KR20220100920A - 3d 신체 모델 생성 - Google Patents
3d 신체 모델 생성 Download PDFInfo
- Publication number
- KR20220100920A KR20220100920A KR1020227019676A KR20227019676A KR20220100920A KR 20220100920 A KR20220100920 A KR 20220100920A KR 1020227019676 A KR1020227019676 A KR 1020227019676A KR 20227019676 A KR20227019676 A KR 20227019676A KR 20220100920 A KR20220100920 A KR 20220100920A
- Authority
- KR
- South Korea
- Prior art keywords
- bone
- generating
- image
- coefficients
- skeletal model
- Prior art date
Links
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 129
- 238000000034 method Methods 0.000 claims abstract description 80
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 11
- 241001465754 Metazoa Species 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 230000000284 resting effect Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 230000032258 transport Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 40
- 238000004891 communication Methods 0.000 description 32
- 230000015654 memory Effects 0.000 description 32
- 230000003190 augmentative effect Effects 0.000 description 30
- 230000004048 modification Effects 0.000 description 29
- 238000012986 modification Methods 0.000 description 29
- 230000009466 transformation Effects 0.000 description 27
- 230000003416 augmentation Effects 0.000 description 22
- 238000000844 transformation Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000006073 displacement reaction Methods 0.000 description 6
- 210000000887 face Anatomy 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000037237 body shape Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000010079 rubber tapping Methods 0.000 description 3
- 238000005287 template synthesis Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008261 resistance mechanism Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
- Information Transfer Between Computers (AREA)
Abstract
본 개시내용의 양태들은 동작들을 수행하기 위한 시스템 및 방법을 수반하는데, 동작들은: 골격 모델의 각자의 골들에 각각 대응하는 복수의 골 스케일 계수를 수신하는 동작; 골격 모델에 대한 포즈를 집합적으로 정의하는 복수의 관절 각도 계수를 수신하는 동작; 수신된 골 스케일 계수들 및 수신된 관절 각도 계수들에 기초하여 골격 모델을 생성하는 동작; 복수의 골 스케일 계수에 기초하여 베이스 표면(base surface)을 생성하는 동작; 베이스 표면의 변형에 의해 신원 표면(identity surface)을 생성하는 동작; 및 신원 표면을 포즈 잡은 골격 모델 상으로 매핑함으로써 3D 신체 모델을 생성하는 동작을 포함한다.
Description
[우선권 주장]
본 출원은 2019년 11월 15일자로 출원된 미국 가출원 제62/936,272호에 대한 우선권의 이익을 주장하며, 이 가출원은 그 전체가 본 명세서에 참고로 포함된다.
[기술 분야]
본 개시내용은 3D 신체 모델들의 생성 및 이미지 기반 캐릭터 애니메이션을 위한 그들의 사용에 관한 것이다.
현대의 사용자 디바이스들은 사용자들이 서로 메시지들을 교환하게 허용하는 메시징 애플리케이션들을 제공한다. 그러한 메시징 애플리케이션들은 최근에 그러한 통신들에 그래픽을 통합하기 시작하였다. 그래픽은 사용자 행위를 모방하는 아바타 또는 만화를 포함할 수 있다.
반드시 축척대로 그려진 것은 아닌 도면들에서, 유사한 번호들은 상이한 뷰들에서 유사한 컴포넌트들을 기술할 수 있다. 임의의 특정 요소 또는 행위의 논의를 용이하게 식별하기 위해, 참조 번호에서 최상위 숫자 또는 숫자들은 그 요소가 처음 도입되는 도면 번호를 지칭한다. 일부 비제한적인 예들이 첨부 도면들의 그림들에서 도시된다.
도 1은 일부 예시적인 실시예들에 따른, 본 개시내용이 배치될 수 있는 네트워크 환경의 도식적 표현이다.
도 2는 일부 예들에 따라, 클라이언트측 및 서버측 기능성 둘 다를 가지는 메시징 시스템의 도식적 표현이다.
도 3은 일부 예시적인 실시예들에 따른, 데이터베이스에 유지되는 바와 같은 데이터 구조의 도식적 표현이다.
도 4는 일부 예시적인 실시예들에 따른, 메시지의 도식적 표현이다.
도 5는 일부 예들에 따른, 3D 신체 모델 생성 시스템에 의해 수행되는 동작들의 도식적 표현이다.
도 6은 일부 예들에 따른, 3D 신체 모델 생성 시스템 및 더 구체적으로 3D 신체 모델 생성 시스템의 훈련을 도시한다.
도 7은 일부 예들에 따른 템플릿에 미치는 골 길이(bone length) 변동의 영향을 도시한다.
도 8은 일부 예들에 따른, 하나의 유효 자유도에 따라 템플릿의 자세를 취하게 함으로써 합성된 샘플 메시들을 도시한다.
도 9는 일부 예들에 따른, 그래픽 사용자 인터페이스들의 도식적 표현이다.
도 10은 예시적인 실시예들에 따른, 메시징 애플리케이션 서버의 예시적인 동작들을 도시하는 흐름도이다.
도 11은 일부 예들에 따른, 머신으로 하여금 본 명세서에 논의된 방법론들 중 임의의 하나 이상을 수행하게 야기하기 위해 명령어들의 세트가 그 내에서 실행될 수 있는 컴퓨터 시스템 형태의 머신의 도식적 표현이다.
도 12는 예들이 그 내에서 구현될 수 있는 소프트웨어 아키텍처를 도시하는 블록도이다.
도 1은 일부 예시적인 실시예들에 따른, 본 개시내용이 배치될 수 있는 네트워크 환경의 도식적 표현이다.
도 2는 일부 예들에 따라, 클라이언트측 및 서버측 기능성 둘 다를 가지는 메시징 시스템의 도식적 표현이다.
도 3은 일부 예시적인 실시예들에 따른, 데이터베이스에 유지되는 바와 같은 데이터 구조의 도식적 표현이다.
도 4는 일부 예시적인 실시예들에 따른, 메시지의 도식적 표현이다.
도 5는 일부 예들에 따른, 3D 신체 모델 생성 시스템에 의해 수행되는 동작들의 도식적 표현이다.
도 6은 일부 예들에 따른, 3D 신체 모델 생성 시스템 및 더 구체적으로 3D 신체 모델 생성 시스템의 훈련을 도시한다.
도 7은 일부 예들에 따른 템플릿에 미치는 골 길이(bone length) 변동의 영향을 도시한다.
도 8은 일부 예들에 따른, 하나의 유효 자유도에 따라 템플릿의 자세를 취하게 함으로써 합성된 샘플 메시들을 도시한다.
도 9는 일부 예들에 따른, 그래픽 사용자 인터페이스들의 도식적 표현이다.
도 10은 예시적인 실시예들에 따른, 메시징 애플리케이션 서버의 예시적인 동작들을 도시하는 흐름도이다.
도 11은 일부 예들에 따른, 머신으로 하여금 본 명세서에 논의된 방법론들 중 임의의 하나 이상을 수행하게 야기하기 위해 명령어들의 세트가 그 내에서 실행될 수 있는 컴퓨터 시스템 형태의 머신의 도식적 표현이다.
도 12는 예들이 그 내에서 구현될 수 있는 소프트웨어 아키텍처를 도시하는 블록도이다.
이하의 설명은 본 개시내용의 예시적인 예들을 구체화하는 시스템들, 방법들, 기법들, 명령어 시퀀스들, 및 컴퓨팅 머신 프로그램 제품들을 포함한다. 이하의 설명에서, 설명의 목적상, 다양한 실시예들의 이해를 제공하기 위해 다수의 구체적인 상세사항들이 기재되어 있다. 그러나, 본 기술분야의 통상의 기술자들에게는 이러한 특정 상세사항들 없이도 실시예들이 실시될 수 있다는 것이 명백할 것이다. 일반적으로, 공지된 명령어 인스턴스들, 프로토콜들, 구조들, 및 기법들은 반드시 상세히 보여지지는 않는다.
인체의 메시 레벨 표현들은 컴퓨터 그래픽과 컴퓨터 비전 사이에서 중개 역할을 하여, 모션 캡처, 단안 3D 재구성, 인간 합성, 캐릭터 애니메이션, 및 증강 현실에 있어서 광범위한 응용을 용이하게 한다. 관절형 인체 변형들은 골격이 템플릿(메시) 형상을 애니메이션하는 리그된 모델링(rigged modelling)에 의해 캡처될 수 있다. SMPL(skinned multi-person linear model)과 같은 현재 모델들은 먼저 선형 기반의 확장을 통해 정규 포즈(canonical pose)로 템플릿 메시를 합성한다. 그 후 골격 관절들은 합성된 메시로부터 관절들로 회귀함으로써 사후 추정된다. 그러한 시스템들은 일반적으로 잘 작동하지만, 그것들의 복잡성은 모바일 디바이스 상에서 그리고 일상적인 응용에서 구현하는데 있어서 그것들을 비실용적이게 만든다. 또한, 그것들의 모델이 형상 및 포즈(pose) 정보를 인코딩하기 때문에, 그것들은 새로운 포즈들을 제어하고 이것들에 적응하기가 쉽지 않은데, 특히 실시간으로 하는 것이 쉽지 않다.
본 개시내용은 3D 신체 모델들을 생성하는 방법들을 설명하며, 구체적으로는 템플릿 합성 전에 골 스케일(bone scale)들이 설정되는 골 레벨 스킨형 모델(bone-level skinned model)에 관한 것이다. 골 스케일들은 템플릿 합성 전에 사용자에 의해 수동으로 지정될 수 있거나, (예를 들어, 하나 이상의 머신 러닝 기법을 이용하여) 자동화된 프로세스에서 결정될 수 있다. 구체적으로, 개시된 실시예들은 운동 또는 식이 습관과 같은 다른 요인들에 의존하는 획득된 신체 특색들로부터 골 길이 변동성을 구분함으로써 3D 모델들을 생성하기 위한 개선된 시스템을 제공한다. 개시된 실시예들은 먼저 골 길이 주도 메시 변동성을 별개로 모델링한 다음, 이것을 신원(identity) 특유의 업데이트와 조합하여 신체의 전체 분포를 표현한다. 이러한 구분된 표현은 더 콤팩트한 모델들을 낳는데, 이는 매우 정확한 재구성이 낮은 파라미터 카운트로 획득될 수 있게 한다. 개시된 실시예들은 선형 혼합 스키닝(linear blend skinning)을 통해 함께 번들링되는, 신원 특유의 골 길이, 포즈 특정적 관절 각도들, 및 신원 특유의 표면 변동의 순차적 사양으로서 메시 합성을 모델링한다. 한 응용에서, 신원 특유의 변동으로부터 골 길이를 분리하는 것은, 예를 들어, 의상 형상의 골 길이 독립적 부분을 보존하면서, 사람의 길이들과 매칭되도록 리그된 의상의 길이들을 스케일링함으로써 사람에 대한 의상을 새로운 사람에 대한 것으로 바꾸는데 이용될 수 있다.
이러한 방식으로, 본 출원의 실시예들은 이러한 3D 모델들을 생성하는 보다 효율적인 프로세스를 제공한다. 골격을 먼저 모델링함으로써, 요구되는 입력 파라미터들의 세트의 크기가 감소될 수 있다. 입력 파라미터 세트는 상당히 감소되어 골 스케일 계수들 및 관절 각도 계수들만을 포함하게 될 수 있다. 더욱이, 이러한 파라미터들의 사용은 사용자에게 더 직관적일 수 있다. 골 스케일링 인자(bone scaling factor)들을 명시적으로 제어가능하게 함으로써, 출력 3D 신체 형상에 대한 더 직관적인 제어가 제공될 수 있다. 개시된 기법들이 인간 기반 3D 신체들과 연계하여 설명되지만, 동일하거나 유사한 기법들이 임의의 다른 유형의 3D 신체(예를 들어, 동물 신체들 또는 인간 또는 동물 신체의 부분들)에 적용된다.
제1 양태에 따르면, 본 개시내용은 3D 신체 모델을 생성하는 컴퓨터 구현 방법을 설명하는데, 방법은: 골격 모델의 각자의 골들에 각각 대응하는 복수의 골 스케일 계수를 수신하는 단계; 골격 모델에 대한 포즈를 집합적으로 정의하는 복수의 관절 각도 계수를 수신하는 단계; 수신된 골 스케일 계수들 및 수신된 관절 각도 계수들에 기초하여 골격 모델을 생성하는 단계; 복수의 골 스케일 계수에 기초하여 베이스 표면(base surface)을 생성하는 단계; 베이스 표면의 변형에 의해 신원 표면(identity surface)을 생성하는 단계; 및 신원 표면을 포즈 잡은 골격 모델 상으로 매핑함으로써 3D 신체 모델을 생성하는 단계를 포함한다.
골격 모델은 트리 구조 그래프(tree-structured graph)에 기초할 수 있다. 골격 모델을 생성하는 것은 루트 골 요소 및 복수의 리프 골 요소의 재귀적 생성을 포함할 수 있다.
골격 모델은 각각의 골 요소에 대한 정지 위치(resting position)를 정의할 수 있다. 각각의 골 요소에 대한 정지 위치는 각자의 요소에 대한 템플릿 회전 행렬 및 병진 벡터에 의해 표현될 수 있다.
골격 모델은 각각의 골 요소에 대한 회전 인자 및 스케일링 인자를 추가로 정의할 수 있다. 회전 인자 및 스케일링 인자는 순차적으로 각각의 골 요소에 재귀적으로 적용된다.
복수의 관절 각도 계수 각각은 운동학적으로 유효한 범위에 제한될 수 있다. 2개의 골 요소 사이의 각각의 관절은 특정의 현실적인 자유도에 제한될 수 있다. 예를 들어, 팔꿈치는 단일 자유도에 제약될 수 있다. 각각의 회전은 현실적인 범위에 더 제한될 수 있다. 예를 들어, 관절 각도 계수들은 대응하는 제약되지 않은 변수를 운동학적으로 유효한 각도 범위에 매핑함으로써 제한될 수 있다.
실시예에 따르면, 골격 모델에서 47 자유도에 대응하는 총 47개의 관절 각도 계수가 존재할 수 있다. 그러나, 더 많거나 더 적은 수의 골 요소들을 갖는 다른 골격 모델들이 활용될 수 있다. 따라서, 다른 골격 모델들은 더 많거나 더 적은 수의 관절 각도 계수들을 가질 수 있다.
모델을 이러한 방식으로 (관절 각도 계수들의 개수에) 제한하는 것은 처리를 보다 효율적으로 만들 수 있다. 제한들은 모델 자체 내에서 적용될 수 있다. 따라서, 방법은, 예를 들어, 적대적 훈련 방법을 통해, 운동학적 정확도에 대해 생성된 모델들을 사후 테스트할 필요성을 피한다. 방법은 유사하게 포즈 식별을 개선할 수 있으며, 여기서 운동학적 제약들의 적용은 운동학적 실현가능성에 대한 사후 검사 프로세스와 비교하여, 식별의 정확도를 개선한다.
베이스 표면을 생성하는 것은 평균 표면을 생성하는 것 및 그 후 골 길이 의존적 변형에 기초하여 평균 표면에 보정을 적용하는 것을 포함할 수 있다. 이러한 방식으로, 골격을 모델링하는 것은 먼저 3D 신체 모델을 생성하기 위해 요구되는 파라미터들을 단순화한다. 골 길이 의존적 변형에서는 신체 유형의 변동이 자동으로 고려될 수 있다. 이러한 방식으로, 신체 유형 및 신원 신체 변동의 특징들이 분리될 수 있다. 이에 의해, 방법의 실시예들은 많은 파라미터들을, 일반적인 신체 유형 표면에 대한 수정들로서 매핑될 수 있는 신원 특징들의 레벨로 감소시킬 수 있다.
일부 실시예들에서, 신원 표면을 포즈 잡은 골격 모델 상으로 매핑하기 위해 선형 혼합 스키닝 프로세스(linear blend skinning process)가 사용될 수 있다. 선형 혼합 스키닝 프로세스는 골 요소에 대한 정지 위치에 대해 표면 포인트를 차트화하고, 및 각자의 골 요소에 대한 포즈 잡은 위치에 기초하여 차트화된 포인트를 수송함으로써, 골격 모델의 골 요소에 기초하여 표면 포인트를 신원 표면 상으로 매핑하는 것을 포함할 수 있다. 신원 표면 상의 표면 포인트는 골격 모델의 각각의 골 요소에 기초하여 이러한 방식으로 매핑될 수 있고, 각각의 각자의 매핑에 대해 가중 인자가 계산될 수 있다.
일부 구현들에서, 3D 신체 모델 생성이 캐릭터 애니메이션 프로세스에서 사용될 수 있다. 입력 2D 이미지가 장치에 제공될 수 있는데, 여기서 입력 2D 이미지는 적어도 하나의 신체의 표현을 포함한다. 복수의 골 스케일 계수와 복수의 관절 각도 계수는 입력 2D 이미지의 이미지 처리에 기초하여 결정될 수 있다. 예를 들어, 일부 구현에서, 심층 컨볼루션 신경망이 이미지 내의 적어도 하나의 신체의 존재를 검출하기 위해, 및 적어도 하나의 검출된 신체에 대한 복수의 골 스케일 계수와 복수의 관절 각도 계수를 추정하기 위해 이용될 수 있다.
따라서, 입력 2D 이미지 및 생성된 3D 신체 모델에 기초하여 출력 2D 이미지가 생성될 수 있으며, 여기서 입력 이미지 내의 신체의 표현은 3D 신체 모델의 대응하는 2D 표현으로 대체되거나 보완된다. 예를 들어, 캐릭터는 골격 골들 및 관절들의 세트로 리그될 수 있다. 캐릭터의 골격 리그(skeletal rig)는 2D 이미지에 묘사된 사람에 대한 모델에 의해 생성된 골격 정보에 기초하여 조정될 수 있다. 예에서, 골격 리그의 일부 컴포넌트들은 사람의 모델의 대응하는 골격 골들과 매칭되도록 크기가 감소될 수 있는 한편, 다른 컴포넌트들은 동일하게 유지되거나 크기가 증가된다. 이러한 방식으로, 캐릭터 애니메이션은 이미지에 묘사된 사람과 매칭되거나 이것에 대응할 수 있다. 예를 들어, 이미지에 묘사된 사람이 캐릭터 애니메이션의 골격 리그보다 더 긴 팔을 가지는 경우, 골격 리그의 팔이 확장되어 캐릭터 애니메이션에게 더 긴 팔의 외관을 부여할 수 있다. 또 다른 예로서, 이미지에 묘사된 사람이 과체중이거나 또는 많은 양의 신체 질량을 갖는 경우, 캐릭터 애니메이션의 크기가 유사하게 증가될 수 있다.
3D 신체 모델은 입력 2D 이미지로부터 결정된 복수의 골 스케일 계수 및 복수의 관절 각도 계수에 기초하여 생성되고, 입력 2D 이미지에 기초하여 2D 투영 상으로 투영될 수 있다. 결과적인 2D 투영은 입력 이미지 내의 신체의 표현 상으로 오버레이될 수 있다.
본 개시된 캐릭터 애니메이션 방법은 이미지 상으로 매핑할 때 비현실적인 형상 왜곡을 피할 수 있다. 신체 유형과 신원 신체 형상 변동들의 전술된 분리를 통해, 캐릭터는 검출된 골 크기에 따라 스케일링될 수 있고, 형상은 캐릭터의 변동을 식별하는 것에 영향을 주지 않고서 현실적인 신체 유형을 위해 그에 따라 변형될 수 있다.
네트워크화된 컴퓨팅 환경
도 1은 네트워크를 통해 데이터(예를 들어, 메시지들 및 연관된 콘텐츠)를 교환하기 위한 예시적인 메시징 시스템(100)을 도시하는 블록도이다. 메시징 시스템(100)은 클라이언트 디바이스(102)의 다중의 인스턴스를 포함하며, 이들 각각은 메시징 클라이언트(104) 및 다른 외부 애플리케이션들(109)(예를 들어, 제3자 애플리케이션들)을 포함하는 다수의 애플리케이션을 호스팅한다. 각각의 메시징 클라이언트(104)는 네트워크(112)(예를 들어, 인터넷)를 통해 (예를 들어, 각자의 다른 클라이언트 디바이스들(102) 상에서 호스팅되는) 메시징 클라이언트(104)의 다른 인스턴스들, 메시징 서버 시스템(108) 및 외부 앱(들) 서버들(110)에 통신가능하게 결합된다. 메시징 클라이언트(104)는 또한 애플리케이션 프로그램 인터페이스들(API들)을 사용하여 로컬로 호스팅되는 제3자 애플리케이션들(109)과 통신할 수 있다.
메시징 클라이언트(104)는 네트워크(112)를 통해 다른 메시징 클라이언트들(104)과 그리고 메시징 서버 시스템(108)과 통신하고 데이터를 교환할 수 있다. 메시징 클라이언트들(104) 사이에서 그리고 메시징 클라이언트(104)와 메시징 서버 시스템(108) 사이에서 교환되는 데이터는, 기능들(예를 들어, 기능들을 기동시키는 명령들)뿐만 아니라, 페이로드 데이터(예를 들어, 텍스트, 오디오, 비디오 또는 다른 멀티미디어 데이터)를 포함한다.
메시징 서버 시스템(108)은 네트워크(112)를 통해 특정 메시징 클라이언트(104)에게 서버 측 기능성을 제공한다. 메시징 시스템(100)의 특정 기능들이 메시징 클라이언트(104)에 의해 또는 메시징 서버 시스템(108)에 의해 수행되는 것으로 본 명세서에 설명되지만, 메시징 클라이언트(104) 또는 메시징 서버 시스템(108) 내에서의 특정 기능성의 로케이션은 설계 선택사항이다. 예를 들어, 처음에는 특정 기술 및 기능성을 메시징 서버 시스템(108) 내에 배치하지만, 나중에 클라이언트 디바이스(102)가 충분한 처리 용량을 갖는 경우 이 기술 및 기능성을 메시징 클라이언트(104)로 이주시키는 것이 기술적으로 바람직할 수 있다.
메시징 서버 시스템(108)은 메시징 클라이언트(104)에 제공되는 다양한 서비스들 및 동작들을 지원한다. 그러한 동작들은 메시징 클라이언트(104)에 데이터를 송신하고, 그로부터 데이터를 수신하고, 그에 의해 생성된 데이터를 처리하는 것을 포함한다. 이 데이터는, 예로서, 메시지 콘텐츠, 클라이언트 디바이스 정보, 지오로케이션 정보, 미디어 주석 및 오버레이, 메시지 콘텐츠 지속 조건, 소셜 네트워크 정보, 및 라이브 이벤트 정보를 포함할 수 있다. 메시징 시스템(100) 내에서의 데이터 교환은 메시징 클라이언트(104)의 사용자 인터페이스(UI)들을 통해 이용 가능한 기능들을 통해 기동되고 제어된다.
이제 구체적으로 메시징 서버 시스템(108)을 참조하면, 애플리케이션 프로그램 인터페이스(API) 서버(116)가 애플리케이션 서버들(114)에 결합되어 프로그램 방식의 인터페이스(programmatic interface)를 제공한다. 애플리케이션 서버들(114)은 데이터베이스 서버(120)에 통신가능하게 결합되는데, 이는 애플리케이션 서버들(114)에 의해 처리되는 메시지들과 연관된 데이터를 저장하는 데이터베이스(126)에 대한 액세스를 용이하게 한다. 유사하게, 웹 서버(128)가 애플리케이션 서버들(114)에 결합되고, 웹 기반 인터페이스들을 애플리케이션 서버들(114)에 제공한다. 이를 위해, 웹 서버(128)는 HTTP(Hypertext Transfer Protocol) 및 여러 다른 관련 프로토콜을 통해 착신 네트워크 요청들을 처리한다.
API(Application Program Interface) 서버(116)는 클라이언트 디바이스(102)와 애플리케이션 서버들(114) 사이에서 메시지 데이터(예를 들어, 명령들 및 메시지 페이로드들)를 수신하고 송신한다. 구체적으로, API(Application Program Interface) 서버(116)는 애플리케이션 서버들(114)의 기능성을 기동시키기 위해 메시징 클라이언트(104)에 의해 호출되거나 질의될 수 있는 인터페이스들(예를 들어, 루틴들 및 프로토콜들)의 세트를 제공한다. API(Application Program Interface) 서버(116)는 계정 등록, 로그인 기능성, 특정 메시징 클라이언트 애플리케이션(104)으로부터 또 다른 메시징 클라이언트 애플리케이션(104)으로의, 애플리케이션 서버들(114)을 통한 메시지의 전송, 메시징 클라이언트(104)로부터 메시징 서버(118)로의 미디어 파일들(예를 들어, 이미지 또는 비디오)의 전송, 및 다른 메시징 클라이언트 애플리케이션(104)에 의한 가능한 액세스를 위해, 미디어 데이터의 컬렉션(예를 들어, 스토리)의 설정, 클라이언트 디바이스(102)의 사용자의 친구들의 리스트의 검색, 그러한 컬렉션들의 검색, 메시지들 및 콘텐츠의 검색, 엔티티 그래프(예를 들어, 소셜 그래프)로의 엔티티들(예를 들어, 친구들)의 추가 및 삭제, 소셜 그래프 내에서의 친구들의 로케이션들, 및 (예를 들어, 메시징 클라이언트(104)에 관련된) 애플리케이션 이벤트를 오픈하는 것 등을 포함한, 애플리케이션 서버들(114)에 의해 지원되는 다양한 기능들을 노출시킨다.
애플리케이션 서버들(114)은 예를 들어, 메시징 서버(118), 이미지 처리 서버(122), 및 소셜 네트워크 서버(124)를 포함하는 다수의 서버 애플리케이션 및 서브시스템을 호스팅한다. 메시징 서버(118)는, 특히 메시징 클라이언트(104)의 다중의 인스턴스로부터 수신된 메시지들에 포함된 콘텐츠(예를 들어, 텍스트 및 멀티미디어 콘텐츠)의 집성 및 다른 처리에 관련된, 다수의 메시지 처리 기술 및 기능을 구현한다. 더 상세히 설명되는 바와 같이, 다중의 소스로부터의 텍스트 및 미디어 콘텐츠는 콘텐츠의 컬렉션들(예를 들어, 스토리 또는 갤러리라고 불림)로 집성될 수 있다. 그 후, 이러한 컬렉션들은 메시징 클라이언트(104)에 이용 가능하게 된다. 다른 프로세서 및 메모리 집약적인 데이터의 처리는 또한, 그러한 처리를 위한 하드웨어 요건을 고려하여, 메시징 서버(118)에 의해 서버 측에서 수행될 수 있다.
애플리케이션 서버들(114)은, 전형적으로 메시징 서버(118)로부터 송신되거나 메시징 서버(118)에서 수신되는 메시지의 페이로드 내의 이미지들 또는 비디오에 관하여, 다양한 이미지 처리 동작들을 수행하는 데 전용되는 이미지 처리 서버(122)를 또한 포함한다. 이미지 처리 서버(122)의 상세한 기능성은 도 5와 관련하여 도시되고 설명된다. 이미지 처리 서버(122)는 3D 신체(body) 모델 생성 시스템(230)(도 2)의 3D 신체 모델 생성 동작들을 구현하기 위해 사용된다.
일 실시예에서, 이미지 처리 서버(122)는 2D 이미지에서 사람을 검출한다. 이미지 처리 서버(122)는 2D 이미지에서 검출된 사람의 골들/관절들을 표현하는 랜드마크들의 세트를 생성한다. 이미지 처리 서버(122)는 랜드마크들의 세트에 기초하여 3D 신체 모델 생성 시스템(230)에 의해 생성된 모델의 파라미터들을 조정하여 2D 이미지에서 검출된 사람에 대응하는 골격 및 템플릿을 생성한다. 캐릭터 애니메이션 또는 아바타가 선택될 수 있다(예를 들어, 사용자는 원하는 아바타를 수동으로 선택할 수 있거나, 또는 자동으로 검색되고 선택될 수 있다). 캐릭터 애니메이션 또는 아바타를 생성하기 위해 이용되는 골격 리그는 3D 신체 모델 생성 시스템(230)에 의해 생성된 골격 및 템플릿에 기초하여 조정되어 2D 이미지에 묘사된 사람의 물리적 속성들을 표현하게 된다. 예로서, 골격 리그의 팔들은 이미지에 묘사된 사람의 팔들의 골격 골들과 매칭되도록 확장될 수 있다. 구체적으로, 사람의 팔들이 아바타 리그에 의해 표현되는 평균적인 사람보다 더 긴 경우, 아바타 리그의 팔들이 연장될 수 있다. 더 짧은 팔들을 갖는 상이한 사용자는 아바타 리그가 더 짧은 팔들을 가지며 생성되게 야기할 수 있다. 이러한 방식으로, 골격 리그에 기초하여 생성된 아바타 또는 캐릭터는 2D 이미지에 묘사된 사람의 물리적 속성들을 더 가깝게 미러링할 수 있다. 그 후 아바타는 2D 이미지 및/또는 비디오에서 사람을 대체하거나 보완할 수 있다.
소셜 네트워크 서버(124)는 다양한 소셜 네트워크화 기능 및 서비스를 지원하고 이들 기능 및 서비스를 메시징 서버(118)에 이용가능하게 만든다. 이를 위해, 소셜 네트워크 서버(124)는 데이터베이스(126) 내에 엔티티 그래프(308)(도 3에 도시됨)를 유지하고 액세스한다. 소셜 네트워크 서버(124)에 의해 지원되는 기능들 및 서비스들의 예들은 특정 사용자가 관계를 가지거나 "팔로우하고 있는" 메시징 시스템(100)의 다른 사용자들의 식별, 및 또한 다른 엔티티들의 식별 및 특정 사용자의 관심사들을 포함한다.
메시징 클라이언트(104)로 돌아가서, 외부 리소스(예를 들어, 제3자 애플리케이션(109) 또는 애플릿)의 피처들 및 기능들은 메시징 클라이언트(104)의 인터페이스를 통해 사용자에게 이용가능하게 된다. 메시징 클라이언트(104)는 외부 앱들(109)과 같은 외부 리소스(예를 들어, 제3자 리소스)의 피처들을 론칭하거나 액세스하기 위한 옵션의 사용자 선택을 수신한다. 외부 리소스는 클라이언트 디바이스(102) 상에 설치된 제3자 애플리케이션(외부 앱들(109))(예를 들어, "네이티브 앱"), 또는 클라이언트 디바이스(102) 상에서 또는 클라이언트 디바이스(102)로부터 원격으로(예를 들어, 제3자 서버들(110) 상에서) 호스팅되는 제3자 애플리케이션의 소규모 버전(예를 들어, "애플릿")일 수 있다. 제3자 애플리케이션의 소규모 버전은 제3자 애플리케이션의 피처들 및 기능들의 서브세트(예를 들어, 제3자 독립형 애플리케이션의 풀스케일 네이티브 버전)를 포함하고, 마크업 언어 문서를 이용하여 구현된다. 한 예에서, 제3자 애플리케이션의 소규모 버전(예를 들어, "애플릿")은 제3자 애플리케이션의 웹 기반 마크업 언어 버전이며, 메시징 클라이언트(104) 내에 임베딩된다. 마크업 언어 문서들(예를 들어, .*ml 파일)을 사용하는 것에 더하여, 애플릿은 스크립팅 언어(예를 들어, .*js 파일 또는 .json 파일) 및 스타일 시트(예를 들어, .*ss 파일)를 수용할 수 있다.
외부 리소스(외부 앱(109))의 피처들을 론칭하거나 액세스하기 위한 옵션의 사용자 선택을 수신한 것에 응답하여, 메시징 클라이언트(104)는 선택된 외부 리소스가 웹 기반 외부 리소스인지 또는 로컬로 설치된 외부 애플리케이션인지를 결정한다. 일부 경우에, 클라이언트 디바이스(102) 상에 로컬로 설치된 외부 애플리케이션(109)은 클라이언트 디바이스(102)의 홈 스크린 상에서, 외부 애플리케이션(109)에 대응하는 아이콘을 선택함으로써 그런 것처럼, 메시징 클라이언트(104)와는 독립적으로 및 별도로 론칭될 수 있다. 이러한 외부 애플리케이션들의 소규모 버전들은 메시징 클라이언트(104)를 통해 론칭되거나 액세스될 수 있고, 일부 예들에서, 소규모 외부 애플리케이션의 어떠한 부분도 메시징 클라이언트(104)의 외부에서 액세스될 수 없거나 또는 제한된 부분들이 액세스될 수 있다. 소규모 외부 애플리케이션은 메시징 클라이언트(104)가 외부 앱(들) 서버(110)로부터 소규모 외부 애플리케이션과 관련된 마크업 언어 문서를 수신하고 그러한 문서를 처리함으로써 론칭될 수 있다.
외부 리소스가 로컬로 설치된 외부 애플리케이션(109)이라고 결정한 것에 응답하여, 메시징 클라이언트(104)는 외부 애플리케이션(109)에 대응하는 로컬로 저장된 코드를 실행함으로써 외부 애플리케이션(109)을 론칭하도록 클라이언트 디바이스(102)에 지시한다. 외부 리소스가 웹 기반 리소스라고 결정한 것에 응답하여, 메시징 클라이언트(104)는 외부 앱(들) 서버들(110)과 통신하여 선택된 리소스에 대응하는 마크업 언어 문서를 획득한다. 그 후, 메시징 클라이언트(104)는 획득된 마크업 언어 문서를 처리하여 메시징 클라이언트(104)의 사용자 인터페이스 내에 웹 기반 외부 리소스를 제시한다.
메시징 클라이언트(104)는 클라이언트 디바이스(102)의 사용자, 또는 그러한 사용자와 관련된 다른 사용자들(예를 들어, "친구들")에게 하나 이상의 외부 리소스에서 발생하는 활동을 통지할 수 있다. 예를 들어, 메시징 클라이언트(104)는 메시징 클라이언트(104)에서의 대화(예를 들어, 채팅 세션)의 참가자들에게 사용자들의 그룹의 하나 이상의 멤버에 의한 외부 리소스의 현재 또는 최근 사용에 관한 통지들을 제공할 수 있다. 하나 이상의 사용자는 활성 외부 리소스에 참여하도록 또는 최근에 사용되었지만 (친구들의 그룹에서의) 현재 비활성인 외부 리소스를 론칭하도록 초청받을 수 있다. 외부 리소스는, 각각이 각자의 메시징 클라이언트 메시징 클라이언트들(104)을 사용하는 대화의 참여자들에게, 외부 리소스에서의 아이템, 상태(status), 상태(state), 또는 로케이션을 채팅 세션에 들어가는 사용자 그룹의 하나 이상의 멤버와 공유할 수 있는 능력을 제공할 수 있다. 공유된 아이템은 대화형 채팅 카드일 수 있고, 이 대화형 채팅 카드에 의해 채팅의 멤버들은, 예를 들어, 대응하는 외부 리소스를 론칭시키기 위해, 외부 리소스 내의 특정 정보를 보기 위해, 또는 채팅의 멤버를 외부 리소스 내의 특정 로케이션 또는 상태로 데려가기 위해 상호작용할 수 있다. 주어진 외부 리소스 내에서, 응답 메시지들이 메시징 클라이언트(104) 상의 사용자들에게 전송될 수 있다. 외부 리소스는 외부 리소스의 현재 컨텍스트에 기초하여, 상이한 미디어 아이템들을 응답들 내에 선택적으로 포함시킬 수 있다.
메시징 클라이언트(104)는 주어진 외부 리소스를 론칭하거나 액세스하기 위해 이용가능한 외부 리소스들(예를 들어, 제3자 또는 외부 애플리케이션(109) 또는 애플릿)의 리스트를 사용자에게 제시할 수 있다. 이 리스트는 컨텍스트 감지 메뉴에 제시될 수 있다. 예를 들어, 외부 애플리케이션(109)(또는 애플릿들) 중 상이한 것들을 나타내는 아이콘들이 (예를 들어, 대화 인터페이스로부터 또는 비대화 인터페이스로부터) 사용자에 의해 메뉴가 론칭되는 방법에 기초하여 달라질 수 있다.
시스템 아키텍처
도 2는 일부 예들에 따른, 메시징 시스템(100)에 관한 추가 상세사항들을 예시하는 블록도이다. 구체적으로, 메시징 시스템(100)은 메시징 클라이언트(104) 및 애플리케이션 서버들(114)을 포함하는 것으로 도시되어 있다. 메시징 시스템(100)은 메시징 클라이언트(104)에 의해 클라이언트 측에서 그리고 애플리케이션 서버들(114)에 의해 서버 측에서 지원되는 다수의 서브시스템을 구체화한다. 이러한 서브시스템들은, 예를 들어, 단기적 타이머 시스템(202), 컬렉션 관리 시스템(204), 증강 시스템(208), 맵 시스템(210), 게임 시스템(212), 및 외부 리소스 시스템(220)을 포함한다.
단기적 타이머 시스템(202)은 메시징 클라이언트(104) 및 메시징 서버(118)에 의한 콘텐츠에 대한 일시적 또는 시간 제한된 액세스를 시행하는 것을 담당한다. 단기적 타이머 시스템(202)은 메시지 또는 메시지들의 컬렉션(예를 들어, 스토리)과 연관된 지속기간 및 디스플레이 파라미터들에 기초하여, 메시징 클라이언트(104)를 통해 메시지들 및 연관된 콘텐츠에 대한 (예를 들어, 프레젠테이션 및 디스플레이를 위한) 액세스를 선택적으로 가능하게 하는 다수의 타이머를 포함한다. 단기적 타이머 시스템(202)의 동작에 관한 추가의 상세사항들이 아래에 제공된다.
컬렉션 관리 시스템(204)은 미디어의 컬렉션들(예를 들어, 텍스트, 이미지 비디오, 및 오디오 데이터의 컬렉션들) 또는 세트들을 관리하는 것을 담당한다. 콘텐츠의 컬렉션(예를 들어, 이미지들, 비디오, 텍스트, 및 오디오를 포함하는 메시지들)은 "이벤트 갤러리" 또는 "이벤트 스토리"가 되도록 조직될 수 있다. 그러한 컬렉션은 콘텐츠가 관련되는 이벤트의 지속기간과 같은 지정된 시간 기간 동안 이용 가능하게 될 수 있다. 예를 들어, 음악 콘서트에 관련한 콘텐츠는 그 음악 콘서트의 지속기간 동안 "스토리"로서 이용 가능하게 될 수 있다. 컬렉션 관리 시스템(204)은 또한 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스에 특정 컬렉션의 존재의 통지를 제공하는 아이콘을 게시하는 것을 담당할 수 있다.
컬렉션 관리 시스템(204)은 더욱이 컬렉션 관리자가 콘텐츠의 특정 컬렉션을 관리 및 큐레이팅하는 것을 허용하는 큐레이션 인터페이스(206)를 포함한다. 예를 들어, 큐레이션 인터페이스(206)는 이벤트 조직자가 특정 이벤트에 관련된 콘텐츠의 컬렉션을 큐레이팅(예를 들어, 부적절한 콘텐츠 또는 중복 메시지들을 삭제)하는 것을 가능하게 한다. 추가적으로, 컬렉션 관리 시스템(204)은 머신 비전(또는 이미지 인식 기술) 및 콘텐츠 규칙들을 채택하여 콘텐츠 컬렉션을 자동적으로 큐레이팅한다. 특정 예들에서, 사용자 생성 콘텐츠를 컬렉션에 포함시키는 것에 대한 보상이 사용자에게 지불될 수 있다. 이러한 경우에, 컬렉션 관리 시스템(204)은 이러한 사용자들에게 그들의 콘텐츠의 사용에 대해 자동적으로 지불하도록 동작한다.
증강 시스템(208)은 사용자가 메시지와 연관된 미디어 콘텐츠를 증강(예를 들어, 주석하거나 또는 다른 방식으로 수정 또는 편집)할 수 있게 하는 다양한 기능들을 제공한다. 예를 들어, 증강 시스템(208)은 메시징 시스템(100)에 의해 처리되는 메시지들에 대한 미디어 오버레이들의 생성 및 게시와 관련된 기능들을 제공한다. 증강 시스템(208)은 클라이언트 디바이스(102)의 지오로케이션에 기초하여 메시징 클라이언트(104)에 미디어 오버레이 또는 증강(예를 들어, 이미지 필터)을 동작적으로 공급한다. 또 다른 예에서, 증간 시스템(208)은 클라이언트 디바이스(102)의 사용자의 소셜 네트워크 정보와 같은 다른 정보에 기초하여 메시징 클라이언트(104)에 미디어 오버레이를 동작적으로 공급한다. 미디어 오버레이는 오디오 및 시각 콘텐츠 및 시각 효과를 포함할 수 있다. 오디오 및 시각적 콘텐츠의 예는 픽처, 텍스트, 로고, 애니메이션, 및 음향 효과를 포함한다. 시각적 효과의 예는 컬러 오버레잉을 포함한다. 오디오 및 시각 콘텐츠 또는 시각 효과는 클라이언트 디바이스(102)에서 미디어 콘텐츠 아이템(예를 들어, 사진)에 적용될 수 있다. 예를 들어, 미디어 오버레이는 클라이언트 디바이스(102)에 의해 촬영된 사진 위에 오버레이될 수 있는 텍스트, 그래픽 요소, 또는 이미지를 포함할 수 있다. 또 다른 예에서, 미디어 오버레이는 로케이션 오버레이의 식별(예를 들어, Venice beach), 라이브 이벤트의 이름, 또는 상인 오버레이의 이름(예를 들어, Beach Coffee House)을 포함한다. 또 다른 예에서, 증강 시스템(208)은 클라이언트 디바이스(102)의 지오로케이션을 이용하여, 클라이언트 디바이스(102)의 지오로케이션에 있는 상인의 이름을 포함하는 미디어 오버레이를 식별한다. 미디어 오버레이는 상인과 연관된 다른 표시들을 포함할 수 있다. 미디어 오버레이들은 데이터베이스(126)에 저장되고 데이터베이스 서버(120)를 통해 액세스될 수 있다.
일부 예들에서, 증강 시스템(208)은 사용자들이 맵 상에서 지오로케이션을 선택하고 선택된 지오로케이션과 연관된 콘텐츠를 업로드하는 것을 가능하게 하는 사용자 기반 게시 플랫폼을 제공한다. 사용자는 또한 특정 미디어 오버레이가 다른 사용자들에게 제공되어야 하는 상황들을 지정할 수 있다. 증강 시스템(208)은 업로드된 콘텐츠를 포함하고 업로드된 콘텐츠를 선택된 지오로케이션과 연관시키는 미디어 오버레이를 생성한다.
다른 예들에서, 증강 시스템(208)은 상인들이 입찰 프로세스를 통해 지오로케이션과 연관된 특정 미디어 오버레이를 선택할 수 있게 하는 상인 기반 게시 플랫폼을 제공한다. 예를 들어, 증강 시스템(208)은 최고가 입찰 상인의 미디어 오버레이를 미리 정의된 양의 시간 동안 대응하는 지오로케이션과 연관시킨다. 증강 시스템(208)은 이미지 처리 서버(122)와 통신하여 클라이언트 디바이스(102)에 의해 캡처된 이미지와 관련된 증강 현실 경험을 자동적으로 선택하고 활성화한다. 일단 사용자가 사용자의 환경에서 카메라를 사용하여 이미지들을 스캐닝함에 따라 증강 현실 경험이 선택되면, 하나 이상의 이미지, 비디오, 또는 증강 현실 그래픽 요소가 검색되고 스캐닝된 이미지들 위에 오버레이로서 제시된다. 일부 경우들에서, 카메라는 전방 뷰로 스위칭되고 (예를 들어, 클라이언트 디바이스(102)의 전방 카메라는 특정 증강 현실 경험의 활성화에 응답하여 활성화됨), 클라이언트 디바이스(102)의 전방 카메라로부터의 이미지들은 클라이언트 디바이스(102)의 후방 카메라 대신에 클라이언트 디바이스(102) 상에 디스플레이되기 시작한다. 하나 이상의 이미지, 비디오, 또는 증강 현실 그래픽 요소가 검색되고, 클라이언트 디바이스(102)의 전방 카메라에 의해 캡처되고 디스플레이되는 이미지들의 위에 오버레이로서 제시된다.
맵 시스템(210)은 다양한 지리적 로케이션 기능들을 제공하고, 메시징 클라이언트(104)에 의한 맵 기반 미디어 콘텐츠 및 메시지들의 프레젠테이션을 지원한다. 예를 들어, 맵 시스템(210)은, 맵의 컨텍스트 내에서, 사용자의 "친구들"의 현재 또는 과거 로케이션뿐만 아니라 이러한 친구들에 의해 생성된 미디어 콘텐츠(예를 들어, 사진들 및 비디오들을 포함하는 메시지들의 컬렉션들)를 표시하기 위해 맵 상에 사용자 아이콘들 또는 아바타들(예를 들어, 프로필 데이터(316)에 저장됨)의 디스플레이를 가능하게 한다. 예를 들어, 특정 지리적 로케이션으로부터 메시징 시스템(100)에 사용자에 의해 게시된 메시지는 그 특정 로케이션에서의 맵의 컨텍스트 내에서 메시징 클라이언트(104)의 맵 인터페이스 상의 특정 사용자의 "친구들"에게 디스플레이될 수 있다. 사용자는 더욱이 그 또는 그녀의 로케이션 및 상태 정보를 메시징 클라이언트(104)를 통해 메시징 시스템(100)의 다른 사용자들과 (예를 들어, 적절한 상태 아바타를 이용하여) 공유할 수 있는데, 이 로케이션 및 상태 정보는 선택된 사용자들에게 메시징 클라이언트(104)의 맵 인터페이스의 컨텍스트 내에서 유사하게 디스플레이된다.
게임 시스템(212)은 메시징 클라이언트(104)의 컨텍스트 내에서 다양한 게임 기능들을 제공한다. 메시징 클라이언트(104)는 메시징 클라이언트(104)의 컨텍스트 내에서 사용자에 의해 론칭되고 메시징 시스템(100)의 다른 사용자들에 의해 플레이될 수 있는 이용가능한 게임들(예를 들어, 웹 기반 게임들 또는 웹 기반 애플리케이션들)의 리스트를 제공하는 게임 인터페이스를 제공한다. 메시징 시스템(100)은 또한 메시징 클라이언트(104)로부터 다른 사용자들에게 초청들을 발행함으로써, 특정 사용자가 특정 게임의 플레이에 참여하도록 그러한 다른 사용자들을 초청할 수 있게 한다. 메시징 클라이언트(104)는 또한 게임플레이의 컨텍스트 내에서 음성 및 텍스트 메시징(예를 들어, 채팅들) 둘 다를 지원하고, 게임들에 대한 리더보드(leaderboard)를 제공하며, 또한 게임 내 보상들(예를 들어, 코인들 및 아이템들)의 제공을 지원한다.
외부 리소스 시스템(220)은 메시징 클라이언트(104)가 외부 리소스들을 론칭하거나 액세스하기 위해 외부 앱(들) 서버들(110)과 통신하기 위한 인터페이스를 제공한다. 각각의 외부 리소스(앱들) 서버(110)는, 예를 들어, 마크업 언어(예를 들어, HTML5) 기반 애플리케이션 또는 외부 애플리케이션(예를 들어, 메시징 클라이언트(104)의 외부에 있는 게임, 유틸리티, 지불, 또는 탑승 공유 애플리케이션)의 소규모 버전을 호스팅한다. 메시징 클라이언트(104)는 웹 기반 리소스와 연관된 외부 리소스(앱들) 서버들(110)로부터 HTML5 파일에 액세스함으로써 웹 기반 리소스(예를 들어, 애플리케이션)를 론칭할 수 있다. 특정 예들에서, 외부 리소스 서버들(110)에 의해 호스팅되는 애플리케이션들은 메시징 서버(118)에 의해 제공되는 SDK(Software Development Kit)를 레버리징하는 자바스크립트로 프로그래밍된다. SDK는 웹 기반 애플리케이션에 의해 호출되거나 기동될 수 있는 기능들을 갖는 API들(Application Programming Interfaces)을 포함한다. 특정 예들에서, 메시징 서버(118)는 주어진 제3자 리소스 액세스를 메시징 클라이언트(104)의 특정 사용자 데이터에 제공하는 자바스크립트 라이브러리를 포함한다. HTML5는 게임들을 프로그래밍하기 위한 예시적인 기술로서 사용되지만, 다른 기술들에 기초하여 프로그래밍되는 애플리케이션들 및 리소스들이 사용될 수 있다.
SDK의 기능들을 웹 기반 리소스 내에 통합하기 위해, SDK는 메시징 서버(118)로부터 외부 리소스(앱들) 서버(110)에 의해 다운로드되거나 또는 외부 리소스(앱들) 서버(110)에 의해 다른 방식으로 수신된다. 일단 다운로드되거나 수신되면, SDK는 웹 기반 외부 리소스의 애플리케이션 코드의 일부로서 포함된다. 웹 기반 리소스의 코드는 그 후 SDK의 특정 기능들을 호출하거나 기동하여 메시징 클라이언트(104)의 피처들을 웹 기반 리소스 내에 통합할 수 있다.
메시징 서버(118) 상에 저장된 SDK는 외부 리소스(예를 들어, 제3자 또는 외부 애플리케이션들(109) 또는 애플릿들 및 메시징 클라이언트(104)) 사이의 브리지를 효과적으로 제공한다. 이는 사용자에게 메시징 클라이언트(104) 상의 다른 사용자들과 통신하는 매끄러운 경험을 제공하면서도, 메시징 클라이언트(104)의 룩 앤드 필(look and feel)을 보존한다. 외부 리소스와 메시징 클라이언트(104) 사이의 통신을 브리지하기 위해, 특정 예들에서, SDK는 외부 리소스 서버들(110)과 메시징 클라이언트(104) 사이의 통신을 용이하게 한다. 특정 예들에서, 클라이언트 디바이스(102) 상에서 실행되는 WebViewJavaScriptBridge는 외부 리소스와 메시징 클라이언트(104) 사이에 2개의 단방향 통신 채널을 확립한다. 메시지들은 이들 통신 채널들을 통해 외부 리소스와 메시징 클라이언트(104) 사이에서 비동기적으로 전송된다. 각각의 SDK 기능 기동은 메시지 및 콜백(callback)으로서 전송된다. 각각의 SDK 기능은 고유 콜백 식별자를 구성하고 그 콜백 식별자를 갖는 메시지를 전송함으로써 구현된다.
SDK를 이용함으로써, 메시징 클라이언트(104)로부터의 모든 정보가 외부 리소스 서버들(110)과 공유되는 것은 아니다. SDK는 외부 리소스의 필요에 기초하여 어느 정보가 공유되는지를 제한한다. 특정 예들에서, 각각의 외부 리소스 서버(110)는 웹 기반 외부 리소스에 대응하는 HTML5 파일을 메시징 서버(118)에 제공한다. 메시징 서버(118)는 메시징 클라이언트(104) 내에 웹 기반 외부 리소스의 시각적 표현(박스 아트 또는 다른 그래픽 등)을 추가할 수 있다. 일단 사용자가 시각적 표현을 선택하거나 또는 메시징 클라이언트(104)의 GUI를 통해 메시징 클라이언트(104)에게 웹 기반 외부 리소스의 피처들에 액세스하도록 지시하면, 메시징 클라이언트(104)는 HTML5 파일을 획득하고, 웹 기반 외부 리소스의 피처들에 액세스하는 데 필요한 리소스들을 인스턴스화한다.
메시징 클라이언트(104)는 외부 리소스를 위한 그래픽 사용자 인터페이스(예를 들어, 랜딩(landing) 페이지 또는 타이틀 스크린)를 제시한다. 랜딩 페이지 또는 타이틀 스크린을 제시하는 동안에, 그 전에, 또는 그 후에, 메시징 클라이언트(104)는 론칭된 외부 리소스가 메시징 클라이언트(104)의 사용자 데이터에 액세스하도록 이전에 인가되었는지를 결정한다. 론칭된 외부 리소스가 메시징 클라이언트(104)의 사용자 데이터에 액세스하도록 이전에 인가되었다고 결정한 것에 응답하여, 메시징 클라이언트(104)는 외부 리소스의 기능들 및 피처들을 포함하는 외부 리소스의 또 다른 그래픽 사용자 인터페이스를 제시한다. 론칭된 외부 리소스가 메시징 클라이언트(104)의 사용자 데이터에 액세스하도록 이전에 인가되지 않았다고 결정한 것에 응답하여, 외부 리소스의 랜딩 페이지 또는 타이틀 스크린을 디스플레이하는 임계 시간 기간(예를 들어, 3초) 후에, 메시징 클라이언트(104)는 외부 리소스가 사용자 데이터에 액세스하는 것을 인가하기 위한 메뉴를 슬라이드 업(slide up)한다(예를 들어, 스크린의 하단으로부터 스크린의 중간 또는 다른 부분으로 떠오르는 것으로서 메뉴를 애니메이션한다). 메뉴는 외부 리소스가 사용하도록 인가될 사용자 데이터의 타입을 식별한다. 수락 옵션의 사용자 선택을 수신한 것에 응답하여, 메시징 클라이언트(104)는 외부 리소스를 인가된 외부 리소스들의 리스트에 추가하고 외부 리소스가 메시징 클라이언트(104)로부터의 사용자 데이터에 액세스하는 것을 허용한다. 일부 예들에서, 외부 리소스는 OAuth2 프레임워크에 따라 사용자 데이터에 액세스하기 위해 메시징 클라이언트(104)에 의해 인가된다.
메시징 클라이언트(104)는 인가되는 외부 리소스의 타입에 기초하여 외부 리소스들과 공유되는 사용자 데이터의 타입을 제어한다. 예를 들어, 풀스케일 외부 애플리케이션들(예를 들어, 제3자 또는 외부 애플리케이션(109))을 포함하는 외부 리소스들에는 제1 타입의 사용자 데이터(예를 들어, 상이한 아바타 특성들을 갖거나 갖지 않는 사용자들의 2차원 아바타들만)에 대한 액세스가 제공된다. 또 다른 예로서, 소규모 버전의 외부 애플리케이션들(예컨대, 제3자 애플리케이션들의 웹 기반 버전들)을 포함하는 외부 리소스들에는 제2 타입의 사용자 데이터(예를 들어, 지불 정보, 사용자들의 2차원 아바타들, 사용자들의 3차원 아바타들, 및 다양한 아바타 특성들을 갖는 아바타들)에의 액세스가 제공된다. 아바타 특성들은 상이한 포즈들, 얼굴 피처들, 의복 등과 같은 아바타의 룩앤필을 맞춤화하는 상이한 방식들을 포함한다.
3D 신체 모델 생성 시스템(230)은 인간 골격의 골 레벨 스킨형 모델을 생성한다. 구체적으로, 3D 신체 모델 생성은 입력으로서 골 스케일들, 관절 각도들, 및 형상 계수들을 수신하고, 3D 정점 로케이션들의 어레이를 반환한다. 3D 신체 모델 생성 시스템(230)은 최종 스테이지에서 그 결과들이 조합되는 2개의 스트림을 따라 동작한다. 제1 스트림(도 5의 상단 부분에 도시됨)은 바인딩(정지) 포즈를 전달하는 골 스케일링 계수들 
를 통해 골 스케일들을 설정함으로써 내부 골격을 결정한다. 이는 결국 관절 각도들 
를 특정함으로써 새로운 포즈로 변환되어, 최종 골격 
를 산출한다. (도 5의 하단 부분에 도시된) 제2 스트림은 사람 특유의 템플릿 합성 프로세스를 모델링한다: 평균 신체 유형 
에 대응하는 메시로부터 시작하여, 골 스케일링의 영향은 형상 보정 항 
를 더함으로써 흡수된다. 이는 결국 신원 특유의 형상 업데이트 
에 의해 증강된다. 사람 템플릿은 이하의 수학식 1로 표현된다:
2개의 스트림의 결과들은 LBS(linear blend skinning)를 이용하여 번들링되어 포즈 잡은 템플릿 
를 전달한다.
데이터 아키텍처
도 3은 특정 예들에 따른, 메시징 서버 시스템(108)의 데이터베이스(126)에 저장될 수 있는 데이터 구조들(300)을 예시하는 개략도이다. 데이터베이스(126)의 콘텐츠가 다수의 테이블을 포함하는 것으로 도시되어 있지만, 데이터는 다른 타입의 데이터 구조에(예를 들어, 객체 지향형 데이터베이스로서) 저장될 수 있다는 것을 알 것이다.
데이터베이스(126)는 메시지 테이블(302) 내에 저장된 메시지 데이터를 포함한다. 이 메시지 데이터는, 임의의 특정한 하나의 메시지에 대해, 적어도 메시지 발신자 데이터, 메시지 수신측(또는 수신자) 데이터, 및 페이로드를 포함한다. 메시지에 포함될 수 있고 메시지 테이블(302)에 저장된 메시지 데이터 내에 포함될 수 있는 정보에 관한 추가 상세사항들은 도 4를 참조하여 아래에 설명된다.
엔티티 테이블(306)은 엔티티 데이터를 저장하고, 엔티티 그래프(308) 및 프로필 데이터(316)에 (예를 들어, 참조적으로) 링크된다. 엔티티 테이블(306) 내에 레코드들이 유지되는 엔티티들은, 개인, 법인 엔티티, 조직, 객체, 장소, 이벤트 등을 포함할 수 있다. 엔티티 타입에 관계없이, 그에 관해 메시징 서버 시스템(108)이 데이터를 저장하는 임의의 엔티티는 인식된 엔티티일 수 있다. 각각의 엔티티는 고유 식별자뿐만 아니라 엔티티 타입 식별자(도시되지 않음)를 구비한다.
엔티티 그래프(308)는 엔티티들 사이의 관계 및 연관에 관한 정보를 저장한다. 그러한 관계들은, 단지 예를 들어, 사회의, 전문적(예를 들어, 일반 법인 또는 조직에서의 일) 관심 기반 또는 활동 기반일 수 있다.
프로필 데이터(316)는 특정 엔티티에 관한 다중 타입의 프로필 데이터를 저장한다. 프로필 데이터(316)는 특정 엔티티에 의해 지정된 프라이버시 설정들에 기초하여, 선택적으로 사용되고, 메시징 시스템(100)의 다른 사용자들에게 제시될 수 있다. 엔티티가 개인인 경우, 프로필 데이터(316)는, 예를 들어, 사용자 이름, 전화 번호, 주소, 설정들(예컨대, 통지 및 프라이버시 설정들)은 물론이고, 사용자 선택 아바타 표현(또는 이러한 아바타 표현들의 컬렉션)을 포함한다. 그 후 특정 사용자는 메시징 시스템(100)을 통해 통신된 메시지들의 콘텐츠 내에, 그리고 메시징 클라이언트들(104)에 의해 다른 사용자들에게 디스플레이된 맵 인터페이스들 상에 이들 아바타 표현들 중 하나 이상을 선택적으로 포함할 수 있다. 아바타 표현들의 컬렉션은 사용자가 특정 시간에 통신하기 위해 선택할 수 있는 상태 또는 활동의 그래픽 표현을 제시하는 "상태 아바타들"을 포함할 수 있다.
엔티티가 그룹인 경우, 그룹에 대한 프로필 데이터(316)는 관련 그룹에 대한 그룹 이름, 멤버들, 및 다양한 설정들(예컨대, 통지들)에 더하여, 그룹과 연관된 하나 이상의 아바타 표현을 유사하게 포함할 수 있다.
데이터베이스(126)는 또한 오버레이들 또는 필터들과 같은 증강 데이터를 증강 테이블(310)에 저장한다. 증강 데이터는 (그에 대해 데이터가 비디오 테이블(304)에 저장되는) 비디오들 및 (그에 대해 데이터가 이미지 테이블(312)에 저장되는) 이미지들과 연관되고 이들에 적용된다.
한 예에서, 필터들은 수신측 사용자에의 프레젠테이션 동안 이미지 또는 비디오 상에 오버레이되어 디스플레이되는 오버레이들이다. 필터들은, 전송측 사용자가 메시지를 작성하고 있을 때 메시징 클라이언트(104)에 의해 전송측 사용자에게 제시되는 필터들의 세트로부터의 사용자 선택된 필터들을 포함하여, 다양한 타입들의 것일 수 있다. 다른 타입의 필터들은 지리적 로케이션에 기초하여 전송측 사용자에게 제시될 수 있는 지오로케이션 필터들(지오 필터들이라고도 알려짐)을 포함한다. 예를 들어, 이웃 또는 특수 로케이션에 특정적인 지오로케이션 필터들이 클라이언트 디바이스(102)의 GPS(Global Positioning System) 유닛에 의해 결정된 지오로케이션 정보에 기초하여 메시징 클라이언트(104)에 의해 사용자 인터페이스 내에 제시될 수 있다.
또 다른 타입의 필터는 메시지 생성 프로세스 동안 클라이언트 디바이스(102)에 의해 수집된 정보 또는 다른 입력들에 기초하여, 메시징 클라이언트 애플리케이션(104)에 의해 전송측 사용자에게 선택적으로 제시될 수 있는 데이터 필터이다. 데이터 필터들의 예는 특정 로케이션에서의 현재 온도, 전송측 사용자가 이동하고 있는 현재 속도, 클라이언트 디바이스(102)에 대한 배터리 수명, 또는 현재 시간을 포함한다.
이미지 테이블(312) 내에 저장될 수 있는 다른 증강 데이터는 (예를 들어, 렌즈들 또는 증강 현실 경험들을 적용하는 것에 대응하는) 증강 현실 콘텐츠 아이템들을 포함한다. 증강 현실 콘텐츠 아이템은 이미지 또는 비디오에 추가될 수 있는 실시간 특수 효과 및 사운드일 수 있다. 각각의 증강 현실 경험은 하나 이상의 마커 이미지와 연관될 수 있다. 일부 실시예들에서, 마커 이미지가 클라이언트 디바이스(102)로부터 수신된 질의 이미지와 매칭되는 것으로 결정될 때, 마커 이미지의 대응하는 증강 현실 경험(예를 들어, 증강 데이터)이 이미지 테이블(312)로부터 검색되어 클라이언트 디바이스(102)에 제공된다. 다양한 유형의 증강 현실 경험이 도 9와 연계하여 도시되고 논의된다.
앞서 설명된 바와 같이, 증강 데이터는 증강 현실 콘텐츠 아이템들, 오버레이들, 이미지 변환들, AR 이미지들, 및 이미지 데이터(예컨대, 비디오들 또는 이미지들)에 적용될 수 있는 수정들을 지칭하는 유사한 항들을 포함한다. 이것은 이미지가 클라이언트 디바이스(102)의 디바이스 센서들(예컨대, 하나 또는 다중의 카메라)을 사용하여 캡처되고 그 후 수정들과 함께 클라이언트 디바이스(102)의 스크린 상에 디스플레이됨에 따라 이미지를 수정하는 실시간 수정들을 포함한다. 이것은 또한 수정될 수 있는 갤러리 내의 비디오 클립들과 같은, 저장된 콘텐츠에 대한 수정들을 포함한다. 예를 들어, 다중의 증강 현실 콘텐츠 아이템에 대한 액세스를 갖는 클라이언트 디바이스(102)에서, 사용자는 다중의 증강 현실 콘텐츠 아이템을 갖는 단일 비디오 클립을 사용하여 상이한 증강 현실 콘텐츠 아이템들이 어떻게 저장된 클립을 수정할 것인지를 알아볼 수 있다. 예를 들어, 상이한 의사랜덤 움직임 모델들을 적용하는 다중의 증강 현실 콘텐츠 아이템이 콘텐츠에 대해 상이한 증강 현실 콘텐츠 아이템들을 선택함으로써 동일한 콘텐츠에 적용될 수 있다. 유사하게, 실시간 비디오 캡처는 클라이언트 디바이스(102)의 센서들에 의해 현재 캡처되고 있는 비디오 이미지들이 어떻게 캡처된 데이터를 수정할 것인지를 보여주기 위해 예시된 수정과 함께 사용될 수 있다. 이러한 데이터는 스크린 상에 단순히 디스플레이될 수 있고 및 메모리에 저장되지 않을 수 있거나, 또는 디바이스 센서들에 의해 캡처된 콘텐츠는 수정들과 함께 또는 수정들 없이 (또는 둘 다로) 메모리에 기록되고 저장될 수 있다. 일부 시스템들에서, 미리보기 피처는 상이한 증강 현실 콘텐츠 아이템들이 동시에 디스플레이에서의 상이한 윈도우들 내에서 어떻게 보일 것인지를 나타낼 수 있다. 이는, 예를 들어, 상이한 의사랜덤 애니메이션들을 갖는 다중의 윈도우가 동시에 디스플레이 상에 보이도록 할 수 있다.
따라서, 이 데이터를 이용하여 콘텐츠를 수정하기 위해 증강 현실 콘텐츠 아이템들 또는 다른 그러한 변환 시스템들을 이용하는 데이터 및 다양한 시스템들은 객체들(예를 들어, 얼굴들, 손들, 몸들, 고양이들, 개들, 표면들, 객체들 등)의 검출, 객체들이 비디오 프레임들에서 시야를 떠나고, 시야에 들어가고, 그 주위를 이동함에 따른 그러한 객체들의 추적, 및 객체들이 추적됨에 따른 그러한 객체들의 수정 또는 변환을 수반할 수 있다. 다양한 예들에서, 그러한 변환들을 달성하기 위한 상이한 방법들이 이용될 수 있다. 일부 예들은 객체 또는 객체들의 3차원 메시 모델을 생성하고, 및 비디오 내의 모델의 변환들 및 애니메이션된 텍스처들을 이용하여 변환을 달성하는 것을 수반할 수 있다. 다른 예들에서, 객체 상의 포인트들의 추적은 이미지 또는 텍스처(2차원 또는 3차원일 수 있음)를 추적된 위치에 배치하기 위해 이용될 수 있다. 또 다른 예들에서, 비디오 프레임들의 신경망 분석이 콘텐츠(예를 들어, 비디오의 이미지들 또는 프레임들) 내에 이미지들, 모델들, 또는 텍스처들을 배치하기 위해 사용될 수 있다. 따라서, 증강 현실 콘텐츠 아이템들은 콘텐츠에서 변환들을 생성하기 위해 사용되는 이미지들, 모델들, 및 텍스처들뿐만 아니라, 객체 검출, 추적, 및 배치로 그러한 변환들을 달성하는 데 필요한 추가적인 모델링 및 분석 정보 둘 다를 지칭한다.
실시간 비디오 처리가 임의의 종류의 컴퓨터화된 시스템의 메모리에 저장된 임의 종류의 비디오 데이터(예를 들어, 비디오 스트림들, 비디오 파일들 등)를 가지고 수행될 수 있다. 예를 들어, 사용자는 비디오 파일들을 로딩하고 이들을 디바이스의 메모리에 저장할 수 있거나, 또는 디바이스의 센서들을 사용하여 비디오 스트림을 생성할 수 있다. 부가적으로, 임의의 객체들은 인간의 얼굴 및 인체의 부분들, 동물들, 또는 의자들, 자동차들, 또는 다른 객체들과 같은 무생물들과 같은 컴퓨터 애니메이션 모델을 사용하여 처리될 수 있다.
일부 예들에서, 변환될 콘텐츠와 함께 특정 수정이 선택될 때, 변환될 요소들이 컴퓨팅 디바이스에 의해 식별되고, 그 후 이들이 비디오의 프레임들에 존재하는 경우 검출 및 추적된다. 객체의 요소들은 수정을 위한 요청에 따라 수정되고, 따라서 비디오 스트림의 프레임들을 변환한다. 비디오 스트림의 프레임들의 변환은 상이한 종류의 변환을 위한 상이한 방법들에 의해 수행될 수 있다. 예를 들어, 객체의 요소들의 형태들을 변경하는 것을 주로 지칭하는 프레임들의 변환들에 대해, 객체의 각각의 요소에 대한 특징적인 포인트들이 (예를 들어, ASM(Active Shape Model) 또는 다른 알려진 방법들을 사용하여) 계산된다. 그 후, 객체의 적어도 하나의 요소 각각에 대해 특징적인 포인트들에 기초한 메시가 생성된다. 이 메시는 비디오 스트림에서 객체의 요소들을 추적하는 다음 스테이지에서 사용된다. 추적 프로세스에서, 각각의 요소에 대한 언급된 메시는 각각의 요소의 위치와 정렬된다. 그 다음, 메시 상에 추가 포인트들이 생성된다. 수정 요청에 기초하여 각각의 요소에 대해 제1 세트의 제1 포인트들이 생성되고, 제1 포인트 세트 및 수정 요청에 기초하여 각각의 요소에 대해 제2 포인트 세트가 생성된다. 그 다음, 비디오 스트림의 프레임들은, 제1 및 제2 포인트 세트들 및 메시에 기초하여 객체의 요소들을 수정함으로써 변환될 수 있다. 이러한 방법에서, 수정된 객체의 배경은 배경을 추적하고 수정함으로써 역시 변경되거나 왜곡될 수 있다.
일부 예들에서, 객체의 요소들을 이용하여 객체의 일부 영역들을 변경하는 변환들은 객체의 각각의 요소에 대한 특징적인 포인트들을 계산하고, 계산된 특징적인 포인트들에 기초하여 메시를 생성함으로써 수행될 수 있다. 포인트들이 메시 상에 생성되고, 그 후 포인트들에 기초한 다양한 영역들이 생성된다. 그 후, 각각의 요소에 대한 영역을 적어도 하나의 요소 각각에 대한 위치와 정렬함으로써 객체의 요소들이 추적되며, 영역들의 특성들이 수정을 위한 요청에 기초하여 수정되어 비디오 스트림의 프레임들을 변환할 수 있다. 수정을 위한 특정 요청에 좌우되어, 전술한 영역들의 특성들이 상이한 방식들로 변환될 수 있다. 그러한 수정들은 영역들의 컬러를 변경하는 것; 비디오 스트림의 프레임들로부터 영역들의 적어도 일부를 제거하는 것; 수정 요청에 기초하는 영역들 내에 하나 이상의 새로운 객체를 포함시키는 것; 및 영역 또는 객체의 요소들을 수정 또는 왜곡하는 것을 수반할 수 있다. 다양한 예들에서, 그러한 수정들 또는 다른 유사한 수정들의 임의의 조합이 사용될 수 있다. 애니메이션화될 특정 모델들에 대해, 일부 특징적인 포인트들은 모델 애니메이션에 대한 옵션들의 전체 상태 공간을 결정하는데 있어서 사용될 제어 포인트들로서 선택될 수 있다.
얼굴 검출을 이용하여 이미지 데이터를 변환하는 컴퓨터 애니메이션 모델의 일부 예들에서, 특정 얼굴 검출 알고리즘(예를 들어, Viola-Jones)을 이용하여 이미지 상에서 얼굴이 검출된다. 그 후, 얼굴 피처 참조 포인트들을 검출하기 위해 이미지의 얼굴 구역에 ASM(Active Shape Model) 알고리즘이 적용된다.
얼굴 검출에 적합한 다른 방법들 및 알고리즘들이 사용될 수 있다. 예를 들어, 일부 예들에서, 피처들은 고려 중인 이미지들의 대부분에 존재하는 구별가능한 포인트를 나타내는 랜드마크를 사용하여 위치가 정해진다. 얼굴 랜드마크들에 대해, 예를 들어, 좌측 눈 동공의 로케이션이 사용될 수 있다. 초기 랜드마크가 식별가능하지 않은 경우(예를 들어, 사람이 안대를 낀 경우), 보조 랜드마크들이 사용될 수 있다. 이러한 랜드마크 식별 절차들은 임의의 이러한 객체들에 대해 사용될 수 있다. 일부 예들에서, 랜드마크들의 세트가 형상을 형성한다. 형상들은 형상 내의 포인트들의 좌표를 이용하여 벡터들로서 표현될 수 있다. 어느 한 형상은 형상 포인트들 사이의 평균 유클리드 거리를 최소화하는 유사성 변환(similarity transform)(병진, 스케일링, 및 회전을 허용함)을 이용하여 또 다른 형상에 정렬된다. 평균 형상은 정렬된 훈련 형상들의 평균이다.
일부 실시예들에서, 전역적 얼굴 검출기에 의해 결정된 얼굴의 위치 및 크기에 정렬된 평균 형상으로부터의 랜드마크들에 대한 검색이 시작된다. 그 후 이러한 검색은 각각의 포인트 주변의 이미지 텍스처의 템플릿 매칭에 의해 형상 포인트들의 로케이션들을 조정함으로써 임시 형상을 제안하는 단계 및 그 후 수렴이 일어날 때까지 임시 형상을 전역적 형상 모델에 부합시키는 단계를 반복한다. 일부 시스템들에서, 개별 템플릿 매칭들은 신뢰할 수 없으며, 형상 모델은 약한 템플릿 매치(match)들의 결과들을 풀링(pool)하여 더 강한 전체 분류기를 형성한다. 조악한 해상도로부터 미세한 해상도까지, 이미지 피라미드에서의 각각의 레벨에서 전체 검색이 반복된다.
변환 시스템은 클라이언트 디바이스(예를 들어, 클라이언트 디바이스(102)) 상에서 이미지 또는 비디오 스트림을 캡처할 수 있고, 적절한 사용자 경험, 계산 시간, 및 전력 소비를 유지하면서 클라이언트 디바이스(102) 상에서 로컬로 복잡한 이미지 조작들을 수행할 수 있다. 복잡한 이미지 조작들은 크기 및 형상 변경들, 감정 전달들(예를 들어, 찡그림으로부터 미소로 얼굴을 변화시킴), 상태 전달들(예를 들어, 객체를 노화시키는 것, 겉보기 나이를 감소시키는 것, 성별을 변화시키는 것), 스타일 전달들, 그래픽 요소 애플리케이션, 및 클라이언트 디바이스(102) 상에서 효율적으로 실행되도록 구성된 컨볼루션 신경망에 의해 구현되는 임의의 다른 적절한 이미지 또는 비디오 조작을 포함할 수 있다.
일부 예들에서, 이미지 데이터를 변환하기 위한 컴퓨터 애니메이션 모델은, 사용자가 클라이언트 디바이스(102) 상에서 동작하는 메시징 클라이언트(104)의 일부로서 동작하는 신경망을 갖는 클라이언트 디바이스(102)를 사용하여 사용자의 이미지 또는 비디오 스트림(예를 들어, 셀피)을 캡처할 수 있는 시스템에 의해 사용될 수 있다. 메시징 클라이언트(104) 내에서 동작하는 변환 시스템은 이미지 또는 비디오 스트림 내에서의 얼굴의 존재를 결정하고, 이미지 데이터를 변환하기 위해 컴퓨터 애니메이션 모델과 연관된 수정 아이콘들을 제공하거나, 또는 컴퓨터 애니메이션 모델은 본 명세서에 설명된 인터페이스와 연관된 것으로서 존재할 수 있다. 수정 아이콘들은 수정 동작의 일부로서 이미지 또는 비디오 스트림 내에서 사용자의 얼굴을 수정하기 위한 기초일 수 있는 변경들을 포함한다. 일단 수정 아이콘이 선택되면, 변환 시스템은 선택된 수정 아이콘을 반영하기 위해 사용자의 이미지를 변환하기 위한 프로세스를 개시한다(예를 들어, 사용자 상에 미소짓는 얼굴을 생성함). 수정된 이미지 또는 비디오 스트림은 이미지 또는 비디오 스트림이 캡처되자마자 클라이언트 디바이스(102) 상에 디스플레이되는 그래픽 사용자 인터페이스에 제시될 수 있고, 특정된 수정이 선택된다. 변환 시스템은 선택된 수정을 생성 및 적용하기 위해 이미지 또는 비디오 스트림의 일부분 상에 복잡한 컨볼루션 신경망을 구현할 수 있다. 즉, 사용자는 이미지 또는 비디오 스트림을 캡처하고, 일단 수정 아이콘이 선택되었다면 실시간으로 또는 거의 실시간으로 수정된 결과를 제시받을 수 있다. 또한, 수정은 비디오 스트림이 캡처되고 있는 동안 지속될 수 있고, 선택된 수정 아이콘은 토글링된 채로 남아 있을 수 있다. 머신-교시 신경망(machine-taught neural network)들이 이러한 수정들을 가능하게 하기 위해 사용될 수 있다.
변환 시스템에 의해 수행되는 수정을 제시하는 그래픽 사용자 인터페이스가 사용자에게 부가의 상호작용 옵션들을 제공할 수 있다. 이러한 옵션들은 콘텐츠 캡처 및 특정의 컴퓨터 애니메이션 모델의 선택을 개시하기 위해 사용되는 인터페이스에 기초할 수 있다(예컨대, 콘텐츠 생성자 사용자 인터페이스로부터의 개시). 다양한 예들에서, 수정 아이콘의 초기 선택 후에 수정이 지속될 수 있다. 사용자는 변환 시스템에 의해 수정되고 있는 얼굴을 탭핑(tapping)하거나 다른 방식으로 선택함으로써 수정을 온 또는 오프로 토글링하고, 나중에 보는 것 또는 촬상 애플리케이션의 다른 영역들로 브라우징하는 것을 위해 수정을 저장할 수 있다. 변환 시스템에 의해 다중의 얼굴이 수정되는 경우, 사용자는 그래픽 사용자 인터페이스 내에 수정되어 디스플레이된 단일 얼굴을 탭핑하거나 선택함으로써 전역적으로 수정을 온 또는 오프로 토글링할 수 있다. 일부 예들에서, 다중의 얼굴의 그룹 중에서 개별 얼굴들이 개별적으로 수정될 수 있거나, 또는 그러한 수정들은 그래픽 사용자 인터페이스 내에 디스플레이된 개별 얼굴 또는 일련의 개별 얼굴들을 탭핑하거나 선택함으로써 개별적으로 토글링될 수 있다.
스토리 테이블(314)은 컬렉션(예를 들어, 스토리 또는 갤러리)이 되도록 컴파일되는, 메시지들 및 연관된 이미지, 비디오 또는 오디오 데이터의 컬렉션들에 관한 데이터를 저장한다. 특정 컬렉션의 생성은 특정 사용자(예를 들어, 그에 대해 레코드가 엔티티 테이블(306)에서 유지되는 각각의 사용자)에 의해 개시될 수 있다. 사용자는 그 사용자에 의해 생성되고 전송/브로드캐스팅된 콘텐츠의 컬렉션의 형태로 "개인 스토리(personal story)"를 생성할 수 있다. 이를 위해, 메시징 클라이언트(104)의 사용자 인터페이스는, 전송측 사용자가 자신의 개인 스토리에 특정 콘텐츠를 추가하는 것을 가능하게 하기 위해 사용자 선택가능한 아이콘을 포함할 수 있다.
컬렉션은 또한, 수동으로, 자동으로, 또는 수동 및 자동 기법의 조합을 이용하여 생성된, 다중의 사용자로부터의 콘텐츠의 컬렉션인 "라이브 스토리"를 구성할 수 있다. 예를 들어, "라이브 스토리"는 다양한 로케이션 및 이벤트로부터의 사용자 제출 콘텐츠(user-submitted content)의 큐레이팅된 스트림(curated stream)을 구성할 수 있다. 그 클라이언트 디바이스들이 로케이션 서비스 가능하고 특정 시간에 공통 로케이션 이벤트에 있는 사용자들에게는, 예를 들어, 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스를 통해, 특정 라이브 스토리에 콘텐츠를 기여하는 옵션이 제시될 수 있다. 라이브 스토리는 메시징 클라이언트 애플리케이션(104)에 의해 사용자에게, 자신의 로케이션에 기초하여 식별될 수 있다. 최종 결과는 커뮤니티 관점에서 말한 "라이브 스토리"이다.
추가 타입의 콘텐츠 컬렉션은 "로케이션 스토리(location story)"로서 알려져 있는데, 이것은 특정 지리적 로케이션(예를 들어, 단과대학 또는 대학 캠퍼스) 내에 자리잡은 클라이언트 디바이스(102)를 갖는 사용자가 특정 컬렉션에 기여하는 것을 가능하게 한다. 일부 예들에서, 로케이션 스토리에 대한 기여는 최종 사용자가 특정 조직 또는 다른 엔티티에 속한다는(예를 들어, 대학 캠퍼스의 학생이라는) 것을 검증하기 위해 제2 인증 정도를 요구할 수 있다.
위에 언급된 바와 같이, 비디오 테이블(304)은, 한 예에서, 그에 대해 레코드들이 메시지 테이블(302) 내에 유지되는 메시지들과 연관되는 비디오 데이터를 저장한다. 유사하게, 이미지 테이블(312)은 그에 대해 메시지 데이터가 엔티티 테이블(306)에 저장되는 메시지들과 연관된 이미지 데이터를 저장한다. 엔티티 테이블(306)은 증강 테이블(310)로부터의 다양한 증강들을 이미지 테이블(312) 및 비디오 테이블(304)에 저장된 다양한 이미지들 및 비디오들과 연관시킬 수 있다.
데이터 통신 아키텍처
도 4는 추가 메시징 클라이언트(104) 또는 메시징 서버(118)로의 통신을 위해 메시징 클라이언트(104)에 의해 생성된, 일부 예들에 따른, 메시지(400)의 구조를 예시하는 개략도이다. 특정 메시지(400)의 콘텐츠는 메시징 서버(118)에 의해 액세스 가능한, 데이터베이스(126) 내에 저장된 메시지 테이블(302)을 채우기 위해 사용된다. 유사하게, 메시지(400)의 콘텐츠는 클라이언트 디바이스(102) 또는 애플리케이션 서버(114)의 "수송 중(in-transit)" 또는 "비행 중(in-flight)" 데이터로서 메모리에 저장된다. 메시지(400)는 다음의 예시적인 컴포넌트들을 포함하는 것으로 도시된다:
· 메시지 식별자(402): 메시지(400)를 식별하는 고유 식별자.
· 메시지 텍스트 페이로드(404): 클라이언트 디바이스(102)의 사용자 인터페이스를 통해 사용자에 의해 생성되고 메시지(400)에 포함되는 텍스트.
· 메시지 이미지 페이로드(406): 클라이언트 디바이스(102)의 카메라 컴포넌트에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고, 메시지(400)에 포함되는 이미지 데이터. 전송 또는 수신된 메시지(400)에 대한 이미지 데이터는 이미지 테이블(312)에 저장될 수 있다.
· 메시지 비디오 페이로드(408): 카메라 컴포넌트에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고 메시지(400)에 포함되는 비디오 데이터. 전송 또는 수신된 메시지(400)에 대한 비디오 데이터는 비디오 테이블(304)에 저장될 수 있다.
· 메시지 오디오 페이로드(410): 마이크로폰에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고 메시지(400)에 포함되는 오디오 데이터.
· 메시지 증강 데이터(412): 메시지(400)의 메시지 이미지 페이로드(406), 메시지 비디오 페이로드(408), 또는 메시지 오디오 페이로드(410)에 적용될 증강을 나타내는 증강 데이터(예를 들어, 필터, 스티커, 또는 주석 또는 다른 강화물). 전송된 또는 수신된 메시지(400)에 대한 증강 데이터는 증강 테이블(310)에서 저장될 수 있다.
· 메시지 지속기간 파라미터(414): 그에 대해 메시지의 콘텐츠(예를 들어, 메시지 이미지 페이로드(406), 메시지 비디오 페이로드(408), 메시지 오디오 페이로드(410))가 메시징 클라이언트(104)를 통해 사용자에게 제시되거나 액세스 가능하게 되는 시간의 양을 초 단위로 표시하는 파라미터 값.
· 메시지 지오로케이션 파라미터(416): 메시지의 콘텐츠 페이로드와 연관된 지오로케이션 데이터(예를 들어, 위도 및 경도 좌표). 다중의 메시지 지오로케이션 파라미터(416) 값이 페이로드에 포함될 수 있고, 이들 파라미터 값들 각각은 콘텐츠(예를 들어, 메시지 이미지 페이로드(406) 내의 특정 이미지, 또는 메시지 비디오 페이로드(408) 내의 특정 비디오)에 포함된 콘텐츠 아이템들에 대하여 연관된다.
· 메시지 스토리 식별자(418): 메시지(400)의 메시지 이미지 페이로드(406) 내의 특정 콘텐츠 아이템이 그와 연관되어 있는 하나 이상의 콘텐츠 컬렉션(예를 들어, 스토리 테이블(314)에서 식별되는 "스토리들")을 식별하는 식별자 값들. 예를 들어, 메시지 이미지 페이로드(406) 내의 다중의 이미지는 각각 식별자 값들을 사용하여 다중의 콘텐츠 컬렉션과 연관될 수 있다.
· 메시지 태그(420): 각각의 메시지(400)는 다중의 태그로 태깅될 수 있고, 그 각각은 메시지 페이로드에 포함된 콘텐츠의 주제를 나타낸다. 예를 들어, 메시지 이미지 페이로드(406) 내에 포함된 특정 이미지가 동물(예를 들어, 사자)을 묘사하는 경우, 관련 동물을 나타내는 태그 값이 메시지 태그(420) 내에 포함될 수 있다. 태그 값들은 사용자 입력에 기초하여 수동으로 생성되거나, 또는 예를 들어, 이미지 인식을 사용하여 자동으로 생성될 수 있다.
· 메시지 발신자 식별자(422): 그 상에서 메시지(400)가 생성되었고 그로부터 메시지(400)가 전송된 클라이언트 디바이스(102)의 사용자를 나타내는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 주소, 또는 디바이스 식별자).
· 메시지 수신자 식별자(424): 메시지(400)가 어드레싱되는 클라이언트 디바이스(102)의 사용자를 나타내는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 주소, 또는 디바이스 식별자).
메시지(400)의 다양한 컴포넌트들의 콘텐츠(예를 들어, 값들)는 그 내에 콘텐츠 데이터 값들이 저장되어 있는 테이블 내의 로케이션들에 대한 포인터들일 수 있다. 예를 들어, 메시지 이미지 페이로드(406) 내의 이미지 값은 이미지 테이블(312) 내의 로케이션에 대한 포인터(또는 그 주소)일 수 있다. 유사하게, 메시지 비디오 페이로드(408) 내의 값들은 비디오 테이블(304) 내에 저장된 데이터를 가리킬 수 있고, 메시지 증강 데이터(412) 내에 저장된 값들은 증강 테이블(310)에 저장된 데이터를 가리킬 수 있고, 메시지 스토리 식별자(418) 내에 저장된 값들은 스토리 테이블(314)에 저장된 데이터를 가리킬 수 있고, 메시지 발신자 식별자(422) 및 메시지 수신자 식별자(424) 내에 저장된 값들은 엔티티 테이블(306) 내에 저장된 사용자 레코드들을 가리킬 수 있다.
도 5는 일부 실시예들에 따른 3D 신체 모델 생성 시스템(230)에 의해 수행되는 동작들의 도식적 표현(500)이다. 구체적으로, 상단 행은 골격 합성을 보여준다: 정규 바인딩 포즈(510)로부터 시작하여, 골 길이들이 먼저 스케일링되고, 그 후 관절형 변환(articulated transformation)이 적용된다. 하단 행은 형상 제어를 보여준다: 정규 메시 템플릿은 골 스케일링 혼합 형상을 통해 골 스케일링 변환에 의해 영향을 받고, 그 후 신원 특유의 형상 변동을 캡처하도록 추가로 업데이트된다. 골격은 LBS를 통해 결과적인 템플릿의 변형을 야기하여, 포즈 잡은 형상(580)을 산출한다.
예로서, 모델은 정지 또는 바인딩 포즈의 평균 골격(510)으로 시작한다. 이 평균 골격(510)은 평균 모집단 또는 전체 모집단 크기를 표현한다. 전체 모집단 또는 평균 모집단의 외관 및 느낌(신원 또는 피부)을 표현하는 템플릿(550) 또는 메시가 또한 제공된다. 제1 제어로서, 골 스케일 파라미터들(512)(b로 지칭됨)이 주어진 사람(예를 들어, 2D 이미지에 묘사된 사람)에 대해 계산된다. 이들 골 스케일 파라미터들(512)은 각각의 각자의 골 길이를 조정하기 위해 사용되어 (예를 들어, 팔들의 크기를 증가시키고 다리들의 크기를 감소시킴) 스케일링된 골격(520)을 출력하게 된다. 골격을 스케일링하는 것과 병행하여 또는 그 후에, 전체 모집단의 템플릿은 골 스케일 보정(514)(
라고 지칭됨)을 적용함으로써 골 스케일 파라미터들에 기초하여 보정된다. 이는 스케일링된 골격(520)에 대응하는 크기 및 스케일을 갖는 템플릿(560)을 출력한다.
스케일링된 골격에 파라미터 
가 적용되어 스케일링된 골격의 골들 및 관절들을 특정 포즈가 되도록 운동학적으로 조정하게 된다. 이는 스케일링되고 포즈 잡은 골격(530)을 출력한다. 형상 업데이트 파라미터(562)(
로 지칭됨)가 사람 특유의 변동성을 고려하기 위해 스케일링된 템플릿에 적용되고, 템플릿(570)은 스케일 보정 및 형상 업데이트 후에 생성된다. LBS(Linear blend skinning)(540)가 스케일링되고 포즈 잡은 골격(530)에 그리고 스케일 보정 후의 템플릿(570)에 적용되어 포즈잡은 형상 템플릿(580)을 출력한다. 즉, 사람의 신원을 표현하는 템플릿이 골격(530)의 형상 및 포즈에 기초하여 포즈를 잡게 되어 포즈잡은 형상을 출력한다. 그 후, 이러한 포즈 잡은 형상을 이용하여, 사람을 표현하는 캐릭터 애니메이션 또는 아바타를 조정할 수 있다.
골격(510)은 관절 연결들을 통해 인간 골들을 함께 묶는 트리 구조 그래프에 의해 결정된다. 단일 골에서 시작하여, 그것의 '바인딩 포즈'는 2개의 골 관절에서 좌표계들 사이의 변위 및 회전을 나타내는 템플릿 회전 행렬 
및 병진 벡터 
에 의해 표현된다. 변환은 4x4 행렬 T에서 함께 번들링된, 회전 행렬 R 및 스케일링 인자 s를 통해 바인딩 포즈에 대해 모델링된다:
변형 정지 골
캐릭터 모델링을 위한 흔한 모델들은 s=1을 사용하고 팔다리 회전만을 허용한다. 객체 스케일 또는 골 길이에서의 임의의 변경은 바인딩 포즈 O에서의 변위를 수정함으로써 모델링된다. 이는 3D 합성된 형상으로부터 바인딩 포즈 관절들을 회귀시킴으로써 암시적으로만 행해진다. 개시된 실시예들은 파라미터 s를 통해 팔다리의 스케일에 대한 핸들링을 제공하여, 인간 골격의 합성을 명시적으로 제어가능하게 만든다.
전체 골격은 재귀적으로 구성되어, 루트 노드로부터 리프 노드들로 운동학적 체인을 따라 전파된다. 모든 골 변환은 2개의 인접한 골, i와 j 사이의 변위, 회전, 및 스케일링을 인코딩하는데, 여기서 i는 부모이고 j는 자식 노드이다. 표기법을 단순화하기 위해, 모델링은 j=i+1을 의미하는 단일 운동학적 체인을 따라 기술되며, 
에 의해 골의 로컬 변환을 나타낸다. 골 j의 로컬 좌표로부터 월드 좌표로의 글로벌 변환 
는 
에 의해 주어지고, 여기서 변환들은 루트로부터 j번째 노드까지의 경로 상의 모든 골마다에 대해 구성된다. 이 곱은 연속적인 변환의 효과를 누적한다: 예를 들어, 골의 스케일에서의 변경은 그 자손들 모두에 대해 동일한 스케일링을 야기할 것이다. 이러한 후손들은 결국 그들 자신의 스케일 파라미터들을 가질 수 있으며, 이것들은 그들의 조상들의 것들과 조합된다. 각각의 골 j의 3D 위치는 
의 마지막 열로부터 판독될 수 있는 한편, 
의 상부 좌측 3 x 3 부분은 그 좌표계의 스케일링 및 오리엔테이션을 제공한다.
인간의 비율은 각각의 골을 스케일링함으로써 명시적으로 모델링된다. 예에서, PCA(principal component analysis)가 골 길이들에 대해 수행되고, 개별 골 스케일들을 
(수학식 3)로서 표현하기 위해 사용되며, 여기서 
는 골 스케일링 계수들이고, 
는 골 스케일링 행렬이고, 
는 평균 골 스케일이다. 도 5를 다시 참조하면, 골 스케일 파라미터들(512)은 특정 사람(예를 들어, 2D 이미지에 묘사된 사람)에 대한 
를 조정함으로써 상기 수학식 2에 따라 평균 골격(510)을 스케일링한다. 파라미터 
는 모집단에 대해 설정되는 학습된 파라미터이고 도 6과 연계하여 더 상세히 논의된다. 수학식 1에 등장하는 골 스케일들 s는 운동학적 체인 재귀를 통해 사용되도록 의도되는데, 이는 부모 스케일들의 곱이 실제 골 스케일을 전달함을 의미한다, 
. 이것은 수학식 3의 예측들을 수학식 1에서 사용될 수 있는 형태로 변환하기 위해 사용될 수 있다:
골격의 포즈를 조정하여 스케일링된 및 포즈 잡은 골격(530)을 생성하기 위해서, 관절 각도들이 인체의 운동학적 제약들을 고려하도록 모델링된다. 예를 들어, 무릎은 1 자유도를 갖고, 손목은 2 자유도를 가지며, 목은 3 자유도를 갖는다. 각각의 관절에 대해, 무효 자유도는 제로와 동일하게 설정되고, 나머지 각도들은 타당한 범위(예를 들어, 팔꿈치에 대해 ±45도)에 있도록 제약된다. 도 8은 하나의 유효한 자유도를 따라 템플릿의 포즈를 잡음으로써 합성된 샘플 메시들을 도시한다. 각각의 그러한 자유도에 대해, 제약되지 않은 변수 
가 사용되고 쌍곡선 탄젠트 단위를 사용하여 유효 오일러 각 
에 매핑된다:
이는, 동역학적으로 실현가능한 포즈들을 전달하면서, 모델을 데이터에 피팅(fitting)할 때 제약없는 최적화를 가능하게 한다. 결과적인 관절 당 오일러 각도들은 회전 행렬로 변환되어, 수학식 1에서의 행렬 R을 산출한다.
템플릿(550)은 골 길이 및 사람의 신원 특유의 변동성을 고려하여 모델링된다. 골 길이는 신체 형상 변동성의 상당한 부분을 고려하기 위해 사용될 수 있다. 예를 들어, 더 긴 골들은 남성 신체 형상과 상관되는 한편, 팔다리 비율은 허약 체질, 땅딸막함, 및 건장한 체격의 신체 유형 변동성과 상관될 수 있다. 템플릿 표면의 골 길이 의존적 변형은 선형 업데이트를 통해 표현된다: 
, 여기서 
는 골 교정 혼합 형상의 행렬이고, 도 6과 연계하여 논의된 바와 같이 학습된 파라미터이다.
도 7은 템플릿에 대한 골 길이 변동의 영향을 도시한다. 평이한 선형 혼합 스키닝은 아티팩트들(710 및 720)을 초래한다. 선형의 골 교정 혼합 형상들은 이러한 아티팩트들을 제거하고, 성별 및 신체 유형과의 골 길이들의 상관성들을 캡처한다. 예를 들어, 아티팩트들(710, 720)은 더 이상 템플릿들(712, 722)에 존재하지 않는다. 구체적으로, 주어진 템플릿이 더 작은 골에 기초하여 크기가 감소되는 경우, 전형적인 템플릿 생성 모델은 아티팩트들(710, 720)을 도입하는 반면, 개시된 실시예들에 따라 생성된 템플릿들(712, 722)은 아티팩트들을 갖지 않는다.
중간 템플릿(560)을 생성하기 위해 형상 변동성의 골 길이 의존적 부분을 고려한 후에, 사람 특유의 변동성이 
에 따라 템플릿(570)을 생성하기 위해 고려된다. 일 실시예에서, 
는 
에 따라 선형으로 계산되며, 여기서 
는 형상 계수들이고, 
는 형상 성분들의 행렬이다.
템플릿(570)은 LBS를 사용하여 골격에 따라 합성되며, 여기서 템플릿 메시 V의 변형은 골격의 변환에 의해 결정된다. 골격의 바인딩 포즈는 행렬들 
에 의해 기술되는 바와 같이 고려되며, 여기서 3D 메시 정점들이 이들의 정규(canonical) 값들 
을 취하는 한편, 타깃 포즈는 
에 의해 기술된다. LBS에 따르면, 각각의 정점은 가중치 
에 따라 모든 골 j마다에 의해 영향을 받는다; 타깃 포즈에서의 정점들의 위치들은 다음에 의해 주어진다:
이 수학식은 (그것을 
과 곱함으로써) 바인딩 골에 대해 모든 포인트 
마다 차트화하고, 그 후 (
와 곱함으로써) 타깃 골에 수송하는 것으로서 이해할 수 있다.
도 6은 일부 실시예들에 따른 3D 신체 모델 생성 시스템(230) 및 더 구체적으로는 3D 신체 모델 생성 시스템(230)의 훈련을 도시한다. 3D 신체 모델 생성 시스템(230)은 포즈 및 골 스케일 모듈(620), 골 보정 및 평균 형상 모듈(630), 및 정점 변위 모듈(640)을 포함한다. 3D 신체 모델 생성 시스템(230)은 (예를 들어, 사람을 묘사하고 신경망에 의해 처리되는 2D 이미지로부터 생성된 랜드마크 위치들에 의해 제공되는) 골격 데이터(610)를 수신한다. 일부 사례들에서, 3D 신체 모델 생성 시스템(230)은 아바타 리그 데이터(614)에 대해 동작하여, 아바타 또는 캐릭터를, 2D 이미지에 묘사된 사람의 물리적 속성들 및 형상 및 크기에 대응하도록 적응시킨다.
3D 신체 모델 생성 시스템(230)을 훈련하기 위해, 다양한 사람들을 상이한 포즈들 및 형상들로 묘사하는 3D 스캔의 컬렉션이 처리된다. 훈련은 다중의 스테이지로 수행된다. 훈련은 데이터로부터 모델의 상기 파라미터들을 학습하는 결과를 낳는다. 일부 사례들에서, 3D 스캔은 타이트 의류를 착용한 4400명의 대상의 고해상도 3D 스캔(612)을 포함한다. 훈련 프로세스는 연속적으로 까다로운 최적화 문제를 해결하고, 자동 미분을 이용하여 최적화 동안에 도함수들을 효율적으로 계산한다.
각각의 3D 스캔(612) 
은 3D로 국소화된 73개의 해부학적 랜드마크 
와 연관된다. 훈련은 랜드마크 위치들과 각자의 템플릿 정점들 사이의 3D 거리들을 최소화하기 위해 관절 각도들 및 골 스케일들 
에 대한 경사 하강법에 의해 템플릿을 이러한 랜드마크들에 피팅(fitting)함으로써 시작된다. 더 구체적으로, 포즈 및 골 스케일 모듈(620)은 다음의 최적화 문제를 해결한다:
여기서 A는 템플릿으로부터 랜드마크들의 서브세트를 선택한다. 수학식 4의 상기 최적화 문제를 해결한 결과는 4400회의 3D 스캔(612)이 처리될 때 4400개의 
및 골 스케일들 
파라미터의 컬렉션이다.
구체적으로, 포즈 및 골 스케일 모듈(620)은, 각각의 3D 스캔(612)에 대해, 주어진 3D 스캔(612)의 랜드마크들까지의 거리를 최소화하는 관절 각도 
및 골 스케일 s 파라미터들을 찾기 위해 골격에 따라 템플릿에 LBS를 적용한다. 이는 초기 피팅(initial fitting)을 전달하며, 이는 각각의 스캔(612)에 예측 
을 등록함으로써 더 리파인(refine)된다.
일부 경우들에서, 골 스케일링 기반은 수학식 5의 최적화 문제를 해결함으로써 템플릿 
를 각각의 등록 
에 매칭시키기 위해 포즈 
및 골 스케일 계수들 
을 재추정하기 위한 조정자(regularizer)로서 사용된다:
수학식 5의 출력들은 골 보정 파라미터 
및 평균 형상 파라미터 
를 계산하고 결정하기 위해 골 보정 및 평균 형상 모듈(630)에 제공된다. 이러한 파라미터들을 결정하기 위해, 수학식 6에 의해 정의된 다음의 최적화 문제가 해결된다:
예로서, 골 보정 및 평균 형상 모듈(630)은 각각의 3D 스캔(612)을 처리하고, 실측(ground truth) 템플릿과 대응하는 포즈 
을 이용하여 계산된 바와 같은 템플릿 사이의 LBS 함수 차이 및 수학식 4 또는 5에 의해 특정 3D 스캔(612)에 대해 계산된 골 스케일 계수들 
을 최소화한다.
일단 등록된 형상 
에 대한 모델의 맞춤을 개선하기 위해 골 교정된 혼합 형상(blendshape)들이 사용되면, 재구성에서의 잔차는 신원 특유의 형상 변동성에만 기인한다. 정점 변위 모듈(640)은 함수 
를 도출함으로써 신원 특유의 형상 변동성을 설명하기 위해 파라미터들을 조정한다. 구체적으로, 잔차들은 정점 변위들 
으로서 모델링되고, 잔차가 T-포즈 좌표계에 의해 정의되는 것을 보장하도록 
을 설정함으로써 각각의 등록 
에 대해 추정된다.
새로운 3D 스캔이 주어지면, 포즈 및 골 스케일 모듈(620)은 파라미터들 
및 골 스케일 계수들 
를 적응시키고, 골 보정 및 평균 형상 모듈(630)은 이들 적응된 파라미터들을 이용하여 템플릿을 조정한다. 그 후 템플릿은 3D 스캔의 랜드마크들을 디코더 D에 적용함으로써 3D 스캔에 묘사된 사람을 표현하도록 개선된다.
일부 예들에서, 우리의 LBS 공식화의 혼합 가중치들이 수동으로 초기화된다. 이 프로세스를 개선하기 위해, 다양한 신원 및 포즈들의 등록들이 처리된다. 데이터세트 내의 각각의 등록에 대해, 파라미터들, 즉 
뿐만 아니라 형상 혼합 형상들을 고려한 후의 T 포즈 좌표계 상의 에러인 잔차 
이 먼저 추정된다. 그 후, 혼합 가중치들은 이하의 에러를 최소화하도록 최적화된다.
일부 경우들에서, 먼저 몸통(torso) 상의 정점들(예를 들어, 템플릿 상의 몸통 골들의 혼합 가중치들에 의해 정의되는 그러한 정점들)이 몸통 골들의 형상 계수들 및 관절 각도들에 걸쳐 최적화함으로써 피팅된다. 그 후, 제2 및 제3 스테이지에 대해, 상지(upper limb)들 및 하지(lower limb)들이 제각기 추가된다. 마지막 스테이지에서, 모든 정점들은 피팅된 파라미터들을 미세 튜닝하기 위해 사용된다.
도 9는 일부 실시예들에 따라, 아바타 또는 캐릭터를 이미지 내의 사람에 매칭시키는 예를 도시한다. 일부 실시예들에서, 리그된 캐릭터(910)가 수신된다. 이 리그된 캐릭터(910)는 다중의 리그된 캐릭터들로부터 캐릭터를 선택함으로써 수신된다. 리그된 캐릭터(910)는 3D 신체 모델 생성 시스템(230)에 의해 제공되는 골격에 적용된다. (예를 들어, 930에 도시된 바와 같이) 사람의 이미지가 주어지면, 모델은 이미지 내의 사람의 골 변환들(스케일들 및 회전들)을 추정하기 위해 사람에게 피팅된다. 골 변환들은 정확한 이미지 주도 캐릭터 애니메이션을 허용하기 위해 리그된 캐릭터에 적용된다. 예에서, (930)에 도시된 바와 같이, 사람의 골 변환들에 의해 적응되는 바와 같은, 리그된 캐릭터가 사람과 함께 디스플레이된다. 대안적으로, 리그된 캐릭터는 (920)에 도시된 바와 같이 사람을 대체하여 제시된다. 일부 경우들에서, 모델이 2D 이미지에서의 묘사된 사람의 골 변환들이 평균 또는 평균 골격보다 더 크다고 결정하면, 리그된 대로의 캐릭터의 팔들은 확장된다. 일부 경우들에서, 모델이 2D 이미지에서의 묘사된 사람의 골 변환들이 평균 또는 평균 골격보다 더 작다고 결정하면, 리그된 대로의 캐릭터의 팔들은 단축된다. 캐릭터의 신원 속성들도 모델에 의해 결정된 형상 속성들에 기초하여 적응된다. 이는 시스템이 이미지에서 사람의 포즈 및 신체 타입을 보존하면서, 임의의 사람을 선택된 아바타들 또는 캐릭터들로 변환하게 허용한다.
도 10은 예시적인 실시예들에 따른, 프로세스(1000)을 수행함에 있어서 메시징 클라이언트(104)의 예시적인 동작들을 도시하는 흐름도이다. 프로세스(1000)는 하나 이상의 프로세서에 의한 실행을 위한 컴퓨터 판독가능 명령어들로 구체화될 수 있어서, 프로세스(1000)의 동작들이 메시징 서버 시스템(108)의 기능적 컴포넌트들에 의해 부분적으로 또는 전체적으로 수행될 수 있도록 한다; 그에 따라, 프로세스(1000)가 그를 참조하여 예로서 이하에서 설명된다. 그렇지만, 다른 실시예들에서, 프로세스(1000)의 동작들 중 적어도 일부가 다양한 다른 하드웨어 구성들에 배치될 수 있다. 프로세스(1000)에서의 동작들은 임의의 순서로, 병행적으로 수행될 수 있거나, 또는 완전히 스킵되고 생략될 수 있다.
동작(1001)에서, 이미지 처리 서버(122)가 골격 모델의 각자의 골들에 각각 대응하는 복수의 골 스케일 계수를 수신한다. 예를 들어, 이미지 처리 서버(122)가 골 스케일 파라미터들(512)을 수신한다. 일부 경우에, 이들은 골 스케일 계수들 
로서 수신된다.
동작(1002)에서, 이미지 처리 서버(122)는 골격 모델에 대한 포즈를 집합적으로 정의하는 복수의 관절 각도 계수를 수신한다. 예를 들어, 이미지 처리 서버(122)는 포징 파라미터들 
을 수신한다.
동작(1003)에서, 이미지 처리 서버(122)는 수신된 골 스케일 계수들 및 수신된 관절 각도 계수들에 기초하여 골격 모델을 생성한다. 예를 들어, 이미지 처리 서버(122)는 스케일링되고 포즈 잡은 골격(530)을 생성한다.
동작(1004)에서, 이미지 처리 서버(122)는 복수의 골 스케일 계수에 기초하여 베이스 표면을 생성한다. 예를 들어, 이미지 처리 서버(122)는 템플릿(550)을 생성한다.
동작(1005)에서, 이미지 처리 서버(122)는 베이스 표면의 변형에 의해 신원 표면을 생성한다. 예를 들어, 이미지 처리 서버(122)는 골 파라미터들에 기초하여 템플릿(550)을 적응시키고, 형상 업데이트 파라미터(562)를 이용하여 신원 정보를 적용하여 템플릿(570)을 생성한다.
동작(1006)에서, 이미지 처리 서버(122)는 신원 표면을 포즈 잡은 골격 모델 상으로 매핑함으로써 3D 신체 모델을 생성한다. 예를 들어, 이미지 처리 서버(122)는 LBS(540)를 이용하여 스케일링된 및 포즈 잡은 골격(530)에 기초하여 템플릿(570)을 적응시켜 포즈 잡은 템플릿(580)을 출력한다.
머신 아키텍처
도 11은, 머신(1100)으로 하여금 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행하게 야기하기 위한 명령어들(1108)(예를 들어, 소프트웨어, 프로그램, 애플리케이션, 애플릿, 앱, 또는 기타 실행가능한 코드)가 그 내에서 실행될 수 있는 머신(1100)의 도식적 표현이다. 예를 들어, 명령어들(1108)은 머신(1100)으로 하여금 본 명세서에 설명된 방법들 중 임의의 하나 이상을 실행하게 야기할 수 있다. 명령어들(1108)은, 일반적인 비프로그래밍된 머신(1100)을, 설명되고 예시된 기능들을 설명된 방식으로 실행하도록 프로그래밍된 특정한 머신(1100)으로 변환한다. 머신(1100)은 독립형 디바이스로서 동작하거나 또는 다른 머신들에 결합(예를 들어, 네트워크화)될 수 있다. 네트워크화된 배치에서, 머신(1100)은 서버-클라이언트 네트워크 환경에서 서버 머신 또는 클라이언트 머신의 자격으로 동작하거나, 피어-투-피어(또는 분산형) 네트워크 환경에서 피어 머신으로서 동작할 수 있다. 머신(1100)은, 서버 컴퓨터, 클라이언트 컴퓨터, 개인용 컴퓨터(PC), 태블릿 컴퓨터, 랩톱 컴퓨터, 넷북, STB(set-top box), PDA(personal digital assistant), 엔터테인먼트 미디어 시스템, 셀룰러 전화, 스마트폰, 모바일 디바이스, 착용형 디바이스(예를 들어, 스마트 시계), 스마트 홈 디바이스(예를 들어, 스마트 어플라이언스), 다른 스마트 디바이스, 웹 어플라이언스, 네트워크 라우터, 네트워크 스위치, 네트워크 브릿지, 또는 머신(1100)에 의해 취해질 동작들을 특정하는 명령어들(1108)을 순차적으로 또는 기타 방식으로 실행할 수 있는 임의의 머신을 포함할 수 있는데, 이것들에만 제한되는 것은 아니다. 또한, 단일 머신(1100)만이 예시되어 있지만, 용어 "머신"은 또한, 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행하기 위해 명령어들(1108)을 개별적으로 또는 공동으로 실행하는 머신들의 컬렉션을 포함하는 것으로 간주될 것이다. 머신(1100)은, 예를 들어, 클라이언트 디바이스(102) 또는 메시징 서버 시스템(108)의 일부를 형성하는 다수의 서버 디바이스 중 임의의 하나를 포함할 수 있다. 일부 예들에서, 머신(1100)은 또한, 특정 방법 또는 알고리즘의 특정 동작들은 서버 측에서 수행되고 특정 방법 또는 알고리즘의 특정 동작들은 클라이언트 측에서 수행되면서, 클라이언트 및 서버 시스템들 둘 다를 포함할 수 있다.
머신(1100)은 버스(1140)를 통해 서로 통신하도록 구성될 수 있는 프로세서들(1102), 메모리(1104), 및 I/O(input/output) 컴포넌트들(1138)을 포함할 수 있다. 예에서, 프로세서들(1102)(예를 들어, CPU(Central Processing Unit), RISC(Reduced Instruction Set Computing) 프로세서, CISC(Complex Instruction Set Computing) 프로세서, GPU(Graphics Processing Unit), DSP(Digital Signal Processor), ASIC(Application Specific Integrated Circuit), RFIC(Radio-Frequency Integrated Circuit), 또 다른 프로세서, 또는 이들의 임의의 적절한 조합)은, 예를 들어, 명령어들(1108)을 실행하는 프로세서(1106) 및 프로세서(1110)를 포함할 수 있다. 용어 "프로세서"는 명령어들을 동시에 실행할 수 있는 2개 이상의 독립 프로세서(때때로 "코어들"로 지칭됨)을 포함할 수 있는 멀티-코어 프로세서들을 포함하도록 의도된다. 도 11이 다중의 프로세서(1102)를 도시하지만, 머신(1100)은 단일-코어를 갖는 단일 프로세서, 다중의 코어를 갖는 단일 프로세서(예를 들어, 멀티-코어 프로세서), 단일 코어를 갖는 다중의 프로세서, 다중의 코어를 갖는 다중의 프로세서, 또는 이들의 임의의 조합을 포함할 수 있다.
메모리(1104)는 메인 메모리(1112), 정적 메모리(1114), 및 저장 유닛(1116)을 포함하고, 이들 모두는 버스(1140)를 통해 프로세서들(1102)에 액세스가능하다. 메인 메모리(1104), 정적 메모리(1114), 및 저장 유닛(1116)은, 본 명세서에서 설명된 방법론들 또는 기능들 중 임의의 하나 이상을 구체화하는 명령어들(1108)을 저장한다. 명령어들(1108)은 또한, 머신(1100)에 의한 그 실행 동안에, 완전히 또는 부분적으로, 메인 메모리(1112) 내에, 정적 메모리(1114) 내에, 저장 유닛(1116) 내의 머신 판독가능 매체 내에, 프로세서(1102)들 중 적어도 하나 내에(예를 들어, 프로세서의 캐시 메모리 내에), 또는 이들의 임의의 적절한 조합에 존재할 수 있다.
I/O 컴포넌트들(1138)은 입력을 수신하고, 출력을 제공하고, 출력을 생성하고, 정보를 송신하고, 정보를 교환하고, 측정들을 캡처하는 등을 위한 매우 다양한 컴포넌트들을 포함할 수 있다. 특정 머신에 포함되는 특정 I/O 컴포넌트들(1138)은 머신의 타입에 의존할 것이다. 예를 들어, 모바일 폰들과 같은 휴대용 머신들은 터치 입력 디바이스 또는 다른 그러한 입력 메커니즘들을 포함할 수 있는 반면, 헤드리스 서버 머신(headless server machine)은 그러한 터치 입력 디바이스를 포함하지 않을 가능성이 클 것이다. I/O 컴포넌트들(1138)은 도 11에 도시되지 않은 많은 다른 컴포넌트들을 포함할 수 있다. 다양한 예들에서, I/O 컴포넌트들(1138)은 사용자 출력 컴포넌트들(1124) 및 사용자 입력 컴포넌트들(1126)을 포함할 수 있다. 사용자 출력 컴포넌트들(1124)은 시각적 컴포넌트들(예를 들어, 플라즈마 디스플레이 패널(PDP), 발광 다이오드(LED) 디스플레이, 액정 디스플레이(LCD), 프로젝터, 또는 CRT(cathode ray tube)와 같은 디스플레이), 음향 컴포넌트들(예를 들어, 스피커들), 햅틱 컴포넌트들(예를 들어, 진동 모터, 저항 메커니즘들), 다른 신호 생성기들 등을 포함할 수 있다. 사용자 입력 컴포넌트들(1126)은 영숫자 입력 컴포넌트들(예를 들어, 키보드, 영숫자 입력을 수신하도록 구성된 터치 스크린, 포토-광학 키보드, 또는 다른 영숫자 입력 컴포넌트들), 포인트 기반 입력 컴포넌트들(예를 들어, 마우스, 터치패드, 트랙볼, 조이스틱, 모션 센서, 또는 또 다른 포인팅 기구), 촉각 입력 컴포넌트들(예를 들어, 물리적 버튼, 터치들 또는 터치 제스처들의 로케이션 및 힘을 제공하는 터치 스크린, 또는 다른 촉각 입력 컴포넌트들), 오디오 입력 컴포넌트들(예를 들어, 마이크로폰) 등을 포함할 수 있다.
추가의 예들에서, I/O 컴포넌트들(1138)은, 광범위한 범위의 컴포넌트들 중에서도, 바이오메트릭 컴포넌트들(1128), 모션 컴포넌트들(1130), 환경 컴포넌트들(1132), 또는 위치 컴포넌트들(1134)을 포함할 수 있다. 예를 들어, 바이오메트릭 컴포넌트들(1128)은, 표현들(예를 들어, 손 표현, 얼굴 표정, 음성 표현, 신체 제스처, 또는 눈-추적)을 검출하고, 생체신호들(예를 들어, 혈압, 심박수, 체온, 땀 또는 뇌파)을 측정하고, 사람을 식별(예를 들어, 음성 식별, 망막 식별, 얼굴 식별, 지문 식별, 또는 뇌파계-기반의 식별)하는 컴포넌트들을 포함한다. 모션 컴포넌트들(1130)은, 가속도 센서 컴포넌트들(예를 들어, 가속도계), 중력 센서 컴포넌트들, 회전 센서 컴포넌트들(예를 들어, 자이로스코프)을 포함한다.
환경 컴포넌트(1132)는, 예를 들어, (정지 이미지/사진 및 비디오 능력을 갖춘) 하나 이상의 카메라, 조명 센서 컴포넌트(예를 들어, 광도계), 온도 센서 컴포넌트(예를 들어, 주변 온도를 검출하는 하나 이상의 온도계), 습도 센서 컴포넌트, 압력 센서 컴포넌트(예를 들어, 기압계), 음향 센서 컴포넌트(예를 들어, 배경 잡음을 검출하는 하나 이상의 마이크로폰), 근접 센서 컴포넌트(예를 들어, 근처의 물체를 검출하는 적외선 센서), 가스 센서(예를 들어, 안전을 위해 유해성 가스의 농도를 검출하거나 대기 중의 오염 물질을 측정하는 가스 검출 센서), 또는 주변의 물리적 환경에 대응하는 표시, 측정치, 또는 신호를 제공할 수 있는 기타의 컴포넌트들을 포함한다.
카메라들과 관련하여, 클라이언트 디바이스(102)는, 예를 들어, 클라이언트 디바이스(102)의 전방 표면 상의 전방 카메라들 및 클라이언트 디바이스(102)의 후방 표면 상의 후방 카메라들을 포함하는 카메라 시스템을 가질 수 있다. 전방 카메라들은, 예를 들어, 클라이언트 디바이스(102)의 사용자의 정지 이미지들 및 비디오(예를 들어, "셀피")를 캡처하기 위해 사용될 수 있고, 이것은 이후 전술한 증강 데이터(예를 들어, 필터들)로 증강될 수 있다. 후방 카메라들은, 예를 들어, 더 전통적인 카메라 모드에서 정지 이미지들 및 비디오들을 캡처하기 위해 사용될 수 있고, 이들 이미지들은 유사하게 증강 데이터에 의해 증강된다. 전방 및 후방 카메라들에 더하여, 클라이언트 디바이스(102)는 360° 사진들 및 비디오들을 캡처하기 위한 360° 카메라를 또한 포함할 수 있다.
또한, 클라이언트 디바이스(102)의 카메라 시스템은 클라이언트 디바이스(102)의 전방 및 후방 측면들 상에 이중 후방 카메라들(예를 들어, 주 카메라뿐만 아니라 깊이 감지 카메라), 또는 심지어 삼중, 사중 또는 오중 후방 카메라 구성들을 포함할 수 있다. 이러한 다중의 카메라 시스템은 예를 들어, 와이드 카메라, 울트라 와이드 카메라, 텔레포토 카메라, 매크로 카메라, 및 깊이 센서를 포함할 수 있다.
위치 컴포넌트들(1134)은, 로케이션 센서 컴포넌트들(예를 들어, GPS 수신기 컴포넌트), 고도 센서 컴포넌트들(예를 들어, 고도계 또는 고도가 도출될 수 있는 기압을 검출하는 기압계), 오리엔테이션 센서 컴포넌트들(예를 들어, 자력계) 등을 포함할 수 있다.
통신은 매우 다양한 기술을 이용하여 구현될 수 있다. I/O 컴포넌트(1138)는, 머신(1100)을 각자의 결합 또는 접속을 통해 네트워크(1120) 또는 디바이스(1122)에 결합하도록 동작가능한 통신 컴포넌트(1136)를 추가로 포함한다. 예를 들어, 통신 컴포넌트(1136)는 네트워크 인터페이스 컴포넌트 또는 네트워크(1120)와 인터페이스하기 위한 또 다른 적절한 디바이스를 포함할 수 있다. 추가 예에서, 통신 컴포넌트(1136)는, 유선 통신 컴포넌트, 무선 통신 컴포넌트, 셀룰러 통신 컴포넌트, NFC(Near Field Communication) 컴포넌트, Bluetooth® 컴포넌트(예를 들어, Bluetooth® Low Energy), Wi-Fi® 컴포넌트, 및 다른 양태를 통해 통신을 제공하는 기타의 통신 컴포넌트를 포함할 수 있다. 디바이스(1122)는 또 다른 머신 또는 매우 다양한 주변 디바이스들 중 임의의 것(예를 들어, USB를 통해 결합된 주변 디바이스)일 수 있다.
또한, 통신 컴포넌트들(1136)은 식별자들을 검출할 수 있거나 식별자들을 검출하도록 동작가능한 컴포넌트들을 포함할 수 있다. 예를 들어, 통신 컴포넌트들(1136)은 RFID(Radio Frequency Identification) 태그 판독기 컴포넌트들, NFC 스마트 태그 검출 컴포넌트들, 광학 판독기 컴포넌트들(예를 들어, UPC(Universal Product Code) 바코드와 같은 1차원 바코드들, QR(Quick Response) 코드와 같은 다차원 바코드들, Aztec 코드, Data Matrix, Dataglyph, MaxiCode, PDF417, Ultra Code, UCC RSS-2D 바코드, 및 다른 광학 코드들을 검출하는 광학 센서), 또는 음향 검출 컴포넌트들(예를 들어, 태깅된 오디오 신호들을 식별하는 마이크로폰들)을 포함할 수 있다. 또한, 인터넷 프로토콜(IP) 지오로케이션을 통한 로케이션, Wi-Fi® 신호 삼각측량을 통한 로케이션, 특정 로케이션을 나타낼 수 있는 NFC 비컨 신호를 검출하는 것을 통한 로케이션과 같은 다양한 정보가 통신 컴포넌트들(1136)을 통해 도출될 수 있다.
다양한 메모리들(예를 들어, 메인 메모리(1112), 정적 메모리(1114), 및 프로세서들(1102)의 메모리) 및 저장 유닛(1116)은 본 명세서에 설명된 방법론들 또는 기능들 중 임의의 하나 이상을 구현하거나 그에 의해 사용되는 명령어들 및 데이터 구조들(예를 들어, 소프트웨어)의 하나 이상의 세트를 저장할 수 있다. 이러한 명령어들(예를 들어, 명령어들(1108))은, 프로세서들(1102)에 의해 실행될 때, 다양한 동작들이 개시된 예들을 구현하게 야기한다.
명령어들(1108)은, 송신 매체를 이용하여, 네트워크 인터페이스 디바이스(예를 들어, 통신 컴포넌트(1136)에 포함된 네트워크 인터페이스 컴포넌트)를 통해, 및 수 개의 널리 공지된 전송 프로토콜들 중 임의의 하나(예를 들어, HTTP(hypertext transfer protocol))를 이용하여, 네트워크(1120)를 통해 송신되거나 수신될 수 있다. 유사하게, 명령어들(1108)은 디바이스들(1122)에 대한 결합(예를 들어, 피어-투-피어 결합)을 통해 송신 매체를 이용하여 송신되거나 수신될 수 있다.
소프트웨어 아키텍처
도 12는 본 명세서에서 설명되는 디바이스들 중 임의의 하나 이상에 설치될 수 있는 소프트웨어 아키텍처(1204)를 예시하는 블록도(1200)이다. 소프트웨어 아키텍처(1204)는 프로세서들(1220), 메모리(1226), 및 I/O 컴포넌트들(1238)을 포함하는 머신(1202)과 같은 하드웨어에 의해 지원된다. 이 예에서, 소프트웨어 아키텍처(1204)는 계층들의 스택으로서 개념화될 수 있으며, 여기서 각각의 계층은 특정 기능성을 제공한다. 소프트웨어 아키텍처(1204)는 운영 체제(1212), 라이브러리들(1210), 프레임워크들(1208), 및 애플리케이션들(1206)과 같은 계층들을 포함한다. 동작상, 애플리케이션들(1206)은 소프트웨어 스택을 통해 API 호출들(1250)을 기동하고 API 호출들(1250)에 응답하여 메시지들(1252)를 수신한다.
운영 체제(1212)는 하드웨어 리소스들을 관리하고 공통 서비스들을 제공한다. 운영 체제(1212)는, 예를 들어, 커널(1214), 서비스들(1216), 및 드라이버들(1222)을 포함한다. 커널(1214)은 하드웨어와 다른 소프트웨어 계층들 사이의 추상화 계층(abstraction layer)으로서 기능한다. 예를 들어, 커널(1214)은, 다른 기능성들 중에서도, 메모리 관리, 프로세서 관리(예컨대, 스케줄링), 컴포넌트 관리, 네트워크화, 및 보안 설정들을 제공한다. 서비스들(1216)은 다른 소프트웨어 계층들을 위한 다른 공통 서비스들을 제공할 수 있다. 드라이버들(1222)은 기본 하드웨어(underlying hardware)를 제어하거나 그와 인터페이스하는 것을 담당한다. 예를 들어, 드라이버들(1222)은 디스플레이 드라이버, 카메라 드라이버, BLUETOOTH® 또는 BLUETOOTH® Low Energy 드라이버, 플래시 메모리 드라이버, 직렬 통신 드라이버(예를 들어, USB 드라이버), WI-FI® 드라이버, 오디오 드라이버, 전력 관리 드라이버 등을 포함할 수 있다.
라이브러리들(1210)은 애플리케이션들(1206)에 의해 사용되는 공통 저 레벨 인프라스트럭처를 제공한다. 라이브러리들(1210)은 메모리 할당 기능들, 스트링 조작 기능들, 수학 기능들 등과 같은 기능들을 제공하는 시스템 라이브러리들(1218)(예를 들어, C 표준 라이브러리)을 포함할 수 있다. 또한, 라이브러리(1210)는, 미디어 라이브러리(예를 들어, MPEG4(Moving Picture Experts Group-4), H.264 또는 AVC(Advanced Video Coding), MP3(Moving Picture Experts Group Layer-3), AAC(Advanced Audio Coding), AMR(Adaptive Multi-Rate) 오디오 코덱, JPEG 또는 JPG(Joint Photographic Experts Group), PNG(Portable Network Graphics) 등의 다양한 미디어 포맷의 프레젠테이션과 조작을 지원하는 라이브러리들), 그래픽 라이브러리(예를 들어, 그래픽 콘텐츠를 디스플레이 상에서 2차원(2D) 및 3차원(3D)으로 렌더링하는데 이용되는 OpenGL 프레임워크), 데이터베이스 라이브러리(예를 들어, 다양한 관계형 데이터베이스 기능을 제공하는 SQLite), 웹 라이브러리(예를 들어, 웹 브라우징 기능을 제공하는 WebKit), 및 그와 유사한 것과 같은 API 라이브러리(1224)를 포함할 수 있다. 라이브러리(1210)는 또한, 많은 다른 API를 애플리케이션(1206)에 제공하는 매우 다양한 다른 라이브러리(1228)를 포함할 수 있다.
프레임워크들(1208)은 애플리케이션들(1206)에 의해 사용되는 공통 고 레벨 인프라스트럭처를 제공한다. 예를 들어, 프레임워크(1208)는 다양한 그래픽 사용자 인터페이스(GUI) 기능, 고 레벨 리소스 관리, 및 고 레벨 로케이션 서비스를 제공한다. 프레임워크들(1208)은 애플리케이션들(1206)에 의해 사용될 수 있는 광범위한 범위의 다른 API들을 제공할 수 있으며, 그 중 일부는 특정 운영 체제 또는 플랫폼에 특정적일 수 있다.
예에서, 애플리케이션들(1206)은 홈 애플리케이션(1236), 연락처 애플리케이션(1230), 브라우저 애플리케이션(1232), 북 리더 애플리케이션(1234), 로케이션 애플리케이션(1242), 미디어 애플리케이션(1244), 메시징 애플리케이션(1246), 게임 애플리케이션(1248), 및 외부 애플리케이션(1240)과 같은 광범위한 다른 애플리케이션들을 포함할 수 있다. 애플리케이션들(1206)은 프로그램들에서 정의된 기능들을 실행하는 프로그램들이다. 애플리케이션들(1206) 중 하나 이상을 생성하기 위해 객체 지향형 프로그래밍 언어(예를 들어, Objective-C, Java, 또는 C++) 또는 절차형 프로그래밍 언어(예를 들어, C 또는 어셈블리 언어)와 같은 다양한 방식으로 구조화된 다양한 프로그래밍 언어가 채택될 수 있다. 특정 예에서, 외부 애플리케이션(1240)(예를 들어, 특정 플랫폼의 벤더 이외의 엔티티에 의해 ANDROIDTM 또는 IOSTM SDK(software development kit)를 이용하여 개발된 애플리케이션)은 IOSTM, ANDROIDTM, WINDOWS®Phone, 또는 또 다른 모바일 운영 체제와 같은 모바일 운영 체제 상에서 실행되는 모바일 소프트웨어일 수 있다. 이 예에서, 외부 애플리케이션(1240)은 본 명세서에 설명된 기능성을 용이하게 하기 위해 운영 체제(1212)에 의해 제공되는 API 호출들(1250)을 기동할 수 있다.
용어집
"캐리어 신호"는 머신에 의한 실행을 위한 명령어들을 저장, 인코딩, 또는 운반할 수 있는 임의의 무형 매체를 지칭하고, 그러한 명령어들의 통신을 용이하게 하기 위한 디지털 또는 아날로그 통신 신호들 또는 다른 무형 매체를 포함한다. 명령어들은 네트워크 인터페이스 디바이스를 통해 송신 매체를 사용하여 네트워크를 통해 송신 또는 수신될 수 있다.
"클라이언트 디바이스(Client Device)"는 하나 이상의 서버 시스템 또는 다른 클라이언트 디바이스들로부터 리소스들을 획득하기 위해 통신 네트워크에 인터페이스하는 임의의 머신을 지칭한다. 클라이언트 디바이스는, 모바일 폰, 데스크톱 컴퓨터, 랩톱, PDA(portable digital assistant), 스마트폰, 태블릿, 울트라북, 넷북, 랩톱, 멀티-프로세서 시스템, 마이크로프로세서-기반 또는 프로그래밍 가능한 가전 제품, 게임 콘솔, 셋톱 박스, 또는 사용자가 네트워크에 액세스하기 위해 사용할 수 있는 임의의 다른 통신 디바이스일 수 있지만, 이것으로 제한되지는 않는다.
"통신 네트워크(Communication Network)"는 애드 혹 네트워크, 인트라넷, 엑스트라넷, VPN(virtual private network), LAN(local area network), 무선 LAN(WLAN), WAN(wide area network), 무선 WAN(WWAN), MAN(metropolitan area network), 인터넷, 인터넷의 일부, PSTN(Public Switched Telephone Network)의 일부, POTS(plain old telephone service) 네트워크, 셀룰러 전화 네트워크, 무선 네트워크, Wi-Fi® 네트워크, 다른 유형의 네트워크, 또는 둘 이상의 그러한 네트워크의 조합일 수 있는, 네트워크의 하나 이상의 부분을 지칭한다. 예를 들어, 네트워크 또는 네트워크의 부분은 무선 또는 셀룰러 네트워크를 포함할 수 있고, 결합은 CDMA(Code Division Multiple Access) 접속, GSM(Global System for Mobile communications) 접속, 또는 다른 타입의 셀룰러 또는 무선 결합일 수 있다. 이 예에서, 결합은 1xRTT(Single Carrier Radio Transmission Technology), EVDO(Evolution-Data Optimized) 기술, GPRS(General Packet Radio Service) 기술, EDGE(Enhanced Data rates for GSM Evolution) 기술, 3G를 포함하는 3GPP(third Generation Partnership Project), 4G(fourth generation wireless) 네트워크들, UMTS(Universal Mobile Telecommunications System), HSPA(High Speed Packet Access), WiMAX(Worldwide Interoperability for Microwave Access), LTE(Long Term Evolution) 표준, 다양한 표준 설정 조직들에 의해 정의된 다른 것들, 다른 장거리 프로토콜들, 또는 다른 데이터 전송 기술과 같은 임의의 다양한 타입의 데이터 전송 기술을 구현할 수 있다.
"컴포넌트(Component)"는 기능 또는 서브루틴 호출, 분기 포인트, API, 또는 특정한 처리 또는 제어 기능들의 분할 또는 모듈화를 제공하는 다른 기술들에 의해 정의된 경계들을 갖는 디바이스, 물리적 엔티티, 또는 로직을 지칭한다. 컴포넌트들은 그들의 인터페이스를 통해 다른 컴포넌트들과 조합되어 머신 프로세스를 완수할 수 있다. 컴포넌트는, 보통 관련된 기능들 중 특정 기능을 수행하는 프로그램의 일부 및 다른 컴포넌트들과 함께 사용되도록 설계된 패키징된 기능 하드웨어 유닛일 수 있다.
컴포넌트들은 소프트웨어 컴포넌트들(예를 들어, 머신 판독가능 매체 상에 구체화된 코드) 또는 하드웨어 컴포넌트들 중 어느 하나를 구성할 수 있다. "하드웨어 컴포넌트"는 특정 동작들을 수행할 수 있는 유형 유닛(tangible unit)이고, 특정 물리적 방식으로 구성되거나 배열될 수 있다. 다양한 예시적인 실시예들에서, 하나 이상의 컴퓨터 시스템(예를 들어, 독립형 컴퓨터 시스템, 클라이언트 컴퓨터 시스템, 또는 서버 컴퓨터 시스템) 또는 컴퓨터 시스템의 하나 이상의 하드웨어 컴포넌트(예를 들어, 프로세서 또는 프로세서들의 그룹)는 본 명세서에 설명된 바와 같이 특정 동작들을 수행하도록 동작하는 하드웨어 컴포넌트로서 소프트웨어(예를 들어, 애플리케이션 또는 애플리케이션 부분)에 의해 구성될 수 있다.
하드웨어 컴포넌트는 또한, 기계적으로, 전자적으로, 또는 이들의 임의의 적합한 조합으로 구현될 수 있다. 예를 들어, 하드웨어 컴포넌트는 특정 동작들을 수행하도록 영구적으로 구성된 전용 회로 또는 로직을 포함할 수 있다. 하드웨어 컴포넌트는, FPGA(field-programmable gate array) 또는 ASIC(application specific integrated circuit)와 같은 특수 목적 프로세서일 수 있다. 하드웨어 컴포넌트는 특정 동작들을 수행하기 위해 소프트웨어에 의해 일시적으로 구성되는 프로그래밍 가능한 로직 또는 회로를 또한 포함할 수 있다. 예를 들어, 하드웨어 컴포넌트는 범용 프로세서 또는 다른 프로그래밍 가능한 프로세서에 의해 실행되는 소프트웨어를 포함할 수 있다. 일단 그러한 소프트웨어에 의해 구성되면, 하드웨어 컴포넌트들은 구성된 기능들을 수행하도록 고유하게 맞춤화된 특정 머신들(또는 머신의 특정 컴포넌트들)이 되고 더 이상 범용 프로세서들이 아니다. 하드웨어 컴포넌트를 기계적으로, 전용의 영구적으로 구성된 회로에, 또는 일시적으로 구성된 회로(예를 들어, 소프트웨어에 의해 구성됨)에 구현하기로 하는 결정은 비용 및 시간 고려사항에 의해 주도될 수 있다는 것을 알 것이다. 따라서, "하드웨어 컴포넌트"(또는 "하드웨어 구현된 컴포넌트")라는 구문은, 특정 방식으로 동작하거나 본 명세서에 설명된 특정 동작들을 수행하도록 물리적으로 구성되거나, 영구적으로 구성되거나(예를 들어, 하드와이어드), 또는 일시적으로 구성되는(예를 들어, 프로그래밍되는) 엔티티이기만 하다면, 유형 엔티티를 포괄하는 것으로 이해해야 한다.
하드웨어 컴포넌트들이 일시적으로 구성되는 (예를 들어, 프로그래밍되는) 실시예들을 고려할 때, 하드웨어 컴포넌트들 각각이 임의의 하나의 시간 인스턴스에서 구성되거나 또는 인스턴스화될 필요는 없다. 예를 들어, 하드웨어 컴포넌트가 특수 목적 프로세서가 되도록 소프트웨어에 의해 구성된 범용 프로세서를 포함하는 경우에, 범용 프로세서는 상이한 시간들에서 각자의 상이한 특수 목적 프로세서들(예를 들어, 상이한 하드웨어 컴포넌트들을 포함함)로서 구성될 수 있다. 따라서 소프트웨어는 예를 들어, 어느 한 시간 인스턴스에서는 특정 하드웨어 컴포넌트를 구성하고 상이한 시간 인스턴스에서는 상이한 하드웨어 컴포넌트를 구성하도록 특정 프로세서 또는 프로세서들을 구성한다.
하드웨어 컴포넌트들은 다른 하드웨어 컴포넌트들에 정보를 제공하고 그들로부터 정보를 수신할 수 있다. 따라서, 설명된 하드웨어 컴포넌트들은 통신가능하게 결합되어 있는 것으로 간주될 수 있다. 다중의 하드웨어 컴포넌트가 동시에 존재하는 경우에, 하드웨어 컴포넌트들 중 둘 이상 사이의 또는 그들 사이의 (예를 들어, 적절한 회로들 및 버스들을 통한) 신호 송신을 통해 통신이 달성될 수 있다. 다중의 하드웨어 컴포넌트가 상이한 시간들에서 구성되거나 인스턴스화되는 실시예들에서, 그러한 하드웨어 컴포넌트들 사이의 통신은, 예를 들어, 다중의 하드웨어 컴포넌트가 액세스할 수 있는 메모리 구조들 내의 정보의 저장 및 검색을 통해 달성될 수 있다. 예를 들어, 어느 한 하드웨어 컴포넌트는 동작을 수행하고, 그것이 통신가능하게 결합되는 메모리 디바이스에 그 동작의 출력을 저장할 수 있다. 그 후 추가의 하드웨어 컴포넌트가, 나중에, 저장된 출력을 검색 및 처리하기 위해 메모리 디바이스에 액세스할 수 있다. 하드웨어 컴포넌트들은 또한 입력 또는 출력 디바이스들과 통신을 개시할 수 있고, 리소스(예를 들어, 정보의 컬렉션)를 조작할 수 있다.
본 명세서에 설명된 예시적인 방법들의 다양한 동작은 관련 동작들을 수행하도록 (예를 들어, 소프트웨어에 의해) 일시적으로 구성되거나 영구적으로 구성되는 하나 이상의 프로세서에 의해 적어도 부분적으로 수행될 수 있다. 일시적으로 구성되든 영구적으로 구성되든 간에, 그러한 프로세서들은 본 명세서에 설명된 하나 이상의 동작 또는 기능을 수행하도록 동작하는 프로세서 구현된 컴포넌트들을 구성할 수 있다. 본 명세서에서 사용된, "프로세서 구현된 컴포넌트"는 하나 이상의 프로세서를 사용하여 구현된 하드웨어 컴포넌트를 지칭한다. 유사하게, 본 명세서에 설명된 방법들은, 특정 프로세서 또는 프로세서들이 하드웨어의 예가 되면서, 적어도 부분적으로 프로세서 구현될 수 있다. 예를 들어, 방법의 동작들 중 적어도 일부가 하나 이상의 프로세서(1102) 또는 프로세서 구현된 컴포넌트에 의해 수행될 수 있다. 더욱이, 하나 이상의 프로세서는 또한 "클라우드 컴퓨팅" 환경에서 또는 "SaaS(software as a service)"로서 관련 동작들의 수행을 지원하도록 동작할 수 있다. 예를 들어, 동작들 중 적어도 일부는 (프로세서들을 포함하는 머신들의 예들로서) 컴퓨터들의 그룹에 의해 수행될 수 있고, 이들 동작들은 네트워크(예를 들어, 인터넷)를 통해 그리고 하나 이상의 적절한 인터페이스(예를 들어, API)를 통해 액세스 가능하다. 동작들 중 특정 동작의 수행은 단일 머신 내에 존재할 뿐만 아니라 다수의 머신에 걸쳐 배치되는 프로세서들 중에 분산될 수 있다. 일부 예시적인 실시예들에서, 프로세서들 또는 프로세서 구현되는 컴포넌트들은 단일의 지리적 로케이션에(예를 들어, 가정 환경, 사무실 환경, 또는 서버 팜(server farm) 내에) 자리잡을 수 있다. 다른 예시적 실시예들에서, 프로세서들 또는 프로세서 구현된 컴포넌트들은 다수의 지리적 로케이션에 걸쳐 분산될 수 있다.
"컴퓨터 판독가능 저장 매체"는 머신 저장 매체 및 송신 매체 둘 다를 지칭한다. 따라서, 용어들은 저장 디바이스들/매체들 및 캐리어 파들/변조된 데이터 신호들 둘 다를 포함한다. "머신 판독가능 매체", "컴퓨터 판독가능 매체", 및 "디바이스 판독가능 매체"라는 용어들은 동일한 것을 의미하고 본 개시내용에서 상호교환가능하게 사용될 수 있다.
"단기적 메시지"는 시간 제한된 지속기간 동안 액세스가능한 메시지를 지칭한다. 단기적 메시지는 텍스트, 이미지, 비디오 등일 수 있다. 단기적 메시지에 대한 액세스 시간은 메시지 발신자에 의해 설정될 수 있다. 대안적으로, 액세스 시간은 디폴트 설정 또는 수신자에 의해 지정된 설정일 수 있다. 설정 기법에 관계없이, 메시지는 일시적이다.
"머신 저장 매체"는 실행가능 명령어들, 루틴들 및/또는 데이터를 저장하는 단일의 또는 다중의 저장 디바이스들 및/또는 매체들(예를 들어, 중앙집중형 또는 분산형 데이터베이스, 및/또는 연관된 캐시들 및 서버들)을 지칭한다. 따라서, 이 용어는 프로세서들 내부 또는 외부의 메모리를 포함하여, 고체 상태 메모리들, 및 광학 및 자기 매체를 포함하지만 이에 제한되지는 않는 것으로 이해될 수 있다. 머신 저장 매체들, 컴퓨터 저장 매체들, 및 디바이스 저장 매체들의 특정 예들은, 예로서, 반도체 메모리 디바이스들, 예컨대, EPROM(erasable programmable read-only memory), EEPROM(electrically erasable programmable read-only memory), FPGA, 및 플래시 메모리 디바이스들을 포함하는 비휘발성 메모리; 내부 하드 디스크 및 착탈식 디스크와 같은 자기 디스크; 자기 광학 디스크들; 및 CD-ROM 및 DVD-ROM 디스크들을 포함한다. 용어들 "머신 저장 매체", "디바이스 저장 매체", "컴퓨터 저장 매체"는 동일한 것을 의미하고 본 개시내용에서 상호교환가능하게 사용될 수 있다. "머신 저장 매체", "컴퓨터 저장 매체", 및 "디바이스 저장 매체"라는 용어들은 구체적으로 캐리어 파들, 변조된 데이터 신호들, 및 다른 그런 매체를 제외하며, 이들 중 적어도 일부는 "신호 매체"라는 용어 하에 커버된다.
"비일시적 컴퓨터 판독가능 저장 매체"는 머신에 의한 실행을 위한 명령어들을 저장, 인코딩, 또는 운반할 수 있는 유형의 매체를 지칭한다.
"신호 매체"는 머신에 의한 실행을 위한 명령어들을 저장, 인코딩 또는 운반할 수 있는 임의의 무형 매체를 지칭하며, 소프트웨어 또는 데이터의 통신을 용이하게 하기 위해 디지털 또는 아날로그 통신 신호들 또는 다른 무형 매체를 포함한다. 용어 "신호 매체"는 임의 형태의 변조된 데이터 신호, 캐리어 파, 및 기타 등등을 포함하는 것으로 간주될 것이다. "변조된 데이터 신호"라는 용어는 신호 내의 정보를 인코딩하기 위한 그런 상황에서 설정 또는 변경된 자신의 특성들 중 하나 이상을 갖는 신호를 의미한다. "송신 매체", 및 "신호 매체"라는 용어들은 동일한 것을 의미하고 본 개시내용에서 상호교환가능하게 사용될 수 있다.
본 개시내용의 범위를 벗어나지 않고 개시된 실시예들에 대한 변경들 및 수정들이 이루어질 수 있다. 이들 및 다른 변경들 또는 수정들은 다음의 청구항들에 표현된 바와 같이 본 개시내용의 범위 내에 포함되는 것으로 의도된다.
Claims (20)
- 3D 신체 모델을 생성하는 컴퓨터 구현 방법으로서:
골격 모델의 각자의 골(bone)들에 각각 대응하는 복수의 골 스케일 계수를 수신하는 단계;
상기 골격 모델에 대한 포즈를 집합적으로 정의하는 복수의 관절 각도 계수를 수신하는 단계;
상기 수신된 골 스케일 계수들 및 상기 수신된 관절 각도 계수들에 기초하여 상기 골격 모델을 생성하는 단계;
상기 복수의 골 스케일 계수에 기초하여 베이스 표면(base surface)을 생성하는 단계;
상기 베이스 표면의 변형에 의해 신원 표면(identity surface)을 생성하는 단계; 및
상기 신원 표면을 포즈 잡은 골격 모델 상으로 매핑함으로써 상기 3D 신체 모델을 생성하는 단계를 포함하는 방법. - 제1항에 있어서, 상기 골격 모델은 트리 구조 그래프를 포함하고, 상기 골격 모델을 생성하는 단계는 루트 골 요소 및 복수의 리프 골 요소의 재귀적 생성을 포함하는 방법.
- 제2항에 있어서, 상기 골격 모델은 각각의 골 요소에 대한 정지 위치, 및 각각의 골 요소에 대한 회전 인자 및 스케일링 인자를 포함하고, 상기 회전 인자 및 상기 스케일링 인자는 순차적으로 각각의 골 요소에 재귀적으로 적용되는 방법.
- 제3항에 있어서, 상기 각각의 골 요소에 대한 정지 위치는 각자의 골 요소에 대한 템플릿 회전 행렬 및 병진 벡터에 의해 표현되는 방법.
- 제1항에 있어서, 상기 복수의 관절 각도 계수는 각각 운동학적으로 유효한 각도 범위에 제한되는 방법.
- 제5항에 있어서, 상기 복수의 관절 각도 계수 각각은 대응하는 제약되지 않은 변수를 상기 운동학적으로 유효한 각도 범위에 매핑함으로써 제한되는 방법.
- 제1항에 있어서, 상기 관절 각도 계수들은 47개의 관절 각도 계수를 포함하는 방법.
- 제1항에 있어서, 상기 베이스 표면을 생성하는 단계는 평균 표면을 생성하고 및 골 길이 의존적 변형에 기초하여 상기 평균 표면에 보정을 적용하는 단계를 포함하는 방법.
- 제1항에 있어서, 상기 신원 표면을 생성하는 단계는 복수의 선형 신원 파라미터에 기초한 상기 베이스 표면의 변형을 포함하는 방법.
- 제1항에 있어서, 상기 신원 표면을 포즈 잡은 골격 모델 상으로 매핑하는 단계는 선형 혼합 스키닝 프로세스를 사용하여 매핑하는 단계를 포함하고, 상기 3D 신체 모델은 인간 또는 동물에 대응하는 방법.
- 제10항에 있어서, 상기 선형 혼합 스키닝 프로세스는, 상기 골 요소에 대한 정지 위치에 대해 상기 표면 포인트를 차트화하고 및 상기 각자의 골 요소에 대한 포즈 잡은 위치에 기초하여 상기 차트화된 포인트를 수송함으로써, 상기 골격 모델의 골 요소에 기초하여 상기 표면 포인트를 상기 신원 표면 상으로 매핑하는 단계를 포함하는 방법.
- 제11항에 있어서, 상기 선형 혼합 스키닝 프로세스는 상기 골격 모델의 각각의 골 요소에 기초하여 상기 표면 포인트를 상기 신원 표면 상에 매핑하는 단계, 및 각각의 각자의 매핑에 대한 가중 인자를 계산하는 단계를 포함하는 방법.
- 제1항에 있어서, 상기 복수의 골 스케일 계수 및 상기 복수의 관절 각도 계수는 입력 2D 이미지의 이미지 처리에 기초하여 결정되고, 상기 입력 2D 이미지는 적어도 하나의 신체의 표현을 포함하는 방법.
- 제13항에 있어서, 딥 컨볼루션 신경망을 이용하여, 상기 2D 이미지를 처리하여 적어도 하나의 신체의 존재를 검출하고, 및 상기 적어도 하나의 검출된 신체에 대해 상기 복수의 골 스케일 계수 및 상기 복수의 관절 각도 계수를 추정하는 단계를 추가로 포함하는 방법.
- 제14항에 있어서, 상기 입력 2D 이미지 및 상기 생성된 3D 신체 모델에 기초하여 출력 2D 이미지를 생성하는 단계를 추가로 포함하고, 상기 입력 이미지 내의 신체의 표현은 상기 3D 신체 모델의 대응하는 2D 표현으로 대체되는 방법.
- 제15항에 있어서, 상기 출력 2D 이미지를 생성하는 단계는:
상기 입력 2D 이미지로부터 결정된 상기 복수의 골 스케일 계수 및 상기 복수의 관절 각도 계수에 기초하여 상기 3D 신체 모델을 생성하는 단계;
상기 입력 2D 이미지에 기초하여, 상기 3D 신체 모델의 2D 투영을 생성하는 단계; 및
상기 2D 투영을 상기 입력 이미지 내의 신체의 표현 상으로 오버레이하는 단계를 포함하는 방법. - 3D 신체 모델을 생성하기 위한 시스템으로서:
동작들을 수행하도록 구성된 프로세서를 포함하고, 상기 동작들은:
골격 모델의 각자의 골(bone)들에 각각 대응하는 복수의 골 스케일 계수를 수신하는 동작;
상기 골격 모델에 대한 포즈를 집합적으로 정의하는 복수의 관절 각도 계수를 수신하는 동작;
상기 수신된 골 스케일 계수들 및 상기 수신된 관절 각도 계수들에 기초하여 상기 골격 모델을 생성하는 동작;
상기 복수의 골 스케일 계수에 기초하여 베이스 표면(base surface)을 생성하는 동작;
상기 베이스 표면의 변형에 의해 신원 표면(identity surface)을 생성하는 동작; 및
상기 신원 표면을 포즈 잡은 골격 모델 상으로 매핑함으로써 상기 3D 신체 모델을 생성하는 동작을 포함하는 시스템. - 제17항에 있어서, 상기 골격 모델은 트리 구조 그래프를 포함하고, 상기 골격 모델을 생성하는 동작은 루트 골 요소 및 복수의 리프 골 요소의 재귀적 생성을 포함하는 시스템.
- 제18항에 있어서, 상기 골격 모델은 각각의 골 요소에 대한 정지 위치, 및 각각의 골 요소에 대한 회전 인자 및 스케일링 인자를 포함하고, 상기 회전 인자 및 상기 스케일링 인자는 순차적으로 각각의 골 요소에 재귀적으로 적용되는 시스템.
- 명령어들을 포함하는 비일시적 머신 판독가능 저장 매체로서, 상기 명령어들은, 머신의 하나 이상의 프로세서에 의해 실행될 때, 상기 머신으로 하여금:
골격 모델의 각자의 골(bone)들에 각각 대응하는 복수의 골 스케일 계수를 수신하는 동작;
상기 골격 모델에 대한 포즈를 집합적으로 정의하는 복수의 관절 각도 계수를 수신하는 동작;
상기 수신된 골 스케일 계수들 및 상기 수신된 관절 각도 계수들에 기초하여 상기 골격 모델을 생성하는 동작;
상기 복수의 골 스케일 계수에 기초하여 베이스 표면(base surface)을 생성하는 동작;
상기 베이스 표면의 변형에 의해 신원 표면(identity surface)을 생성하는 동작; 및
상기 신원 표면을 포즈 잡은 골격 모델 상으로 매핑함으로써 상기 3D 신체 모델을 생성하는 동작을 포함하는 3D 신체 모델을 생성하기 위한 동작들을 수행하게 야기하는 비일시적 머신 판독가능 저장 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962936272P | 2019-11-15 | 2019-11-15 | |
| US62/936,272 | 2019-11-15 | ||
| PCT/EP2020/082062 WO2021094537A1 (en) | 2019-11-15 | 2020-11-13 | 3d body model generation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220100920A true KR20220100920A (ko) | 2022-07-18 |
Family
ID=73449059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227019676A KR20220100920A (ko) | 2019-11-15 | 2020-11-13 | 3d 신체 모델 생성 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11915365B2 (ko) |
| EP (1) | EP4058989A1 (ko) |
| KR (1) | KR20220100920A (ko) |
| CN (1) | CN114981844A (ko) |
| WO (1) | WO2021094537A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102617577B1 (ko) * | 2023-01-20 | 2023-12-27 | (주)코딩앤플레이 | 지능형 캐릭터 생성 시스템의 제어 방법 |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10984575B2 (en) | 2019-02-06 | 2021-04-20 | Snap Inc. | Body pose estimation |
| KR20220100920A (ko) | 2019-11-15 | 2022-07-18 | 스냅 인코포레이티드 | 3d 신체 모델 생성 |
| CN114930399A (zh) * | 2019-11-15 | 2022-08-19 | 斯纳普公司 | 使用基于表面的神经合成的图像生成 |
| US11430564B2 (en) | 2019-11-27 | 2022-08-30 | Shanghai United Imaging Intelligence Co., Ltd. | Personalized patient positioning, verification and treatment |
| US11262588B2 (en) * | 2020-03-10 | 2022-03-01 | Magic Leap, Inc. | Spectator view of virtual and physical objects |
| US11443484B2 (en) * | 2020-05-15 | 2022-09-13 | Microsoft Technology Licensing, Llc | Reinforced differentiable attribute for 3D face reconstruction |
| GB202009515D0 (en) | 2020-06-22 | 2020-08-05 | Ariel Ai Ltd | 3D object model reconstruction from 2D images |
| US11660022B2 (en) | 2020-10-27 | 2023-05-30 | Snap Inc. | Adaptive skeletal joint smoothing |
| US11615592B2 (en) | 2020-10-27 | 2023-03-28 | Snap Inc. | Side-by-side character animation from realtime 3D body motion capture |
| US11450051B2 (en) * | 2020-11-18 | 2022-09-20 | Snap Inc. | Personalized avatar real-time motion capture |
| US11748931B2 (en) | 2020-11-18 | 2023-09-05 | Snap Inc. | Body animation sharing and remixing |
| US11734894B2 (en) | 2020-11-18 | 2023-08-22 | Snap Inc. | Real-time motion transfer for prosthetic limbs |
| CN113365085B (zh) * | 2021-05-31 | 2022-08-16 | 北京字跳网络技术有限公司 | 一种直播视频生成方法及装置 |
| US11995771B2 (en) * | 2021-06-17 | 2024-05-28 | University Of Georgia Research Foundation, Inc. | Automated weighting generation for three-dimensional models |
| CN113610949B (zh) * | 2021-08-25 | 2023-06-16 | 腾讯科技（深圳）有限公司 | 虚拟手臂骨骼的蒙皮方法、装置、设备以及存储介质 |
| EP4148682A1 (en) * | 2021-09-09 | 2023-03-15 | Nokia Technologies Oy | A method, an apparatus and a computer program product for computer graphics |
| US20230101617A1 (en) * | 2021-09-24 | 2023-03-30 | Apple Inc. | Full body pose estimation through feature extraction from multiple wearable devices |
| KR20240055025A (ko) * | 2021-10-14 | 2024-04-26 | 로브록스 코포레이션 | 실용 3d 에셋을 위한 추론된 골격 구조 |
| US11880947B2 (en) | 2021-12-21 | 2024-01-23 | Snap Inc. | Real-time upper-body garment exchange |
| US11803997B2 (en) * | 2022-02-15 | 2023-10-31 | Electronic Arts Inc. | Automatic head pose neutralization and blend shape generation |
| US11954801B2 (en) | 2022-04-11 | 2024-04-09 | Microsoft Technology Licensing, Llc | Concurrent human pose estimates for virtual representation |
| CN116051696B (zh) * | 2023-01-10 | 2023-12-22 | 之江实验室 | 一种可重光照的人体隐式模型的重建方法和装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140078144A1 (en) | 2012-09-14 | 2014-03-20 | Squee, Inc. | Systems and methods for avatar creation |
| CN112602090A (zh) * | 2018-07-02 | 2021-04-02 | 奇跃公司 | 用于插值不同输入的方法和系统 |
| KR20220100920A (ko) | 2019-11-15 | 2022-07-18 | 스냅 인코포레이티드 | 3d 신체 모델 생성 |
-
2020
- 2020-11-13 KR KR1020227019676A patent/KR20220100920A/ko not_active Application Discontinuation
- 2020-11-13 WO PCT/EP2020/082062 patent/WO2021094537A1/en unknown
- 2020-11-13 EP EP20807350.2A patent/EP4058989A1/en active Pending
- 2020-11-13 US US16/949,781 patent/US11915365B2/en active Active
- 2020-11-13 CN CN202080078930.2A patent/CN114981844A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102617577B1 (ko) * | 2023-01-20 | 2023-12-27 | (주)코딩앤플레이 | 지능형 캐릭터 생성 시스템의 제어 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11915365B2 (en) | 2024-02-27 |
| EP4058989A1 (en) | 2022-09-21 |
| WO2021094537A1 (en) | 2021-05-20 |
| CN114981844A (zh) | 2022-08-30 |
| US20210150806A1 (en) | 2021-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11915365B2 (en) | 3D body model generation | |
| KR20220101659A (ko) | 표면 기반 신경 합성을 사용한 이미지 생성 | |
| US11798238B2 (en) | Blending body mesh into external mesh | |
| US11836866B2 (en) | Deforming real-world object using an external mesh | |
| US11688136B2 (en) | 3D object model reconstruction from 2D images | |
| KR20230098244A (ko) | 적응형 골격 관절 원활화 | |
| US20220103860A1 (en) | Video compression system | |
| US20230267687A1 (en) | 3d object model reconstruction from 2d images | |
| KR20230044213A (ko) | 관절형 애니메이션을 위한 모션 표현들 | |
| US11823346B2 (en) | AR body part tracking system | |
| WO2022204674A1 (en) | True size eyewear experience in real-time | |
| WO2022187086A1 (en) | Compressing image-to-image models with average smoothing | |
| US20230120037A1 (en) | True size eyewear in real time | |
| WO2022146799A1 (en) | Compressing image-to-image models | |
| EP4272173A1 (en) | Flow-guided motion retargeting | |
| US20240029382A1 (en) | Ar body part tracking system | |
| KR20240071398A (ko) | 외부 메시를 사용한 현실 세계 객체의 변형 | |
| KR20240067922A (ko) | 신체 메시의 외부 메시로의 블렌딩 | |
| WO2024123684A1 (en) | 3d wrist tracking | |
| WO2024050232A1 (en) | Timelapse re-experiencing system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |