생성된 지각적 손실에 해당할 수 있다. 일실시예에 따른 제3 영상(880) 및 제2 영상(820)을 픽셀 단위로 비교하여 생성된 손실은 제3 영상(880)의 픽셀 값과 이에 대응하는 제2 영상(820) 내 픽셀 값의 차이에 기초하여 생성된 손실에 해당할 수 있다. 일실시예에 따른 모델은 제3 영상(880) 및 제2 영상(820)을 비교하여 결정된 손실을 이용하여 학습됨으로써, 제2 영상(820)에 가까운 제3 영상(880)을 생성하도록 학습될 수 있다.
일실시예에 따른 제3 영상(880)의 픽셀 간 픽셀 값의 차이에 기초한 손실은 제3 영상(880) 내 픽셀의 인접한 픽셀들 간의 픽셀 값의 차이에 기초한 손실에 해당할 수 있다. 일실시예에 따른 모델은 제3 영상(880) 내 픽셀 값들에 기초하여 결정된 손실을 이용하여 학습됨으로써, 인접한 픽셀들 간의 연결이 자연스러운 출력 영상을 생성하도록 학습될 수 있다.
일실시예에 따른 제3 영상(880)의 식별 정보 및 제2 영상(820)의 식별 정보를 비교하여 생성된 손실(identity preserving loss)은 입력 영상에 해당하는 제1 영상(805)으로부터 획득된 식별 정보에 관련된 제2 특징 벡터 및 제2 영상(820)에서 획득된 제2 특징 벡터에 기초하여 결정될 수 있다. 이는 제1 영상(805) 내 얼굴의 식별 정보의 동일성을 유지하면서, 제3 영상(880) 내 얼굴을 합성하기 위한 손실에 해당할 수 있다.
도 10은 일 실시예에 따라 영상 처리 장치를 얼굴 영상 생성기(Generator)로 활용한 실시예를 도시한 도면이다. 도 10을 참조하면, 일 실시예에 따른 영상 처리 장치가 기 저장된 사용자의 이미지(Gallery IMG)(1010)와 새로 입력된 인증 대상 이미지(Probe IMG)(1020)를 매칭하는 사용자 인증 장치(1000)에서 얼굴 영상 생성기(Generator)(1030)로 동작하는 경우가 도시된다.
얼굴 영상 생성기(1030)는 기 저장된 사용자의 이미지(1010)가 입력되면, 기 저장된 사용자의 이미지(1010)로부터 변환 가능한 다양한 포즈의 얼굴을 포함하는 출력 영상들(1040)을 생성할 수 있다. 사용자 인증 장치는 인증 대상 이미지(1020) 및 출력 영상들(1040)에 기초하여 사용자 인증을 수행할 수 있다. 이때, 얼굴 영상 생성기(1030)에서 이용되는 회전 정보는 미리 정해진 다양한 얼굴 포즈에 기초하여 결정될 수 있다. 사용자 인증 장치(1000)는 얼굴 영상 생성기(1030)에 의해 생성된 출력 영상들(1040) 및 인증 대상 이미지(1020)에 기초하여 사용자 인증을 수행할 수 있다. 사용자 인증 장치(1000)는 출력 영상들(1040) 중 인증 대상 이미지(1020)와 근접한 얼굴 포즈에 해당하는 어느 하나의 출력 영상을 선택할 수 있다. 사용자 인증 장치(1000)는 선택된 출력 영상 및 인증 대상 이미지(1020) 각각으로부터 특징(들)을 추출(1050)하고, 추출된 특징(들)을 매칭(Matching)(1060)시켜 사용자 인증을 수행할 수 있다.
도 11은 다른 실시예에 따라 영상 처리 장치를 얼굴 영상 생성기(Generator)로 활용한 실시예를 도시한 도면이다. 도 11을 참조하면, 일 실시예에 따른 영상 처리 장치가 기 저장된 사용자의 이미지(Gallery IMG)(1110)와 새로 입력된 인증 대상 이미지(Probe IMG)(1120)를 매칭하는 사용자 인증 장치(1100)에서 얼굴 영상 생성기(Generator)(1130)로 동작하는 경우가 도시된다.
사용자 인증 장치(1100)는 인증 대상 이미지(1120)를 얼굴 영상 생성기(1130)에 입력하여, 인증 대상 이미지(1120)로부터 정규화된 이미지(Generalized IMG)(1140)를 생성할 수 있다. 이때, 정규화된 이미지(1140)는 인증 대상 이미지(1120)의 포즈를 정면으로 바라보도록 변환한 이미지에 해당할 수 있다.
사용자 인증 장치(1100)는 정규화된 이미지(1140)와 기 저장된 사용자의 이미지(1110)에 기초하여 사용자 인증을 수행할 수 있다. 사용자 인증 장치(1100)는 정규화된 이미지(1140)와 기 저장된 사용자의 이미지(1110) 각각으로부터 특징(들)을 추출하고(1150), 추출된 특징(들)을 매칭(Matching)(1160)시켜 사용자 인증을 수행할 수 있다.
도 12는 일 실시예에 따른 영상 처리 장치의 블록도이다. 도 12를 참조하면, 일 실시예에 따른 영상 처리 장치(1200)는 통신 인터페이스(1210), 프로세서(1230), 메모리(1250), 및 디스플레이(1270)를 포함할 수 있다. 통신 인터페이스(1210), 프로세서(1230), 메모리(1250), 및 디스플레이(1270)는 통신 버스(1205)를 통해 서로 연결될 수 있다.
통신 인터페이스(1210)는 입력 영상 및 입력 영상에 대한 회전 정보를 수신한다.
프로세서(1230)는 입력 영상에 대응하는 포즈 정보를 기초로, 입력 영상의 특징 벡터를 생성한다. 프로세서(1230)는 특징 벡터, 포즈 정보, 및 회전 정보를 기초로, 회전 정보에 대응하는 포즈에 따른 대상 구성 요소를 표현하기 위한 보조 특징 벡터를 생성한다. 프로세서(1230)는 특징 벡터 및 보조 특징 벡터에 기초하여 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성한다.
또한, 프로세서(1230)는 도 1 내지 도 11을 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 프로세서(1230)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 영상 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 지문 검출 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(Central Processing Unit; CPU), 그래픽 처리 장치(Graphic Processing Unit; GPU), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array), NPU(Neural Processing Unit) 등을 포함할 수 있다.
프로세서(1230)는 프로그램을 실행하고, 영상 처리 장치(1200)를 제어할 수 있다. 프로세서(1230)에 의하여 실행되는 프로그램 코드는 메모리(1250)에 저장될 수 있다.
메모리(1250)는 통신 인터페이스(1210)를 통해 수신한 입력 영상 및/또는 회전 정보를 저장할 수 있다. 메모리(1250)는 프로세서(1230)가 생성한 특징 벡터 및/또는 보조 특징 벡터를 저장할 수 있다. 또한, 메모리(1250)는 프로세서(1230)가 생성한 타겟 영상을 저장할 수 있다.
이와 같이, 메모리(1250)는 상술한 프로세서(1230)의 처리 과정에서 생성되는 다양한 정보를 저장할 수 있다. 이 밖에도, 메모리(1250)는 각종 데이터와 프로그램 등을 저장할 수 있다. 메모리(1250)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(1250)는 하드 디스크 등과 같은 대용량 저장 매체를 구비하여 각종 데이터를 저장할 수 있다.
실시예에 따라서, 영상 처리 장치(1200)는 프로세서(1230)에 의해 생성된 타겟 영상을 디스플레이(1270)를 통해 표시할 수도 있다. .
일 실시예에 따른 영상 처리 장치(1200)는 예를 들어, 첨단 운전자 보조 시스템(Advanced Drivers Assistance System; ADAS), HUD(Head Up Display) 장치, 3D 디지털 정보 디스플레이(Digital Information Display, DID), 내비게이션 장치, 뉴로모픽 장치(neuromorphic device), 3D 모바일 기기, 스마트 폰, 스마트 TV, 스마트 차량, IoT(Internet of Things) 디바이스, 의료 디바이스, 및 계측 디바이스 등과 같이 다양한 분야의 장치에 해당할 수 있다. 여기서, 3D 모바일 기기는 예를 들어, 증강 현실(Augmented Reality; AR), 가상 현실(Virtual Reality; VR), 및/또는 혼합 현실(Mixed Reality; MR)을 표시하기 위한 디스플레이 장치, 머리 착용 디스플레이(Head Mounted Display; HMD) 및 얼굴 착용 디스플레이(Face Mounted Display; FMD) 등을 모두 포함하는 의미로 이해될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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.

Claims (20)

  1. 입력 영상 및 상기 입력 영상에 대한 회전 정보를 수신하는 단계;
    상기 입력 영상에 대응하는 포즈(pose) 정보를 기초로, 상기 입력 영상의 특징 벡터를 생성하는 단계;
    상기 특징 벡터, 상기 포즈 정보, 및 상기 회전 정보를 기초로, 상기 회전 정보에 대응하는 포즈에 따른 대상 구성 요소(target component)를 표현하기 위한 보조 특징 벡터(assistant feature vector)를 생성하는 단계; 및
    상기 특징 벡터 및 상기 보조 특징 벡터에 기초하여 상기 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성하는 단계
    를 포함하는, 영상 처리 방법.
  2. 제1항에 있어서,
    상기 보조 특징 벡터를 생성하는 단계는
    상기 포즈 정보를 인코더의 중간 레이어에 대응하도록 변환하는 단계;
    상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 기초로, 상기 타겟 영상에서 상기 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵(weight map)을 생성하는 단계; 및
    상기 가중치 맵과 상기 특징 벡터에서 분리된 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 상기 보조 특징 벡터를 생성하는 단계
    를 포함하는, 영상 처리 방법.
  3. 제2항에 있어서,
    상기 가중치 맵을 생성하는 단계는
    상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 제1 신경망에 인가함으로써 상기 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하는 단계
    를 포함하는, 영상 처리 방법.
  4. 제2항에 있어서,
    상기 대상 구성 요소가 복수 개인 경우, 상기 가중치 맵을 생성하는 단계는
    상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 기초로, 상기 타겟 영상에서 상기 복수 개의 대상 구성 요소 별로 해당 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하는 단계
    를 포함하는, 영상 처리 방법.
  5. 제2항에 있어서,
    상기 보조 특징 벡터를 생성하는 단계는
    상기 특징 벡터에서 상기 대상 구성 요소에 해당하는 상기 대상 특징 벡터를 분리하는 단계; 및
    상기 가중치 맵과 상기 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성하는 단계
    를 포함하는, 영상 처리 방법.
  6. 제1항에 있어서,
    상기 특징 벡터를 생성하는 단계는
    상기 입력 영상으로부터 상기 포즈 정보를 추정하는 단계;
    상기 입력 영상 및 상기 포즈 정보를 상기 제1 특징 벡터를 출력하는 인코더(encoder)에 인가하는 단계; 및
    상기 인코더의 중간 레이어에서 상기 특징 벡터를 획득하는 단계;
    를 포함하는, 영상 처리 방법.
  7. 제6항에 있어서,
    상기 포즈 정보를 추정하는 단계는
    상기 입력 영상으로부터 상기 대상 구성 요소를 포함하는 대상체의 랜드 마크들(landmarks)을 추출함으로써 상기 대상체에 대응하는 랜드마크 히트 맵(landmark hit map)을 생성하는 단계; 및
    상기 랜드마크 히트 맵을 기초로, 상기 포즈 정보를 추정하는 단계
    를 포함하는, 영상 처리 방법.
  8. 제1항에 있어서,
    상기 회전 정보는
    상기 타겟 영상을 생성하기 위해 상기 입력 영상 내의 대상체를 회전시키고자 하는 회전 방향, 및 상기 대상체의 회전 정도를 지시하는 값 중 적어도 하나를 포함하는, 영상 처리 방법.
  9. 제1항에 있어서,
    상기 포즈 정보는
    상기 입력 영상 내 얼굴에 대응하는 랜드마크 히트 맵을 포함하는, 영상 처리 방법.
  10. 제1항에 있어서,
    상기 타겟 영상을 생성하는 단계는
    디코더(decoder)를 이용하여, 상기 보조 특징 벡터를 기초로 상기 특징 벡터를 디코딩함으로써 상기 타겟 영상을 생성하는 단계
    를 포함하는, 영상 처리 방법.
  11. 제10항에 있어서,
    상기 타겟 영상을 생성하는 단계는
    상기 디코딩 과정에서 상기 보조 특징 벡터를 상기 특징 벡터와 합산함으로써 상기 타겟 영상을 생성하는 단계
    를 포함하는, 영상 처리 방법.
  12. 제1항에 있어서,
    상기 입력 영상은 얼굴을 포함하고,
    상기 대상 구성 요소는
    눈, 코, 입, 및 입꼬리 중 적어도 하나를 포함하는, 영상 처리 방법.
  13. 제1 영상 및 상기 제1 영상에 대응하는 제1 포즈 정보를 인코딩하여 제1-1 특징 벡터를 획득하는 단계;
    상기 제1 영상의 타겟 영상에 해당하는 제2 영상 및 상기 제2 영상에 대응하는 제2 포즈 정보를 인코딩하여 제1-2 특징 벡터를 획득하는 단계;
    상기 제1-1 특징 벡터와 상기 제1-2 특징 벡터 간의 차이를 기초로, 상기 제1 영상 및 상기 제2 영상에 포함된 대상체의 아이덴티티(identity)가 해당하는 대상체의 포즈와 무관하게 유지되도록 인코더를 트레이닝하는 단계;
    상기 인코더의 중간 레이어에서 제2 특징 벡터를 획득하는 단계;
    상기 제1 포즈 정보를 상기 중간 레이어에 대응하도록 변환하는 단계;
    상기 제2 특징 벡터, 상기 변환된 제1 포즈 정보, 및 회전 정보를 제1 신경망에 인가함으로써 상기 회전 정보에 대응하는 포즈를 갖는 제2 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하는 단계;
    상기 제2 특징 벡터에서 상기 대상 구성 요소에 해당하는 대상 특징 벡터를 분리하는 단계;
    상기 가중치 맵과 상기 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성하는 단계;
    디코더를 이용하여, 상기 보조 특징 벡터를 기초로 상기 제1-1 특징 벡터를 디코딩하여 제3 영상을 생성하는 단계; 및
    상기 제2 영상 및 상기 제3 영상을 기초로, 상기 제1 신경망, 상기 인코더 및 상기 디코더를 트레이닝하는 단계
    를 포함하는, 트레이닝 방법.
  14. 하드웨어와 결합되어 제1항 내지 제12항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
  15. 입력 영상 및 상기 입력 영상에 대한 회전 정보를 수신하는 통신 인터페이스; 및
    상기 입력 영상에 대응하는 포즈 정보를 기초로, 상기 입력 영상의 특징 벡터를 생성하고, 상기 특징 벡터, 상기 포즈 정보, 및 상기 회전 정보를 기초로, 상기 회전 정보에 대응하는 포즈에 따른 대상 구성 요소를 표현하기 위한 보조 특징 벡터를 생성하며, 상기 특징 벡터 및 상기 보조 특징 벡터에 기초하여 상기 회전 정보에 대응하는 포즈를 갖는 타겟 영상을 생성하는 프로세서
    를 포함하는, 영상 처리 장치.
  16. 제15항에 있어서,
    상기 프로세서는
    상기 포즈 정보를 인코더의 중간 레이어에 대응하도록 변환하고,
    상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 기초로, 상기 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하며,
    상기 가중치 맵과 상기 특징 벡터에서 분리된 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 상기 보조 특징 벡터를 생성하는,
    영상 처리 장치.
  17. 제16항에 있어서,
    상기 프로세서는
    상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 제1 신경망에 인가함으로써 상기 타겟 영상에서 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하는,
    영상 처리 장치.
  18. 제16항에 있어서,
    상기 대상 구성 요소가 복수 개인 경우, 상기 프로세서는
    상기 특징 벡터, 상기 변환된 포즈 정보, 및 상기 회전 정보를 기초로, 상기 타겟 영상에서 상기 복수 개의 대상 구성 요소 별로 해당 대상 구성 요소가 생성될 위치를 내포하는 가중치 맵을 생성하는,
    영상 처리 장치.
  19. 제16항에 있어서,
    상기 프로세서는
    상기 특징 벡터에서 상기 대상 구성 요소에 해당하는 상기 대상 특징 벡터를 분리하고,
    상기 가중치 맵과 상기 대상 특징 벡터를 결합함으로써 상기 포즈에 대응하는 상기 대상 구성 요소를 상기 대상 구성 요소가 생성될 위치에 표현하기 위한 보조 특징 벡터를 생성하는,
    영상 처리 장치.
  20. 제15항에 있어서,
    상기 영상 처리 장치는
    사용자 인증 장치, 첨단 운전자 보조 시스템(Advanced Drivers Assistance System; ADAS), HUD(Head Up Display) 장치, 3D 디지털 정보 디스플레이(Digital Information Display, DID), 내비게이션 장치, 뉴로모픽 장치(neuromorphic device), 3D 모바일 기기, 스마트 폰, 스마트 TV, 스마트 차량, IoT(Internet of Things) 디바이스, 및 의료 디바이스 중 적어도 하나를 포함하는,
    영상 처리 장치.
KR1020200176154A 2020-12-16 2020-12-16 영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법 KR20220086049A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200176154A KR20220086049A (ko) 2020-12-16 2020-12-16 영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법
US17/341,469 US11887348B2 (en) 2020-12-16 2021-06-08 Image processing method and apparatus, and image processing training method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200176154A KR20220086049A (ko) 2020-12-16 2020-12-16 영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법

Publications (1)

Publication Number Publication Date
KR20220086049A true KR20220086049A (ko) 2022-06-23

Family

ID=81941529

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200176154A KR20220086049A (ko) 2020-12-16 2020-12-16 영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법

Country Status (2)

Country Link
US (1) US11887348B2 (ko)
KR (1) KR20220086049A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11494959B2 (en) 2020-11-12 2022-11-08 Samsung Electronics Co., Ltd. Method and apparatus with generation of transformed image

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220065209A (ko) * 2020-11-13 2022-05-20 삼성전자주식회사 다양한 품질의 영상을 인식하는 방법 및 장치
US20220392099A1 (en) * 2021-05-28 2022-12-08 Disney Enterprises, Inc. Stable pose estimation with analysis by synthesis

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101001184B1 (ko) 2009-02-05 2010-12-15 연세대학교 산학협력단 얼굴 정규화 벡터를 이용한 반복적 3차원 얼굴 포즈 추정 방법
KR102241334B1 (ko) 2015-02-04 2021-04-19 엘지전자 주식회사 이동단말기 및 그 제어방법
JP6754619B2 (ja) * 2015-06-24 2020-09-16 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 顔認識方法及び装置
KR20170000748A (ko) 2015-06-24 2017-01-03 삼성전자주식회사 얼굴 인식 방법 및 장치
KR20170050465A (ko) 2015-10-30 2017-05-11 에스케이텔레콤 주식회사 얼굴 인식 장치 및 방법
US10229534B2 (en) * 2017-01-10 2019-03-12 Ditto Technologies, Inc. Modeling of a user's face
US10878612B2 (en) 2017-04-04 2020-12-29 Intel Corporation Facial image replacement using 3-dimensional modelling techniques
WO2019056000A1 (en) 2017-09-18 2019-03-21 Board Of Trustees Of Michigan State University GENERATIVE ANTAGONIST NETWORK WITH DISSOCATED REPRESENTATION LEARNING FOR INDEPENDENT POSTURE FACIAL RECOGNITION
US10769414B2 (en) 2018-06-03 2020-09-08 Apple Inc. Robust face detection
TW202014992A (zh) * 2018-10-08 2020-04-16 財團法人資訊工業策進會 虛擬臉部模型之表情擬真系統及方法
CN113870431A (zh) * 2020-06-30 2021-12-31 复旦大学 三维模型动作迁移方法
US11810397B2 (en) 2020-08-18 2023-11-07 Samsung Electronics Co., Ltd. Method and apparatus with facial image generating

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11494959B2 (en) 2020-11-12 2022-11-08 Samsung Electronics Co., Ltd. Method and apparatus with generation of transformed image

Also Published As

Publication number Publication date
US20220188559A1 (en) 2022-06-16
US11887348B2 (en) 2024-01-30

Similar Documents

Publication Publication Date Title
KR20220086049A (ko) 영상 처리 방법, 영상 처리 장치, 및 영상 처리를 위한 트레이닝 방법
CN110832501B (zh) 用于姿态不变面部对准的系统和方法
US11132800B2 (en) Real time perspective correction on faces
KR102285376B1 (ko) 3d 얼굴 모델링 방법 및 3d 얼굴 모델링 장치
KR20190074519A (ko) 영상의 상호작용 처리 방법 및 장치
CN111275057B (zh) 图像处理方法、装置及设备
KR20170000748A (ko) 얼굴 인식 방법 및 장치
US20120306874A1 (en) Method and system for single view image 3 d face synthesis
US10515456B2 (en) Synthesizing hair features in image content based on orientation data from user guidance
US20220301295A1 (en) Recurrent multi-task convolutional neural network architecture
US20230419592A1 (en) Method and apparatus for training a three-dimensional face reconstruction model and method and apparatus for generating a three-dimensional face image
CN113034652A (zh) 虚拟形象驱动方法、装置、设备及存储介质
CN111553267A (zh) 图像处理方法、图像处理模型训练方法及设备
KR102332114B1 (ko) 이미지 처리 방법 및 장치
KR20220038996A (ko) 특징 임베딩 방법 및 장치
KR102645698B1 (ko) 얼굴의 정렬 형태에 강인한 얼굴 인식 방법 및 그 장치
WO2023184817A1 (zh) 图像处理方法、装置、计算机设备、计算机可读存储介质及计算机程序产品
KR102498056B1 (ko) 메타버스내 메타휴먼의 생성 시스템 및 방법
CN112529904A (zh) 图像语义分割方法、装置、计算机可读存储介质和芯片
US20230070321A1 (en) Face recognition network model with face alignment based on knowledge distillation
KR20220122457A (ko) 영상 데이터에 포함된 얼굴 및 신체 비식별화 방법 및 이를 수행하기 위한 장치
KR102698791B1 (ko) 이미지 프로세싱 방법 및 장치, 컴퓨터 디바이스, 컴퓨터-판독가능 저장 매체, 및 컴퓨터 프로그램 제품
CN115908753B (zh) 一种全身人体网格表面重建方法及相关装置
CN114187624A (zh) 图像生成方法、装置、电子设备及存储介质
CN112699857A (zh) 基于人脸姿态的活体验证方法、装置及电子设备

Legal Events

Date Code Title Description
A201 Request for examination