KR20220108366A - 영상을 처리하는 방법 및 이를 수행하는 전자 장치 - Google Patents

Abstract

본 문서에 개시되는 일 실시예에 따라 영상을 처리하는 전자 장치는 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하고, 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하며, 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출(long exposure) 영상을 획득할 수 있다.

Description

영상을 처리하는 방법 및 이를 수행하는 전자 장치 {METHOD OF PROCESSING IMAGE AND ELECRONIC APPARATUS PERFORMING THE SAME}

본 문서에서 개시되는 실시예들은 영상을 처리하는 방법 및 이를 수행하는 전자 장치에 관한 것이다.

IT(information technology)의 발달에 따라, 스마트폰(smartphone), 태블릿 PC(tablet personal computer) 등 다양한 유형의 전자 장치들이 광범위하게 보급되고 있다. 또한, 상기 전자 장치들에는 하나 이상의 카메라 모듈이 포함될 수 있다. 카메라 모듈은 전통적인 필름 카메라가 아닌 이미지 센서를 이용하여 빛을 전기적 영상 신호로 변환하고, 이를 이미지 데이터로서 저장할 수 있는 디지털 카메라로서 구현될 수 있다.

한편, 전자 장치에 포함된 카메라 모듈을 이용하여 영상을 촬영하는 경우, 전자 장치의 흔들림이 촬영된 영상에 반영될 수 있어, 영상의 품질이 저하될 수 있다. 기존에는 전자 장치의 흔들림을 방지하기 위해, 삼각대를 이용하여 전자 장치를 고정하고 영상을 촬영하는 방식이 사용되었으나, 이는 영상 촬영을 위해 삼각대를 전자 장치와 함께 휴대하고 다녀야 된다는 점에서 사용자에게 불편을 줄 수 있다.

본 개시에서는 전자 장치가 영상을 처리하는 방법 및 이를 위한 전자 장치를 제공하고자 한다. 보다 구체적으로, 본 개시의 일 실시예에 따른 전자 장치는 영상 촬영 시, 전자 장치의 흔들림이 촬영된 영상에 반영되는 것을 최소화하기 위한 영상 처리 기술을 제공하고자 한다.

일 실시예에 따라 전자 장치가 영상을 처리하는 방법은, 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하는 단계; 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하는 단계; 및 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득하는 단계를 포함할 수 있다.

일 실시예에 따라 영상을 처리하는 전자 장치는, 하나 이상의 인스트럭션들을 저장하는 메모리; 카메라 모듈; 및 메모리에 저장된 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로세서는, 카메라 설정 정보를 기초로 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하고, 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하며, 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득할 수 있다.

일 실시예에 따른 전자 장치가 영상을 처리하는 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 제품은, 카메라 설정 정보를 기초로 상기 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하는 동작, 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하는 동작 및 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득하는 동작을 수행하도록 하는 프로그램이 저장될 수 있다.

본 문서에서 개시되는 실시 예들에 따르면, 복수의 단노출 영상들을 합성하여 장노출 영상을 획득함으로써, 영상을 촬영하는 동안 전자 장치의 흔들림으로 인해 영상의 품질이 저하되는 것을 최소화할 수 있다. 이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.

도 1은 일 실시예에 따른 전자 장치가 장노출 영상을 획득하는 방법을 설명하기 위한 개념도이다.
도 2는 일 실시예에 따른 전자 장치가 영상을 처리하는 방법을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 전자 장치가 제 1 인공지능 모델을 이용하여 카메라 설정 정보를 결정하는 방법을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 전자 장치가 복수의 단노출 영상들을 기초로 제 2 인공지능 모델을 이용하여 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 전자 장치가 복수의 단노출 영상 중 일부를 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 흐름도이다.
도 6은 일 실시예에 따른 전자 장치가 사용자의 심장 박동 정보를 이용하여 복수의 단노출 영상들 중 적어도 일부를 선택하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 전자 장치가 사용자의 호흡 정보를 이용하여 복수의 단노출 영상들을 정합하는 방법을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 전자 장치가 사용자의 호흡 정보를 이용하여 복수의 단노출 영상들을 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 전자 장치가 복수의 단노출 영상들 및 전자 장치의 흔들림 정보를 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 전자 장치의 블록도이다.
도 11은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 12는 일 실시예에 따른 전자 장치가 서버로부터 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 전자 장치 및 서버가 장노출 영상을 획득하는 방법을 설명하기 위한 흐름도이다.

발명에 대한 구체적인 설명에 앞서, 이하 본 개시에서 사용되는 용어는 다음과 같이 정의되거나 이해될 수 있다.

본 개시에서 "단노출(short exposure) 영상"은 기 설정된 값(예를 들어, 1/S) 미만의 셔터스피드로 촬영된 영상일 수 있으며, "장노출(long exposure) 영상"은 기 설정된 값(예를 들어, 1/L) 이상의 셔터스피드로 촬영된 영상일 수 있다. 여기에서, 기 설정된 값들은 촬영 환경 또는 촬영 모드에 기초하여 전자 장치 또는 서버에서 결정될 수 있다.

전자 장치에서 장노출 영상의 획득을 위해, 셔터스피드를 길게 설정(예를 들어, 1/L 이상)하는 경우, 카메라의 셔터가 열리는 시간이 길어지게 된다. 이 때, 사용자가 전자 장치를 들고 객체를 촬영하는 등 전자 장치의 위치가 고정적이지 않은 경우, 전자 장치의 흔들림이 영상에 반영될 수 있어 영상의 품질이 저하될 수 있다.

본 개시에서는, 장노출 영상의 획득 시 발생하는 전자 장치의 흔들림 문제를 개선하기 위해, 복수의 단노출 영상을 합성하여 장노출 영상을 획득하는 방법을 제공하고자 한다. 이하에서는, 도 1 내지 도 13을 참조하여, 본 개시에서 복수의 단노출 영상을 합성하여 장노출 영상을 획득하는 방법에 대해 구체적으로 설명하도록 한다.

도 1은 일 실시예에 따른 전자 장치가 장노출 영상을 획득하는 방법을 설명하기 위한 개념도이다.

전자 장치의 장노출 영상 획득 과정(100)은 복수의 동작들을 포함할 수 있고, 각각의 동작은 블록으로 표현될 수 있다. 다양한 실시 예에 따르면, 전자 장치의 장노출 영상 획득 과정은 도 1에 도시된 바에 한정되지 않는다. 예를 들면, 장노출 영상 획득 과정(100)은 도 1에 도시되지 않은 동작을 더 포함할 수도 있고, 도 1에 도시된 동작들 중 어느 하나를 생략할 수도 있다.

카메라 모듈(110)은 하나 이상의 렌즈들, 이미지 센서들을 포함할 수 있으며, 전자 장치의 제어에 따라 객체로부터 생성되거나 반사된 외부의 광을 받아들일 수 있다. 일 실시예에 따른 전자 장치는 카메라 설정 정보를 기초로 카메라 모듈(110)을 제어함으로써, 영상을 획득할 수 있다. 카메라 설정 정보에는 카메라 모듈을 이용한 영상 촬영 시 제어 대상이 되는 파라미터들이 포함될 수 있으며, 예를 들어, 셔터스피드, ISO 정보, 촬영 횟수 등이 포함될 수 있다. 다만, 이는 일 예일 뿐, 카메라 설정 정보가 전술한 예에 한정되는 것은 아니다. 셔터스피드는 카메라의 셔터가 열리는 시간을 의미할 수 있고, ISO 정보는 빛에 대한 이미지 센서의 감도를 나타내는 정보일 수 있다. 예를 들어, 전자 장치는 셔터스피드 1/2S 및 ISO 정보 A를 기초로 카메라 모듈(110)을 제어함으로써, 기 설정된 시간 구간 동안 단노출 영상 획득 동작(120)을 수행할 수 있다.

전자 장치는 단노출 영상 획득 동작(120)의 수행 결과 복수의 단노출 영상들이 획득되면, 획득된 복수의 단노출 영상들에 대해 단노출 영상 정합 동작 (130)을 수행할 수 있다. 단노출 영상 정합 동작(130)은 복수의 단노출 영상들이 획득되는 동안 전자 장치의 흔들림 정보를 기초로 복수의 단노출 영상들 중 적어도 일부를 선택하는 동작을 포함할 수 있다. 전자 장치의 흔들림 정보는 사용자의 심장 박동 정보, 사용자의 호흡 정보 또는 전자 장치의 3차원 가속도 정보 중 적어도 하나를 포함할 수 있다. 다른 예에 따라, 단노출 영상 정합 동작(130)은 선택된 단노출 영상들에 대해 보간을 수행하여 선택되지 않은 단노출 영상을 대체하기 위한 단노출 영상을 획득하는 동작을 포함할 수 있다. 또 다른 예에 따라 단노출 영상 정합 동작(130)은 전자 장치의 흔들림 정보 또는 복수의 단노출 영상들 간의 움직임 정보를 기초로 복수의 단노출 영상들을 보정하는 동작을 포함할 수 있다. 또 다른 예에 따라, 단노출 영상 정합 동작(130)은 복수의 단노출 영상들 중 적어도 일부를 선택하고, 선택된 적어도 일부 영상들을 보정하는 동작을 포함할 수 있다. 단노출 영상 정합 동작(130)의 다양한 실시예들에 대해서는 도 4 내지 도 9를 참조하여 구체적으로 후술하도록 한다.

전자 장치는 단노출 영상 합성 동작(140)을 통해, 장노출 영상을 획득할 수 있다. 일 실시예에 따른 전자 장치는 설정에 따라, 정합된 단노출 영상들을 구성하는 픽셀들 중 대응되는 픽셀들에 대한 평균값, 최대값, 최소값 또는 최빈값 중 하나를 획득함으로써, 정합된 단노출 영상들을 합성할 수 있다. 예를 들어, 정합된 단노출 영상들 각각을 구성하는 N개의 열과 M개의 행으로 이루어진 복수의 픽셀들에 대하여, (n, m) 위치의 픽셀들의 픽셀값(pixel value)의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 획득할 수 있다. 픽셀값은 각각의 픽셀에 대응하는 색상 값으로 이해될 수 있다. 픽셀값은 사용된 컬러 필터 어레이에 따라 결정되는 복수의 색상들에 대한 색상 값들을 포함할 수도 있다.

전자 장치는 정합된 단노출 영상들을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다. 전자 장치는 획득된 장노출 영상의 저장 동작(150)을 수행할 수 있다.

본 개시에 따른 전자 장치는 전술한 바와 같이 기 설정된 시간 구간 동안 획득된 복수의 단노출 영상들을 기초로 장노출 영상을 획득함으로써, 전자 장치의 흔들림으로 인해 영상의 품질이 저하되는 문제를 효과적으로 해결할 수 있다.

도 2는 일 실시예에 따른 전자 장치가 영상을 처리하는 방법을 설명하기 위한 흐름도이다.

단계 S210에서, 전자 장치는 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출 영상들을 획득할 수 있다.

일 실시예에 따른 전자 장치는 입력 데이터(input data)로 촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써, 카메라 설정 정보를 출력 데이터(output data)로 획득할 수 있다. 본 개시에서 입력 데이터는 적어도 하나의 인공지능 모델에 입력되는 데이터로 이해될 수 있으며, 출력 데이터는 입력 데이터에 대응하여 적어도 하나의 인공지능 모델에서 출력되는 데이터로 이해될 수 있다. 촬영 모드는 사용자가 촬영하고자 하는 객체의 특성 또는 사용자가 획득하고자 하는 영상의 타입에 따라 결정될 수 있으며, 예를 들어, 인물 모드, 음식 모드, 야간 모드, 슬로우 모션 모드, 파노라마 모드, 프로 모드 등이 촬영 모드에 포함될 수 있다. 프로 모드는 사용자가 직접 셔터스피드, ISO 정보 등을 설정할 수 있는 모드를 의미한다.

예를 들어, 전자 장치는 제 1 인공지능 모델로부터 출력된 셔터스피드 값이 1/2S, 촬영 횟수가 W회인 경우, 1/2S의 셔터스피드로 W회 촬영을 수행하여, W개의 단노출 영상들을 획득할 수 있다.

다른 예에 따라, 제 1 인공지능 모델의 입력데이터로 사용자가 셔터스피드를 길게 설정한 경우에도, 전자 장치의 흔들림 또는 주변 광량이 고려되어, 제 1 인공지능 모델로부터 짧은 셔터스피드 값이 출력데이터로 획득될 수도 있다.

전자 장치는 다른 실시예에 따라, 기 획득된 데이터베이스를 기초로 카메라 설정 정보를 획득할 수 있다. 데이터베이스에는 촬영 모드 또는 촬영 환경에 대응되는 카메라 설정 정보가 저장될 수 있다. 이에 따라, 전자 장치는 현재의 촬영 모드 및 촬영 환경과 데이터베이스에 저장된 정보를 비교하여, 카메라 설정 정보를 획득할 수도 있다. 전자 장치는 획득된 카메라 설정 정보를 기초로 복수의 단노출 영상들을 획득할 수 있다.

단계 S220에서, 전자 장치는 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합할 수 있다.

일 실시예에 따른 전자 장치는 전자 장치의 흔들림 정보를 획득할 수 있다. 예를 들어, 전자 장치는 복수의 단노출 영상들이 획득되는 동안의 사용자의 심장 박동 정보, 사용자의 호흡 정보 또는 전자 장치의 3차원 가속도 정보 중 하나 이상을 흔들림 정보로 획득할 수 있다. 흔들림 정보는, 전자 장치에서 장노출 획득을 위해 이용되는 복수의 단노출 영상들 중 적어도 일부를 선택하는데 이용될 수 있다. 예를 들어, 전자 장치는 사용자의 심장 박동 또는 호흡의 변화가 일정 값 이하인 구간에 획득된 단노출 영상을 선택할 수 있다. 다른 예에 따라, 전자 장치는 전자 장치의 3차원 가속도 값이 일정 값 이하인 구간에 획득된 단노출 영상을 선택할 수 있다. 또 다른 예에 따라, 전자 장치는 흔들림 정보를 기초로 인공지능 모델을 이용하여 복수의 단노출 영상들 중 적어도 일부를 선택할 수도 있다. 전자 장치가 흔들림 정보를 이용하여 복수의 단노출 영상들 중 적어도 일부를 선택하는 방법에 대해서는, 도 5 내지 도 9를 참조하여 구체적으로 후술하도록 한다.

전자 장치는 흔들림 정보를 기초로 선택된 단노출 영상들을 보정할 수 있다. 또한, 다른 예에 따라, 전자 장치는 선택된 단노출 영상에 보간을 수행하여, 선택되지 않은 단노출 영상을 대체하기 위한 단노출 영상을 획득할 수도 있다.

다만, 이는 일 예일 뿐, 전자 장치는 복수의 단노출 영상들 간의 호모그래피(homography) 행렬을 제 2 인공지능 모델에 입력함으로써, 정합된 단노출 영상들을 획득할 수 있다. 호모그래피 행렬은 한 평면을 다른 평면에 투영(Projection) 시켰을 때. 투영된 대응점들 간의 변환 관계를 나타내는 정보로, 본 개시에서는 단노출 영상과 다른 단노출 영상 간의 변환 관계를 나타내는데 이용될 수 있다. 이에 대해서는, 도 4를 참조하여 후술하도록 한다.

단계 S230에서, 전자 장치는 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득할 수 있다.

일 실시예에 따른 전자 장치는 정합된 단노출 영상들을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다. 다른 실시예에 따라 전자 장치는 정합된 단노출 영상들 각각을 복수의 영역으로 구분하고, 영역 별 특성에 따라 전술한 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출하여, 장노출 영상을 획득할 수 있다.

도 3은 일 실시예에 따른 전자 장치가 제 1 인공지능 모델을 이용하여 카메라 설정 정보를 결정하는 방법을 설명하기 위한 도면이다.

일 실시예에 따른 전자 장치(300)는 촬영 환경 및 촬영 모드에 관한 정보를 제 1 인공지능 모델(350)에 입력함으로써 카메라 설정 정보를 획득할 수 있다. 제 1 인공지능 모델(350)은 적어도 하나의 레이어를 포함할 수 있고, 각각의 레이어는 적어도 하나의 가중치를 포함할 수 있다. 일 실시 예에서, 가중치는 미리 설정된 초기 값으로 설정될 수 있다. 다양한 실시 예에 따르면, 전자 장치는 입력 데이터 및 타겟 데이터를 이용하여 상기 가중치의 값을 변경함으로써 제 1 인공지능 모델(350)을 훈련시킬 수 있다. 예를 들면, 전자 장치는 촬영 환경 및 촬영 모드에 관한 정보가 제 1 인공지능 모델(350)에 입력된 결과로 획득되는 카메라 설정 정보가 타겟 셔터스피드 또는 타겟 ISO 정보에 유사해지도록 상기 적어도 하나의 레이어에 포함되는 적어도 하나의 가중치의 값을 변경할 수 있다.

도 3을 참조하면, 전자 장치는 촬영 환경에 관한 정보로서 조도 센서(310)를 통해 획득한 광량에 관한 정보를 제 1 인공지능 모델(350)에 입력할 수 있다. 또한, 전자 장치는 촬영 모드를 프로 모드로 설정하는 사용자 입력을 수신함에 따라, 이를 제 1 인공지능 모델(350)에 입력할 수 있다. 프로 모드의 경우, 사용자가 노출 시간 등과 같은 정보를 추가로 입력할 수 있도록 구성됨에 따라, 사용자가 설정한 노출 시간에 대한 정보 역시 제 1 인공지능 모델(350)에 입력될 수 있다.

전자 장치(300)는 제 1 인공지능 모델(350)의 출력 데이터로 셔터스피드 및 ISO 정보를 획득할 수 있다. 다만, 이는 일 예일 뿐, 제 1 인공지능 모델(350)의 출력 데이터가 전술한 예에 한정되는 것은 아닌다. 다른 예에 따라, 제 1 인공지능 모델(350)의 출력 데이터로 촬영 횟수가 획득될 수 있다.

전자 장치(300)는 획득된 셔터스피드 및 ISO 정보를 기초로, 사용자가 설정한 노출 시간 동안 복수의 단노출 촬영 영상들을 획득할 수 있다.

도 4는 일 실시예에 따른 전자 장치가 복수의 단노출 영상들을 기초로 제 2 인공지능 모델을 이용하여 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.

도 4를 참조하면, 전자 장치는 복수의 단노출 영상들(410) 간의 호모그래피 행렬들을 획득할 수 있다. 호모그래피 행렬은, 복수의 단노출 영상들 간의 변환 관계를 나타낼 수 있다. 예를 들어, 전자 장치는 제 1 단노출 영상 및 제 2 단노출 영상 간의 호모그래피 행렬

과 제 2 단노출 영상 및 제 3 단노출 영상 간의 호모그래피 행렬

를 획득할 수 있다.

전자 장치는 복수의 단노출 영상들(410)의 호모그래피 행렬들을 제 2 인공지능 모델(420)에 입력함으로써 정합된 단노출 영상들(430)을 획득할 수 있다. 일 예에 따라, 제 2 인공지능 모델(420)에 포함된 적어도 하나의 레이어 각각의 가중치는, 호모그래피 행렬들이 제 2 인공지능 모델(420)에 입력된 결과로 획득되는 단노출 영상들 간의 정합도가 임계값 이상이 되도록 훈련시킨 결과 얻어진 값으로 설정될 수 있다. 정합도는, 예를 들어, 단노출 영상들에 포함된 고정 객체(예를 들어, 건물)의 일치 여부를 기준으로 산출될 수 있으나, 이는 일 예일 뿐 정합도를 산출하는 방법이 전술한 예에 한정되는 것은 아니다.

전자 장치는 제 2 인공지능 모델(420)로부터 출력된, 정합된 단노출 영상들(430)을 합성하여 장노출 영상(440)을 획득할 수 있다.

도 5는 일 실시예에 따른 전자 장치가 복수의 단노출 영상 중 일부를 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 흐름도이다.

단계 S510에서, 전자 장치는 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출 영상들을 획득할 수 있다. 예를 들어, 전자 장치는 카메라 설정 정보에 따라, N초 동안 1/2S의 셔터스피드로 복수의 단노출 영상들을 획득할 수 있다.

단계 S520에서, 전자 장치는 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보를 식별할 수 있다.

일 실시예에 따른 전자 장치는 하나 이상의 센서를 포함할 수 있다. 예를 들어, 전자 장치는 생체 센서 및 가속도 센서 등을 포함할 수 있다. 생체 센서의 일 예로는 심장 박동을 측정할 수 있는 SpO2 (saturation of percutaneous oxygen) 센서가 포함될 수 있으나 이는 일 예일 뿐, 생체 센서의 예가 전술한 바에 한정되는 것은 아니다. 전자 장치는 생체 센서를 통해 획득된 생체 정보를 기초로 전자 장치의 흔들림 정보를 식별할 수 있다. 예를 들어, 전자 장치는 SpO2 센서를 통해 획득한 심장 박동 정보를 기초로, 심장 박동의 변화가 큰 구간을 전자 장치가 흔들린 구간으로 식별할 수 있다. 다른 예에 따라 전자 장치는 가속도 센서를 통해 획득된 3차원 가속도 정보를 기초로, 가속도 값이 큰 구간을 전자 장치가 흔들린 구간으로 식별할 수 있다.

한편, 전자 장치는 외부 장치로부터 사용자의 생체 정보 또는 가속도 정보를 획득할 수도 있다. 예를 들어, 전자 장치가 스마트 폰인 경우, 외부 장치인 웨어러블 디바이스로부터 복수의 단노출 영상들을 획득하는 동안의 웨어러블 디바이스의 가속도 정보 또는 사용자의 생체 정보를 획득할 수 있다. 전자 장치는 웨어러블 디바이스로부터 획득한 정보를 기초로 전자 장치가 흔들린 구간을 식별할 수 있다.

단계 S530에서, 전자 장치는 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택할 수 있다.

일 실시예에 따른 전자 장치는 복수의 단노출 영상들 중 전자 장치가 흔들리지 않은 구간에서 획득된 단노출 영상들을 선택할 수 있다. 예를 들어, 흔들림 정보가 사용자의 심장 박동 정보를 포함하는 경우, 전자 장치는 사용자의 심장 박동의 변화가 임계값 미만인 구간에서 획득된 단노출 영상들을 선택할 수 있다. 다른 예에 따라, 흔들림 정보가 사용자의 호흡 정보를 포함하는 경우, 전자 장치는 사용자의 호흡의 변화가 임계값 미만인 구간에서 획득된 단노출 영상들을 선택할 수 있다. 또 다른 예에 따라, 흔들림 정보가 전자 장치의 가속도 정보를 포함하는 경우, 전자 장치는 3차원 가속도 값이 임계값 이하인 구간에서 획득된 단노출 영상들을 선택할 수 있다.

단계 S540 에서, 전자 장치는 선택된 단노출 영상들을 기초로 장노출 영상을 획득할 수 있다.

일 실시예에 따른 전자 장치는 선택된 단노출 영상들을 합성하여, 장노출 영상을 획득할 수 있다. 다른 실시예에 따른 전자 장치는 선택된 단노출 영상을 보정하고, 보정된 단노출 영상들을 합성하여 장노출 영상을 획득할 수도 있다.

도 6은 일 실시예에 따른 전자 장치가 사용자의 심장 박동 정보를 이용하여 복수의 단노출 영상들 중 적어도 일부를 선택하는 방법을 설명하기 위한 도면이다.

도 6을 참조하면, 전자 장치는 복수의 단노출 영상들(610a 내지 610l)을 획득하는 동안의 사용자의 심장 박동 정보를 획득할 수 있다. 예를 들어, 전자 장치는 전자 장치에 구비된 SpO2 센서를 이용하여 복수의 단노출 영상들이 획득되는 동안, 사용자의 심장 박동을 모니터링할 수 있다. 다른 예에 따라, 전자 장치는 사용자가 착용한 웨어러블 디바이스에서 모니터링된 사용자의 심장 박동 정보를 수신할 수도 있다.

전자 장치는 사용자의 심장 박동 정보를 기초로, 심장 박동의 변화가 임계값 a 미만인 구간(이하, 선택 구간)들을 식별할 수 있다. 전자 장치는 복수의 단노출 영상들(610a 내지 610l) 중 선택 구간에서 획득된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)을 선택할 수 있다.

전자 장치는 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)을 기초로 장노출 영상(620)을 획득할 수 있다.

일 실시예에 따른 전자 장치는 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j) 을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다.

다른 실시예에 따른 전자 장치는 심장 박동 정보를 기초로 식별된 전자 장치의 흔들림 정보에 기초하여, 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)에 보정을 수행할 수 있다. 예를 들어, 전자 장치는 심장 박동의 변화에 대응되는 전자 장치의 흔들림 정도가 기 저장된 데이터베이스와 모니터링된 심장 박동 정보를 비교하여, 전자 장치의 흔들림 정보를 식별할 수 있다. 이 때, 흔들림 정보는 속도 및 방향을 나타내는 벡터 값의 형태로 획득될 수 있으나, 이는 일 예일 뿐 전자 장치의 흔들림 정보가 전술한 예에 한정되는 것은 아니다. 전자 장치는 흔들림 정보를 나타내는 벡터 값을 기초로, 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)을 보정할 수 있다. 전자 장치는 보정된 단노출 영상들을 합성하여, 장노출 영상(620)을 획득할 수 있다.

또 다른 실시예에 다른 전자 장치는 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)을 기초로 보간을 수행하여, 장노출 영상을 획득할 수도 있다. 이에 대해서는 도 7을 참조하여 보다 구체적으로 후술하도록 한다.

도 7은 일 실시예에 따른 전자 장치가 사용자의 호흡 정보를 이용하여 복수의 단노출 영상들을 정합하는 방법을 설명하기 위한 도면이다.

도 7을 참조하면, 전자 장치는 복수의 단노출 영상들(710a 내지 710l)을 획득하는 동안의 사용자의 호흡 정보를 획득할 수 있다. 예를 들어, 전자 장치는 사용자의 전자 장치에 구비된 호흡 감지 센서 또는 웨어러블 디바이스에 구비된 호흡 감지 센서를 이용하여 복수의 단노출 영상들(710a 내지 710l)이 획득되는 동안, 사용자의 호흡 정보를 모니터링할 수 있다. 다른 예에 따라, 전자 장치는 사용자의 얼굴 영상을 촬영하고, 촬영된 얼굴 영상으로부터 사용자의 호흡 정보를 획득할 수 있다. 이에 대해서는, 도 8을 참조하여 구체적으로 설명하도록 한다.

전자 장치는 사용자의 호흡 정보를 기초로, 심장 박동의 변화가 임계값 b 미만인 구간(이하, 선택 구간)들을 식별할 수 있다. 전자 장치는 복수의 단노출 영상들(710a 내지 710l) 중 선택 구간에서 획득된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)을 선택할 수 있다.

전자 장치는 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)을 기초로 보간을 수행할 수 있다. 일 예로, 전자 장치는 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)에 포함된 객체의 움직임 정보를 획득하고, 이를 기초로 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)에 보간을 수행하여, 새로운 단노출 영상들(720e, 720f, 720h)을 획득할 수 있다. 예를 들어, 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l) 중 제 7 단노출 영상(710g)과 제 9 단노출 영상(710i) 간의 움직임 벡터인

을 기초로 제 7 단노출 영상(710g)과 제 9 단노출 영상(710i)에 보간을 수행하여, 새로운 단노출 영상(720h)을 획득할 수 있다.

전자 장치는 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)과 보간 결과 획득된 새로운 단노출 영상들(720e, 720f, 720h)을 합성하여, 장노출 영상(730)을 획득할 수 있다.

도 8은 일 실시예에 따른 전자 장치가 사용자의 호흡 정보를 이용하여 복수의 단노출 영상들을 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.

일 실시예에 따른 전자 장치는 카메라 설정 정보를 기초로 카메라 모듈(810)을 제어함으로써, 영상을 획득할 수 있다. 카메라 설정 정보에는 카메라 모듈을 이용한 영상 촬영 시 제어 대상이 되는 파라미터들이 포함될 수 있으며, 예를 들어, 셔터스피드, ISO 정보, 촬영 횟수 등이 포함될 수 있다. 다만, 이는 일 예일 뿐, 카메라 설정 정보가 전술한 예에 한정되는 것은 아니다. 예를 들어, 전자 장치는 셔터스피드 1/2S 및 ISO 정보 A를 기초로 카메라 모듈(810)을 제어함으로써, 기 설정된 시간 구간 동안 단노출 영상 획득 동작(820)을 수행할 수 있다.

한편, 전자 장치는 단노출 영상 획득 동작(820)을 수행하는 동안, 얼굴 영상 획득 동작(830)을 수행할 수 있다. 예를 들어, 전자 장치는 후면 카메라를 통해 단노출 영상 획득 동작(820)을 수행하는 동안, 전면 카메라를 이용하여, 사용자에 대해 얼굴 영상 획득 동작(830)을 수행할 수 있다.

전자 장치는 사용자의 얼굴 영상을 기초로 호흡 상태 식별 동작(840)을 수행할 수 있다. 일 실시예에 따라 전자 장치는 사용자의 얼굴 영상을 제 3 인공지능 모델에 입력함으로써 출력 데이터로 사용자의 호흡 정보를 획득할 수 있다. 일 예에 따라, 제 3 인공지능 모델에 포함된 적어도 하나의 레이어 각각의 가중치는, 사용자의 얼굴 영상이 제 3 인공지능 모델에 입력된 결과로 획득되는 호흡 정보와 실제 사용자의 호흡 정보 간의 차이가 임계값 이상이 되도록 훈련시킨 결과 얻어진 값으로 설정될 수 있다.

전자 장치는 호흡 정보를 기초로, 단노출 영상 획득 동작(820)의 수행 결과 획득된 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는 동작(850)을 수행할 수 있다. 예를 들어, 전자 장치는 사용자의 호흡의 변화가 임계값 b 미만인 구간에서 획득된 단노출 영상들을 선택할 수 있다.

전자 장치는 선택된 단노출 영상들에 대해, 단노출 영상 보정 동작(860)을 수행할 수 있다. 일 예로, 전자 장치는 전자 장치의 흔들림 정보 또는 선택된 단노출 영상들 간의 움직임 정보를 기초로 선택된 단노출 영상들을 보정할 수 있다. 흔들림 정보는 도 7을 참조하여 전술한 바와 같이, 호흡 정보로부터 식별될 수 있다. 예를 들어, 선택된 제 1 단노출 영상의 촬영 시 흔들림 정보의 값이 벡터 v2로 식별된 경우, 전자 장치는 제 1 단노출 영상에 포함된 픽셀들의 값을 벡터 v2를 상쇄하는 방향의 벡터 v2'에 따라 이동시켜, 보정된 제 1 단노출 영상을 획득할 수 있다. 다만, 이는 일 예일 뿐, 선택된 단노출 영상을 보정하는 방법이 전술한 예에 한정되는 것은 아니다.

전자 장치는 보정된 단노출 영상들에 대해 단노출 영상 합성 동작(870)을 수행할 수 있다. 전자 장치는 단노출 영상 합성 동작(870)을 수행함으로써, 장노출 영상을 획득할 수 있다. 예를 들어, 전자 장치는 보정된 단노출 영상들을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다. 전자 장치는 획득된 장노출 영상의 저장 동작(880)을 수행할 수 있다.

도 9는 일 실시예에 따른 전자 장치가 복수의 단노출 영상들 및 전자 장치의 흔들림 정보를 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.

도 9를 참조하면, 전자 장치는 복수의 단노출 영상들(910) 및 이를 획득하는 동안의 전자 장치의 흔들림 정보(예를 들어, 920 및 930)를 제 4 인공지능 모델(940)에 입력함으로써 장노출 영상(950)을 획득할 수 있다. 흔들림 정보는 복수의 단노출 영상들(910)이 획득되는 동안의 사용자의 심장 박동 정보, 사용자의 호흡 정보(920) 또는 전자 장치의 가속도 정보(930) 중 적어도 하나일 수 있으나, 이는 일 예일 뿐, 흔들림 정보가 전술한 예에 한정되는 것은 아니다.

. 제 4 인공지능 모델(940)은 적어도 하나의 레이어를 포함할 수 있고, 각각의 레이어는 적어도 하나의 가중치를 포함할 수 있다. 다양한 실시 예에 따르면, 전자 장치는 복수의 단노출 영상들 및 흔들림 정보가 제 4 인공지능 모델(940)에 입력된 결과로 획득되는 장노출 영상과 기 선택된 단노출 영상들을 합성한 결과 생성된 장노출 영상 간의 픽셀값의 차이가 임계값 미만이 되도록 적어도 하나의 레이어에 포함되는 적어도 하나의 가중치의 값을 결정할 수 있다.

한편, 도 9의 실시예에서는, 제 4 인공지능 모델(940)에 흔들림 정보로서 호흡 정보(920) 및 가속도 정보(930)가 입력되는 것으로 설명하였으나, 이는 일 예일 뿐, 제 4 인공지능 모델(940)에는 호흡 정보(920) 또는 가속도 정보(930)가 입력될 수 있으며, 다른 예에 따라, 호흡 정보(920) 및 가속도 정보(930) 뿐만 아니라 심장 박동 정보와 같이 다른 종류의 흔들림 정보가 입력될 수도 있다.

도 10은 일 실시예에 따른 전자 장치의 블록도이다.

도 10을 참조하면, 전자 장치(1000)는 카메라 모듈(1010), 메모리(1020), 프로세서(1030) 및 디스플레이 모듈(1040)을 포함할 수 있다. 그러나 도시된 구성요소 모두가 필수구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 전자 장치(1000)가 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 전자 장치(1000)는 구현될 수 있다.

카메라 모듈(1010)은 하나 이상의 렌즈들, 이미지 센서들을 포함할 수 있으며, 전자 장치(1000)의 제어에 따라 객체로부터 생성되거나 반사된 외부의 광을 받아들일 수 있다. 일 실시예에 따른 카메라 모듈(1010)은 카메라 설정 정보에 기초한 프로세서(1030)의 제어에 따라 복수의 단노출 영상들을 획득할 수 있다.

메모리(1020)는 전자 장치(1000)가 본 개시에 따른 장노출 영상을 획득하는 방법을 수행하도록 하는 프로그램을 저장할 수 있다. 또한, 메모리(1020)는 복수의 단노출 영상들을 저장할 수 있다. 메모리(1020)는 전술한 인공지능 모델들 중 적어도 하나를 저장할 수 있다.

프로세서(1030)은 통상적으로 전자 장치(1000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(1030)는 메모리(1020)에 저장된 프로그램들을 실행함으로써, 복수의 단노출 영상을 기초로 장노출 영상을 획득할 수 있다.

일 실시예에 따른 프로세서(1030)는 카메라 설정 정보를 기초로 카메라 모듈(1010)을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출 영상들을 획득할 수 있다. 프로세서(1030)는 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합할 수 있다. 또한, 프로세서(1030)는 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득할 수 있다.

일 실시예에 따른 프로세서(1030)는 촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써 카메라 설정 정보를 획득할 수 있다. 제 1 인공지능 모델은 도 3을 참조하여 전술한 제 1 인공지능 모델과 대응될 수 있다.

일 실시예에 따른 프로세서(1030)는 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들 간의 호모그래피 행렬을 제 2 인공지능 모델에 입력함으로써, 정합된 단노출 영상들을 획득할 수 있다. 제 2 인공지능 모델은 도 4를 참조하여 전술한 제 2 인공지능 모델과 대응될 수 있다.

일 실시예에 따른 프로세서(1030)는 복수의 단노출 영상들이 획득되는 동안 모니터링된 사용자의 심장 박동 정보를 획득할 수 있다. 프로세서(1030)는 모니터링된 사용자의 심장 박동 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택할 수 있다. 다른 실시예에 따른 프로세서(1030)는 복수의 단노출 영상들이 획득되는 동안, 사용자의 얼굴 영상을 획득할 수 있다. 프로세서(1030)는 사용자의 얼굴 영상을 제 3 인공지능 모델에 입력함으로써 획득되는 사용자의 호흡 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택할 수 있다. 또 다른 실시예에 따른 프로세서(1030)는 가속도 센서를 이용하여 전자 장치의 3차원 가속도 정보를 획득할 수 있다. 프로세서(1030)는 전자 장치의 3차원 가속도 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택할 수 있다. 또다른 실시예에 따른 프로세서(1030)는 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보를 제 4 인공지능 모델에 입력함으로써 적어도 일부의 단노출 영상들을 정합할 수 있다.

일 실시예에 따른 프로세서(1030)는 전자 장치(1000)의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 일부 단노출 영상들이 선택됨에 따라, 선택된 단노출 영상들에 포함된 객체의 움직임 정보를 획득할 수 있다. 프로세서(1030)는 객체의 움직임 정보를 기초로, 선택된 단노출 영상들 간에 보간을 수행할 수 있다. 프로세서(1030)는 보간을 수행한 결과 획득된 단노출 영상 및 선택된 단노출 영상들을 합성하여, 장노출 영상을 획득할 수 있다.

프로세서(1030)는 정합된 단노출 영상들 각각에 포함된 픽셀들의 평균값, 최대값, 최소값 또는 최빈값 중 하나에 기초하여, 장노출 영상의 픽셀값을 획득할 수 있다.

디스플레이 모듈(1040)은 카메라 모듈(1010)을 통해 감지되는 광을 기초로 생성되는 복수의 단노출 영상의 프리뷰 영상을 표시할 수 있다. 또한, 디스플레이 모듈(1040)은 프로세서(1030)의 제어에 따라 획득된 장노출 영상을 표시할 수도 있다.

도 11은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.

도 11을 참조하면, 네트워크 환경(1100)에서 전자 장치(1101)는 제 1 네트워크(1198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1102)와 통신하거나, 또는 제 2 네트워크(1199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1104) 또는 서버(1108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1101)는 서버(1108)를 통하여 전자 장치(1104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1101)는 프로세서(1120), 메모리(1130), 입력 모듈(1150), 음향 출력 모듈(1155), 디스플레이 모듈(1160), 오디오 모듈(1170), 센서 모듈(1176), 인터페이스(1177), 연결 단자(1178), 햅틱 모듈(1179), 카메라 모듈(1180), 전력 관리 모듈(1188), 배터리(1189), 통신 모듈(1190), 가입자 식별 모듈(1196), 또는 안테나 모듈(1197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1176), 카메라 모듈(1180), 또는 안테나 모듈(1197))은 하나의 구성요소(예: 디스플레이 모듈(1160))로 통합될 수 있다.

프로세서(1120)는, 예를 들면, 소프트웨어(예: 프로그램(1140))를 실행하여 프로세서(1120)에 연결된 전자 장치(1101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1120)는 다른 구성요소(예: 센서 모듈(1176) 또는 통신 모듈(1190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1132)에 저장하고, 휘발성 메모리(1132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(1120)는 메인 프로세서(1121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(1101)가 메인 프로세서(1121) 및 보조 프로세서(1123)를 포함하는 경우, 보조 프로세서(1123)는 메인 프로세서(1121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1123)는 메인 프로세서(1121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(1123)는, 예를 들면, 메인 프로세서(1121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1121)를 대신하여, 또는 메인 프로세서(1121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1121)와 함께, 전자 장치(1101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1160), 센서 모듈(1176), 또는 통신 모듈(1190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(1123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1180) 또는 통신 모듈(1190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(1123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(1101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(1130)는, 전자 장치(1101)의 적어도 하나의 구성요소(예: 프로세서(1120) 또는 센서 모듈(1176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1130)는, 휘발성 메모리(1132) 또는 비휘발성 메모리(1134)를 포함할 수 있다.

프로그램(1140)은 메모리(1130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1142), 미들 웨어(1144) 또는 어플리케이션(1146)을 포함할 수 있다.

입력 모듈(1150)은, 전자 장치(1101)의 구성요소(예: 프로세서(1120))에 사용될 명령 또는 데이터를 전자 장치(1101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(1155)은 음향 신호를 전자 장치(1101)의 외부로 출력할 수 있다. 음향 출력 모듈(1155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(1160)은 전자 장치(1101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(1160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(1170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(1170)은, 입력 모듈(1150)을 통해 소리를 획득하거나, 음향 출력 모듈(1155), 또는 전자 장치(1101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(1176)은 전자 장치(1101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(1176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(1177)는 전자 장치(1101)가 외부 전자 장치(예: 전자 장치(1102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(1177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(1178)는, 그를 통해서 전자 장치(1101)가 외부 전자 장치(예: 전자 장치(1102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(1178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(1179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(1179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(1180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(1180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(1188)은 전자 장치(1101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(1188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(1189)는 전자 장치(1101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(1189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(1190)은 전자 장치(1101)와 외부 전자 장치(예: 전자 장치(1102), 전자 장치(1104), 또는 서버(1108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1190)은 프로세서(1120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(1190)은 무선 통신 모듈(1192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(1198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(1104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(1192)은 가입자 식별 모듈(1196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(1198) 또는 제 2 네트워크(1199)와 같은 통신 네트워크 내에서 전자 장치(1101)를 확인 또는 인증할 수 있다.

무선 통신 모듈(1192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(1192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(1192)은 전자 장치(1101), 외부 전자 장치(예: 전자 장치(1104)) 또는 네트워크 시스템(예: 제 2 네트워크(1199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(1192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(1197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(1197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(1197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(1198) 또는 제 2 네트워크(1199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(1197)의 일부로 형성될 수 있다. 다양한 실시예에 따르면, 안테나 모듈(1197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(1199)에 연결된 서버(1108)를 통해서 전자 장치(1101)와 외부의 전자 장치(1104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1102, 또는 1104) 각각은 전자 장치(1101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(1101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1102, 1104, 또는 1108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(1101)로 전달할 수 있다. 전자 장치(1101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(1101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(1104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(1104) 또는 서버(1108)는 제 2 네트워크(1199) 내에 포함될 수 있다. 전자 장치(1101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

도 12는 일 실시예에 따른 전자 장치가 서버로부터 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.

도 12를 참조하면, 전자 장치(1210)는 서버(1220)에 저장된 적어도 하나의 인공지능 모델(1230)을 이용하여, 복수의 단노출 영상들(20)로부터 장노출 영상(40)을 획득할 수 있다.

전자 장치(1210)는 카메라 설정 정보에 기초하여 카메라 모듈을 제어함으로써 복수의 단노출 영상들(20)을 획득할 수 있다. 일 실시예에 따른 카메라 설정 정보는 전자 장치(1210)에서, 전술한 제 1 인공지능 모델을 이용하여 획득될 수 있다. 다른 실시예에 따라 카메라 설정 정보는 전자 장치(1210)가 서버(1220)에 촬영 환경 및 촬영 모드에 관한 정보를 송신하면, 이에 대한 응답으로 서버(1220)로부터 수신될 수도 있다. 이러한 경우, 카메라 설정 정보는 서버(1220)에서 촬영 환경 및 촬영 모드에 관한 정보를 기초로 결정될 수 있다.

전자 장치(1210)는 획득된 복수의 단노출 영상들(20)을 서버(1220)에 송신할 수 있다. 서버(1220)는 획득된 복수의 단노출 영상들(20)을 정합할 수 있다. 일 실시예에 따른 서버(1220)는 복수의 단노출 영상들이 획득되는 동안 전자 장치의 흔들림 정보를 기초로 복수의 단노출 영상들 중 적어도 일부를 선택하는 동작을 포함할 수 있다. 이 때, 흔들림 정보는 전자 장치(1210)로부터 복수의 단노출 영상들(20)과 함께 수신될 수 있다. 다른 실시예에 따라, 서버(1220)는 선택된 단노출 영상들에 대해 보간을 수행하여 선택되지 않은 단노출 영상을 대체하기 위한 단노출 영상을 획득할 수 있다. 또 다른 예에 따라, 서버(1220)는 전자 장치의 흔들림 정보 또는 복수의 단노출 영상들 간의 움직임 정보를 기초로 복수의 단노출 영상들을 보정할 수 있다. 또 다른 예에 따라, 서버(1220)는 복수의 단노출 영상들 중 적어도 일부를 선택하고, 선택된 적어도 일부 영상들을 보정하는 동작을 수행할 수 있다. 서버(1220)가 복수의 단노출 영상들을 접합하는 동작은 도 4 내지 도 9를 참조하여 전술한 전자 장치가 복수의 단노출 영상들을 정합하는 동작과 대응될 수 있다.

서버(1220)는 정합된 단노출 영상들을 합성하여 장노출 영상(40)을 획득할 수 있다. 서버(1220)는 획득된 장노출 영상(40)을 전자 장치(1210)에 송신할 수 있다.

한편, 서버(1220)는 전자 장치(1210)에 서비스를 제공하는 컴퓨팅 장치일 수 있으며, 예를 들어, PC, 랩톱, 휴대폰, 마이크로 서버, GPS(global positioning system) 장치, 가전기기, 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있다. 그러나, 이에 제한되지 않으며, 서버(1220)는 통신 기능 및 데이터 프로세싱 기능을 구비한 모든 종류의 기기를 포함할 수 있다.

또한, 전자 장치(1210)와 서버(1220)는 네트워크를 통해 통신 연결될 수 있다. 이 경우, 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함할 수 있으며, 전자 장치(1210) 및 서버(1220)가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다.

도 13은 일 실시예에 따른 전자 장치 및 서버가 장노출 영상을 획득하는 방법을 설명하기 위한 흐름도이다.

단계 S1310에서, 전자 장치는 카메라 설정 정보를 획득할 수 있다. 일 실시예에 따른 전자 장치는 입력 데이터(input data)로 촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써, 카메라 설정 정보를 출력 데이터(output data)로 획득할 수 있다. 전자 장치는 다른 실시예에 따라, 기 획득된 데이터베이스를 기초로 카메라 설정 정보를 획득할 수 있다. 데이터베이스에는 촬영 모드 또는 촬영 환경에 대응되는 카메라 설정 정보가 저장될 수 있다. 이에 따라, 전자 장치는 현재의 촬영 모드 및 촬영 환경과 데이터베이스에 저장된 정보를 비교하여, 카메라 설정 정보를 획득할 수도 있다.

단계 S1320에서, 전자 장치는 사용자의 호흡 정보 또는 심장 박동 정보의 모니터링을 시작할 수 있다. 전자 장치는 카메라 설정 정보를 기초로 복수의 단노출 영상들을 획득하기 전 전자 장치의 흔들림 정보를 획득하기 위해, 사용자의 호흡 정보 또는 심장 박동 정보의 모니터링을 시작할 수 있다. 다만, 이는 일 예일 뿐, 전자 장치의 흔들림 정보를 식별하는데 기초가 되는 정보가 사용자의 호흡 정보 또는 심장 박동 정보에 제한되는 것은 아니다. 다른 예에 따라, 전자 장치는 전자 장치의 3차원 가속도 정보를 모니터링할 수도 있다.

단계 S1330에서, 전자 장치는 카메라 설정 정보에 기초하여 복수의 단노출 영상들을 획득할 수 있다.

단계 S1340에서, 전자 장치는 복수의 단노출 영상들 및 모니터링 정보를 서버에 송신할 수 있다. 모니터링 정보는 단계 S1320에서 획득된 호흡 정보 또는 심장 박동 정보 중 적어도 하나가 포함될 수 있다. 서버에는 일 실시예에 따라 복수의 단노출 영상들 및 호흡 정보 또는 심장 박동 정보를 기초로, 장노출 영상을 출력할 수 있는 적어도 하나의 인공지능 모델이 저장될 수 있다.

단계 S1350에서, 서버는 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 정합할 수 있다. 서버가 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 정합하는 동작은 도 12를 참조하여 전술한 바와 대응될 수 있다.

단계 S1360에서, 서버는 정합된 단노출 영상들을 합성하여 장노출 영상을 획득할 수 있다. 일 실시예에 따른 서버는 정합된 단노출 영상들을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다.

단계 S1370에서, 서버는 장노출 영상을 전자 장치에 전송할 수 있다.

단계 S1380에서, 전자 장치는 장노출 영상을 저장할 수 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(1101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1136) 또는 외장 메모리(1138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1101))의 프로세서(예: 프로세서(1120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

본 개시에 따른 인공지능과 관련된 기능은 프로세서와 메모리를 통해 동작된다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.

기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.

인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.

본 개시에 따른 카메라 모듈을 포함하는 전자 장치가 객체에 대한 노이즈 저감 처리된 이미지 데이터를 생성하는 방법에 있어서, 원시 이미지 데이터로부터 노이즈 저감 처리된 이미지 데이터를 생성하기 위한 기준 색상 데이터 세트를 생성하기 위해 인공지능 모델을 이용할 수 있다. 프로세서는 상기 데이터에 대해 전처리 과정을 수행하여 인공지능 모델의 입력으로 사용하는 데에 적합한 형태로 변환할 수 있다. 인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다.

추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론(Knowledge based Reasoning), 최적화 예측(Optimization Prediction), 선호 기반 계획(Preference-based Planning), 추천(Recommendation) 등을 포함한다.

Claims (21)

1. 전자 장치가 영상을 처리하는 방법에 있어서,
   카메라 설정 정보를 기초로 상기 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하는 단계;
   상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하는 단계; 및
   상기 정합된 단노출 영상들을 합성하여, 상기 기 설정된 시간 구간에 대응되는 장노출(long exposure) 영상을 획득하는 단계를 포함하는, 방법.
2. 제1항에 있어서,
   촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써, 상기 카메라 설정 정보를 획득하는 단계를 더 포함하고,
   상기 카메라 설정 정보는,
   셔터스피드, ISO 정보 또는 촬영 횟수 중 적어도 하나에 관한 정보를 포함하는, 방법.
3. 제1항에 있어서, 상기 적어도 일부의 단노출 영상들을 정합하는 단계는,
   상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들 간의 호모그래피(homography) 행렬을 제 2 인공지능 모델에 입력함으로써, 상기 정합된 단노출 영상들을 획득하는 단계를 포함하는, 방법.
4. 제1항에 있어서, 상기 전자 장치의 흔들림 정보는,
   상기 복수의 단노출 영상들이 획득되는 동안 모니터링된 사용자의 심장 박동 정보를 포함하고,
   상기 복수의 단노출 영상들 중 적어도 일부를 정합하는 단계는,
   상기 모니터링된 사용자의 심장 박동 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는 단계를 포함하는, 방법.
5. 제1항에 있어서,
   상기 복수의 단노출 영상들이 획득되는 동안, 사용자의 얼굴 영상을 획득하는 단계를 더 포함하고,
   상기 전자 장치의 흔들림 정보는,
   상기 사용자의 얼굴 영상을 제 3 인공지능 모델에 입력함으로써 획득되는 사용자의 호흡 정보를 포함하며,
   상기 복수의 단노출 영상들 중 적어도 일부를 정합하는 단계는,
   상기 사용자의 호흡 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는 단계를 포함하는, 방법.
6. 제1항에 있어서, 상기 전자 장치의 흔들림 정보는,
   상기 전자 장치에 포함된 가속도 센서를 이용하여 획득된 상기 전자 장치의 3차원 가속도 정보를 포함하고,
   상기 복수의 단노출 영상들 중 적어도 일부를 정합하는 단계는,
   상기 전자 장치의 3차원 가속도 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는 단계를 포함하는, 방법.
7. 제1항에 있어서, 상기 적어도 일부의 단노출 영상들을 정합하는 단계는,
   상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보를 제 4 인공지능 모델에 입력함으로써 상기 적어도 일부의 단노출 영상들을 정합하는, 방법.
8. 제7항에 있어서, 상기 전자 장치의 흔들림 정보는,
   상기 복수의 단노출 영상들이 획득되는 동안의 사용자의 심장 박동 정보, 사용자의 호흡 정보 또는 상기 전자 장치의 3차원 가속도 정보 중 하나 이상을 포함하는, 방법.
9. 제1항에 있어서,
   상기 전자 장치의 흔들림 정보에 기초하여 상기 복수의 단노출 영상들 중 일부 단노출 영상들이 선택됨에 따라, 상기 선택된 단노출 영상들에 포함된 객체의 움직임 정보를 획득하는 단계; 및
   상기 객체의 움직임 정보를 기초로 상기 선택된 단노출 영상들에 보간을 수행하는 단계를 더 포함하고,
   상기 장노출 영상을 획득하는 단계는,
   상기 보간을 수행한 결과 획득된 단노출 영상 및 상기 선택된 단노출 영상들을 합성하여, 상기 장노출 영상을 획득하는, 방법.
10. 제1항에 있어서, 상기 장노출 영상을 획득하는 단계는,
    상기 정합된 단노출 영상들 각각에 포함된 픽셀들의 평균값, 최대값, 최소값 또는 최빈값 중 하나에 기초하여, 상기 장노출 영상의 픽셀값을 획득하는, 방법.
11. 영상을 처리하는 전자 장치에 있어서,
    하나 이상의 인스트럭션들을 저장하는 메모리;
    카메라 모듈; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는,
    카메라 설정 정보를 기초로 상기 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하고,
    상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하며,
    상기 정합된 단노출 영상들을 합성하여, 상기 기 설정된 시간 구간에 대응되는 장노출(long exposure) 영상을 획득하는, 전자 장치.
12. 제11항에 있어서, 상기 적어도 하나의 프로세서는,
    촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써, 상기 카메라 설정 정보를 획득하고,
    상기 카메라 설정 정보는,
    셔터스피드, ISO 정보 또는 촬영 속도 중 적어도 하나에 관한 정보를 포함하는, 전자 장치.
13. 제11항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들 간의 호모그래피(homography) 행렬을 제 2 인공지능 모델에 입력함으로써, 상기 정합된 단노출 영상들을 획득하는, 전자 장치.
14. 제11항에 있어서, 상기 전자 장치의 흔들림 정보는,
    상기 복수의 단노출 영상들이 획득되는 동안 모니터링된 사용자의 심장 박동 정보를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 모니터링된 사용자의 심장 박동 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는, 전자 장치.
15. 제11항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 복수의 단노출 영상들이 획득되는 동안, 사용자의 얼굴 영상을 획득하고,
    상기 사용자의 얼굴 영상을 제 3 인공지능 모델에 입력함으로써 획득되는 사용자의 호흡 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는, 전자 장치.
16. 제11항에 있어서, 상기 전자 장치의 흔들림 정보는,
    상기 전자 장치에 포함된 가속도 센서를 이용하여 획득된 상기 전자 장치의 3차원 가속도 정보를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 전자 장치의 3차원 가속도 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는, 전자 장치.
17. 제11항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보를 제 4 인공지능 모델에 입력함으로써 상기 적어도 일부의 단노출 영상들을 정합하는, 전자 장치.
18. 제17항에 있어서, 상기 전자 장치의 흔들림 정보는,
    상기 복수의 단노출 영상들이 획득되는 동안의 사용자의 심장 박동 정보, 사용자의 호흡 정보 또는 상기 전자 장치의 3차원 가속도 정보 중 하나 이상을 포함하는, 전자 장치.
19. 제11항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 전자 장치의 흔들림 정보에 기초하여 상기 복수의 단노출 영상들 중 일부 단노출 영상들이 선택됨에 따라, 상기 선택된 단노출 영상들에 포함된 객체의 움직임 정보를 획득하고,
    상기 객체의 움직임 정보를 기초로 상기 선택된 단노출 영상들에 보간을 수행하며,
    상기 보간을 수행한 결과 획득된 단노출 영상 및 상기 선택된 단노출 영상들을 합성하여, 상기 장노출 영상을 획득하는, 전자 장치.
20. 제11항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 정합된 단노출 영상들 각각에 포함된 픽셀들의 평균값, 최대값, 최소값 또는 최빈값 중 하나에 기초하여, 상기 장노출 영상의 픽셀값을 획득하는, 전자 장치.
21. 전자 장치가 영상을 처리하는 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 제품에 있어서,
    카메라 설정 정보를 기초로 상기 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하는 동작,
    상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하는 동작 및
    상기 정합된 단노출 영상들을 합성하여, 상기 기 설정된 시간 구간에 대응되는 장노출(long exposure) 영상을 획득하는 동작을 수행하도록 하는 프로그램이 저장된 기록매체.

Images