KR20220155239A - Ai 기반 캐릭터 생성 시스템 및 방법 - Google Patents
Ai 기반 캐릭터 생성 시스템 및 방법 Download PDFInfo
- Publication number
- KR20220155239A KR20220155239A KR1020220059629A KR20220059629A KR20220155239A KR 20220155239 A KR20220155239 A KR 20220155239A KR 1020220059629 A KR1020220059629 A KR 1020220059629A KR 20220059629 A KR20220059629 A KR 20220059629A KR 20220155239 A KR20220155239 A KR 20220155239A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- character
- phenotypic
- genome
- nucleic acid
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 150000007523 nucleic acids Chemical group 0.000 claims description 53
- 108091028043 Nucleic acid sequence Proteins 0.000 claims description 50
- 230000002068 genetic effect Effects 0.000 claims description 29
- 238000013473 artificial intelligence Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 11
- 235000019640 taste Nutrition 0.000 claims description 8
- 241001465754 Metazoa Species 0.000 claims description 5
- 238000009395 breeding Methods 0.000 claims description 4
- 230000001488 breeding effect Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 description 14
- 230000008921 facial expression Effects 0.000 description 12
- 239000003550 marker Substances 0.000 description 11
- 108090000623 proteins and genes Proteins 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 108700003861 Dominant Genes Proteins 0.000 description 4
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical compound NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 description 4
- 210000000744 eyelid Anatomy 0.000 description 4
- 230000037308 hair color Effects 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 4
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 108020004707 nucleic acids Proteins 0.000 description 3
- 102000039446 nucleic acids Human genes 0.000 description 3
- 108020004414 DNA Proteins 0.000 description 2
- ISAKRJDGNUQOIC-UHFFFAOYSA-N Uracil Chemical compound O=C1C=CNC(=O)N1 ISAKRJDGNUQOIC-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 229940104302 cytosine Drugs 0.000 description 2
- UYTPUPDQBNUYGX-UHFFFAOYSA-N guanine Chemical compound O=C1NC(N)=NC2=C1N=CN2 UYTPUPDQBNUYGX-UHFFFAOYSA-N 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- JTTIOYHBNXDJOD-UHFFFAOYSA-N 2,4,6-triaminopyrimidine Chemical compound NC1=CC(N)=NC(N)=N1 JTTIOYHBNXDJOD-UHFFFAOYSA-N 0.000 description 1
- 229930024421 Adenine Natural products 0.000 description 1
- GFFGJBXGBJISGV-UHFFFAOYSA-N Adenine Chemical compound NC1=NC=NC2=C1N=CN2 GFFGJBXGBJISGV-UHFFFAOYSA-N 0.000 description 1
- 238000000018 DNA microarray Methods 0.000 description 1
- 101000724418 Homo sapiens Neutral amino acid transporter B(0) Proteins 0.000 description 1
- 102100028267 Neutral amino acid transporter B(0) Human genes 0.000 description 1
- 108700005079 Recessive Genes Proteins 0.000 description 1
- 102000052708 Recessive Genes Human genes 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 229960000643 adenine Drugs 0.000 description 1
- 239000002299 complementary DNA Substances 0.000 description 1
- 150000001875 compounds Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001973 epigenetic effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 238000010353 genetic engineering Methods 0.000 description 1
- 238000012268 genome sequencing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000001161 mammalian embryo Anatomy 0.000 description 1
- 108020004999 messenger RNA Proteins 0.000 description 1
- 238000002705 metabolomic analysis Methods 0.000 description 1
- 230000001431 metabolomic effect Effects 0.000 description 1
- 230000011987 methylation Effects 0.000 description 1
- 238000007069 methylation reaction Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229940035893 uracil Drugs 0.000 description 1
- 238000012070 whole genome sequencing analysis Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Graphics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
본 발명의 실시예에 따른 AI 기반 캐릭터 생성 방법은 AI 기반 캐릭터 생성 시스템에 의해 수행되는 것으로서, 표현형유전체정보 및 캐릭터이미지데이터를 포함하는 학습데이터를 이용하여 캐릭터생성모델을 학습시키는 단계; 및 사용자로부터 직접 또는 간접적으로 제공된 표현형유전체정보에 상기 캐릭터생성모델을 적용하여 캐릭터이미지를 생성하는 단계를 포함한다.
본 발명의 실시예에 의하면, 캐릭터가 각자의 유전체정보를 갖기 때문에 가상공간에서 캐릭터에 고유성 및 식별력을 부여하는 것이 가능하다.
본 발명의 실시예에 의하면, 캐릭터가 각자의 유전체정보를 갖기 때문에 가상공간에서 캐릭터에 고유성 및 식별력을 부여하는 것이 가능하다.
Description
본 발명은 가상공간에서 캐릭터를 생성하는 기술에 관한 것으로, 특히 유전체정보와 연관된 캐릭터 이미지를 생성하는 것에 관한 것이다.
종래 실제 사람을 촬영한 이미지를 이용하여 캐릭터를 생성하는 기술이 이용되고 있다.
이와 관련하여, 등록특허공보 제10-2128399호는, 제1 카메라에 의해 얼굴에 부착된 마커의 3차원 위치 정보를 포함하는 제1 데이터를 획득하는 단계; 제2 카메라에 의해 상기 마커가 부착된 얼굴의 영상을 포함하는 제2 데이터를 획득하는 단계; 상기 제2 데이터를 상기 얼굴의 영상에서 상기 마커의 이미지만을 제거하여 제3 데이터로 변환하는 단계; 및 상기 제1 데이터 및 상기 제3 데이터를 학습 모델의 학습을 위한 학습데이터로 사용하는 단계를 포함하는 AI 기반의 얼굴 애니메이션 구현을 위한 학습데이터 생성 방법을 개시한다.
또한, 등록특허공보 제10-2264803호는, 입력된 캐릭터가 포함된 이미지에서 윤곽선을 추출하고, 추출된 윤곽선에서 캐릭터의 외곽선을 추출하는 방식으로 캐릭터를 추출하며, 추출한 캐릭터에 매쉬를 매핑한 후, 입력된 동영상의 뼈대 및 관절 정보의 좌표 정보를 바탕으로 캐릭터 이미지의 뼈대 및 관절 정보를 계산하여 캐릭터 이미지의 움직임을 생성하는 캐릭터 애미네이션 생성 방법 및 장치를 개시한다.
또한, 등록특허공보 제10-2170445호는, (a) 특정인의 복수의 표정에 해당하는 복수의 3차원 표정 데이터를 취득하는 단계; (b) 상기 복수의 3차원 표정 데이터의 일부를 기본 표정 모델로 지정하는 단계; (c) 상기 복수의 3차원 표정 데이터 각각에 대해, 상기 기본 표정 모델과의 차이에 기초하여 3차원 표정 모델을 생성하는, 딥러닝 기반의 표정 모델링 단계; 및 (d) 상기 3차원 표정 모델에 따라 상기 특정인에 해당하는 캐릭터의 표정을 생성하는 단계를 포함하는 딥 러닝 기반의 캐릭터 얼굴 표정 생성 방법을 개시한다.
상기 특허문헌들은 단순히 이미지로부터 캐릭터를 생성하는 것에 관한 것으로, 생성된 캐릭터들은 이미지에 의해서만 구분이 된다. 이에 따라 이미지가 유사한 캐릭터의 경우 구별이 어려워, 가상공간에서 캐릭터의 고유성 및 식별력을 나타내기 위한 별도의 수단이 요구된다.
본 발명의 실시예에 따른 AI 기반 캐릭터 생성 방법은, AI 기반 캐릭터 생성 시스템에 의해 수행되며, 표현형유전체정보 및 캐릭터이미지데이터를 포함하는 학습데이터를 이용하여 캐릭터생성모델을 학습시키는 단계; 및 사용자로부터 직접 또는 간접적으로 제공된 표현형유전체정보에 상기 캐릭터생성모델을 적용하여 캐릭터이미지를 생성하는 단계를 포함한다.
상기 방법은, 상기 생성된 캐릭터이미지와, 상기 제공된 표현형유전체정보를 포함한 유전체정보를 서로 대응시켜 저장하는 단계를 더 포함할 수 있다.
상기 저장하는 단계는, 블록체인으로 연결된 복수의 노드에 분산 저장할 수 있다.
상기 저장하는 단계는, 상기 생성된 캐릭터이미지 및 상기 유전체정보와 대응하여 인위적핵산서열정보를 저장하고, 상기 인위적핵산서열정보는, 미리 설정된 핵산서열정보와 정보단위의 대응관계에 기초하여, 하나 이상의 정보단위로 구성된 인증정보를 일련의 핵산서열정보로 변환한 것일 수 있다.
상기 인위적핵산서열정보는, 가상공간에서 캐릭터의 신분인증을 위해 사용될 수 있다.
상기 인위적핵산서열정보는, 온라인상에서 캐릭터의 거래인증을 위해 사용될 수 있다.
상기 캐릭터의 유전체정보는, 가상공간에서 캐릭터의 교배를 통해 새로운 캐릭터의 생성시 당해 새로운 캐릭터의 이미지 및 유전체정보를 생성하는데 이용될 수 있다.
상기 방법은, 사용자로부터 유전체정보를 수신하는 단계; 및 상기 유전체정보로부터 표현형유전체정보를 추출하는 단계를 더 포함할 수 있다.
상기 방법은, 사용자로부터 이미지데이터를 수신하는 단계; 및 상기 이미지데이터로부터 표현형유전체정보를 생성하는 단계를 더 포함할 수 있다.
상기 방법은, 이미지데이터와 표현형유전체정보를 포함하는 학습데이터를 이용하여 제1 인공지능모델을 학습시키는 단계를 더 포함하고, 상기 표현형유전체정보를 생성하는 단계는, 상기 제1 인공지능모델에 사용자로부터 수신한 이미지데이터를 적용함으로써 상기 표현형유전체정보를 생성할 수 있다.
상기 방법은, 사용자로부터 캐릭터에 관한 음성 또는 텍스트 형식의 설명데이터를 수신하는 단계; 및 상기 설명데이터로부터 표현형유전체정보를 생성하는 단계를 더 포함할 수 있다.
상기 방법은, 캐릭터에 관한 외형, 성격, 취향, 습관, 행동패턴, 심리 중 적어도 하나에 관한 정보와 표현형유전체정보를 포함하는 학습데이터를 이용하여 제2 인공지능모델을 학습시키는 단계를 더 포함하고, 상기 표현형유전체정보를 생성하는 단계는, 상기 수신된 설명데이터에 대해 구문 분석 및 형태소 분석을 수행하는 단계; 상기 분석된 구문 및 형태소에서 외형, 성격, 취향, 습관 중 적어도 하나를 나타내는 단어를 추출하는 단계; 및 상기 추출된 단어에 상기 제2 인공지능모델을 적용함으로써 상기 표현형유전체정보를 생성하는 단계를 포함할 수 있다.
상기 표현형유전체정보는 사람, 동물 및 식물 중 어느 하나에 대한 것일 수 있다.
사용자로부터 제공된 표현형유전체정보는 사용자 본인의 것이거나 타인의 것일 수 있다.
사용자로부터 제공된 표현형유전체정보는 실재하는 것이거나 가상의 것일 수 있다.
상기 캐릭터이미지는 그림, 일러스트, 애니메이션, 홀로그램, 실사화 모델, 사진, 조형물 중 적어도 하나일 수 있다.
본 발명의 실시예에 따른 기록매체는 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체이다.
본 발명의 실시예에 따른 AI 기반 캐릭터 생성 시스템은, 표현형유전체정보 및 캐릭터이미지데이터를 포함하는 학습데이터를 이용하여 캐릭터생성모델을 학습시키는 캐릭터생성모델학습부; 및 사용자로부터 직접 또는 간접적으로 제공된 표현형유전체정보에 상기 캐릭터생성모델을 적용하여 캐릭터이미지를 생성하는 캐릭터이미지생성부를 포함한다.
상기 시스템은, 상기 생성된 캐릭터이미지와, 상기 제공된 표현형유전체정보를 포함한 유전체정보를 서로 대응시켜 저장하는 캐릭터이미지저장부를 더 포함할 수 있다.
상기 캐릭터이미지저장부는, 블록체인으로 연결된 복수의 노드에 분산 저장할 수 있다.
상기 캐릭터이미지저장부는, 상기 생성된 캐릭터이미지 및 상기 유전체정보와 대응하여 인위적핵산서열정보를 저장하고, 상기 인위적핵산서열정보는, 미리 설정된 핵산서열정보와 정보단위의 대응관계에 기초하여, 하나 이상의 정보단위로 구성된 인증정보를 일련의 핵산서열정보로 변환할 수 있다.
본 발명의 실시예에 의하면, 캐릭터가 각자의 유전체정보를 갖기 때문에 가상공간에서 캐릭터에 고유성 및 식별력을 부여하는 것이 가능하다.
또한, 인증정보에 해당하는 인위적핵산서열정보를 추가적으로 저장함으로써 인위적핵산서열정보를 캐릭터의 신분인증, 거래인증시 이용할 수 있다.
또한, 각 캐릭터가 유전체정보를 갖기 때문에 실제의 개체의 경우와 유사하게 교배한 캐릭터에 대해서도 유전체정보를 부여하는 것이 가능하다.
도 1은 본 발명의 실시예에 따른 캐릭터생성시스템의 구성도이다.
도 2a 및 도 2b는 도 1의 표현형유전체정보생성부의 구성도의 예시들이다.
도 3a~도 3d는 도 1의 인증정보변환부에서 사용되는 변환테이블의 예시들이다.
도 4는 본 발명의 실시예에 따른 캐릭터생성방법의 흐름도이다.
도 5는 표현형유전체정보 생성 단계의 일 예의 흐름도이다.
도 6a~도 6c는 사용자로부터 제공된 이미지데이터 및 설명데이터를 이용하여 캐릭터이미지를 생성한 결과를 나타내는 도면이다.
도 2a 및 도 2b는 도 1의 표현형유전체정보생성부의 구성도의 예시들이다.
도 3a~도 3d는 도 1의 인증정보변환부에서 사용되는 변환테이블의 예시들이다.
도 4는 본 발명의 실시예에 따른 캐릭터생성방법의 흐름도이다.
도 5는 표현형유전체정보 생성 단계의 일 예의 흐름도이다.
도 6a~도 6c는 사용자로부터 제공된 이미지데이터 및 설명데이터를 이용하여 캐릭터이미지를 생성한 결과를 나타내는 도면이다.
본 명세서에 설명된 임의의 실시예의 방법 또는 구성이 본 명세서에 설명된 다른 방법 또는 구성에 대하여 구현될 수 있다는 것이 고려된다.
청구범위 및/또는 명세서에서 "포함하는"이라는 용어와 함께 사용될 때 단수 용어의 사용은 "하나"를 의미할 수도 있고, "하나 이상", "적어도 하나", 및 "하나 또는 하나보다 많은"의 의미일 수도 있다.
청구범위에서 "또는"이라는 용어는, 상호 배타적이거나 단지 선택가능한 것들을 나타내는 것으로 명백하게 표시되지 않는 한 "및/또는"을 의미한다.
본 명세서에서 각 부는 하드웨어 및/또는 소프트웨어에 의해 구현될 수 있으며, 물리적으로 구분될 수도 있고 하나로 구현될 수도 있다.
본 명세서에서 "연결", "전송", "송신", "수신", "제공"의 의미는 직접적이거나 간접적인 경우도 포함한다.
본 발명의 다른 목적들, 특징들 및 이점들은 다음 상세한 설명으로부터 분명해질 것이다. 그러나, 본 발명의 사상 및 범위 내 다양한 변경들 및 변형들이 본 상세한 설명으로부터 해당 기술분야의 통상의 기술자들에게 분명해질 것이기 때문에, 상세한 설명 및 구체적인 예들은 본 발명의 구체적인 실시예들을 나타내지만, 단지 예로서 주어진다는 것이 이해되어야 한다. 본 발명의 다양한 예시적인 실시예들은 본 발명의 예시적인 실시예들이 도시되는, 첨부 도면들에 대하여 아래에서 상세하게 논의된다. 구체적인 구현예들이 논의되지만, 이는 단지 예시 목적들을 위해 행해진다. 관련 기술분야에서의 통상의 기술자는 다른 구성요소들 및 구성들이 본 발명의 사상 및 범위에서 벗어나지 않고 사용될 수 있다는 것을 인식할 것이다. 같은 번호들은 전체에 걸쳐 같은 요소들을 나타낸다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 따른 AI 기반 캐릭터 생성 시스템 및 방법에 대하여 구체적으로 설명한다.
본 명세서에서 유전체 정보는 유전체 서열정보를 포함하며, 유전체 서열 정보는 cDNA 서열, mRNA 서열, 및 또는 발현 프로파일들, 후성 데이터, 단백질 데이터, 전유전체 데이터, 메틸화 데이터, 대사체 데이터, 미생물군유전제 데이터, 사람체 서열데이터, PCR로부터의 유전자형 데이터, DNA 마이크로어레이들로부터의 유전자형 데이터, 총 유전제 시퀀싱으로부터의 유전자형 데이터, 전유전체시퀀싱으로부터의 유전자형 데이터, 유전자 시퀀싱으로부터의 유전자형 데이터, 핵형 데이터, 착상-전 유전자 검사 데이터, 배아 또는 태아의 비-침습성 출생 전 유전자 검사 데이터 등을 포함할 수 있다. 이러한 데이터의 범주는 제한되지 않으며 해당 기술 분야에 잘 알려진 방법들에 의해 획득될 수 있다. 유전체 정보 총체는 임의적으로 합성될 수도 있다.
도 1은 본 발명의 실시예에 따른 캐릭터생성시스템(1)의 구성도이다.
도 1을 참조하면, 캐릭터생성시스템(1)은 캐릭터생성모델학습부(100) 및 캐릭터이미지생성부(200)를 포함한다.
캐릭터생성모델학습부(100)는 표현형유전체정보 및 캐릭터이미지데이터를 포함하는 학습데이터를 이용하여 캐릭터생성모델을 학습시킨다.
표현형유전체정보는 유전체정보 중에서 관찰 가능한 개체의 특성과 관련된 유전체 내에서 정보 등을 의미한다. 특정 유전자, 유전자들의 조합, 유전자와 단백질의 조합, 유전자와 비유전적 서열정보의 조합 등도 포함된다. 예를 들어, 머리 색깔에 해당하는 유전자정보, 눈 색깔에 해당하는 유전자정보, 피부 색깔에 해당하는 유전자정보, 쌍꺼풀 유무에 대한 유전자정보 등과 같이 외적으로 나타나는 신체적 특징, 얼굴 내 근육 강도 배치 정도와 같이 내적인 신체적 특징에 관한 유전자정보를 포함한다. 또한, 표현형유전체정보는 이러한 유전자정보뿐만 아니라 비유전자적 요소로 표현형을 특정할 수 있는 유전체 내의 표지자에 관한 정보도 포함한다.
캐릭터이미지데이터 및 후술하는 캐릭터이미지생성부(200)에서 생성되는 캐릭터이미지는 사진, 동영상 등 이미지를 나타내는 다양한 데이터일 수 있다. 캐릭터이미지데이터 및 캐릭터이미지는 점, 선, 면, 공간, 시간 등 이미지의 차원을 고려하여 표현되는 그림, 일러스트, 애니메이션, 홀로그램, 실사화 모델, 사진, 조형물 등 다양한 방식으로 표현될 수 있다.
캐릭터이미지데이터와 캐릭터이미지는 동일한 형태일 수도 있고 상이한 형태일 수도 있다. 다만, 캐릭터이미지데이터가 캐릭터이미지와 동일한 형태의 이미지인 경우 캐릭터 생성의 정확성을 더욱 높일 수 있다. 예를 들어, 캐릭터이미지생성부(200)에서 생성하고자 하는 캐릭터이미지가 일러스트인 경우, 학습데이터용 캐릭터이미지데이터로서 일러스트가 제공될 수 있다. 또한, 캐릭터이미지생성부(200)에서 생성하고자 하는 이미지가 3차원 이미지인 경우, 학습데이터용 캐릭터이미지데이터로서 3차원 이미지가 제공될 수 있다. 또는, 캐릭터이미지생성부(200)에서 생성하고자 하는 이미지가 3차원 이미지인 경우라도, 학습데이터용 캐릭터이미지데이터로서 2차원 이미지가 제공될 수 있다.
캐릭터생성모델학습부(100)는 특정인의 표현형유전체정보 및 특정인의 이미지(사진, 일러스트, 동영상)를 학습데이터로 이용할 수 있다. 이때, 특정인의 표현형유전체정보는 유전자분석을 통해 사전에 알고 있을 수 있다. 캐릭터생성모델의 정확도를 높이기 위해서는 많은 학습데이터가 필요하므로, 다수의 특정인에 대한 학습데이터가 요구된다.
표현형유전체정보와 캐릭터이미지데이터는 반드시 일대일일 필요는 없다. 오히려 하나의 캐릭터이미지데이터에 복수의 표현형유전체정보가 대응할 수 있다. 예를 들어, 머리 색깔에 해당하는 유전자정보, 눈 색깔에 해당하는 유전자정보, 피부 색깔에 해당하는 유전자정보, 쌍꺼풀 유무에 대한 유전자정보 등 복수의 표현형유전체정보가 하나의 캐릭터이미지데이터에 대응할 수 있다. 또한, 복수의 캐릭터이미지데이터에 복수의 표현형유전체정보가 대응할 수 있다. 예를 들어, 캐릭터이미지데이터가 나타내는 캐릭터이미지가 3차원인 경우에는 복수의 2차원 캐릭터이미지가 있는 것으로 생각할 수 있으며, 이에 따라 복수의 2차원 캐릭터이미지데이터에 복수의 표현형유전체정보가 대응할 수 있다.
캐릭터생성모델은 예를 들어 CNN(Convolutional Nerual Network) 등을 활용할 수 있으나, 본 발명의 범위는 이에 한하지 않는다. 캐릭터생성모델은 통상의 기술자에게 알려진 다양한 머신러닝이나 딥러닝 모델 등이 이용될 수 있다.
캐릭터이미지생성부(200)는 사용자로부터 직접 또는 간접적으로 제공된 표현형유전체정보에 상기 캐릭터생성모델을 적용하여 캐릭터이미지를 생성한다.
생성된 캐릭터이미지와 사용자로부터 제공된 표현형유전체정보는 캐릭터생성모델에 다시 학습데이터로 이용되어 캐릭터생성모델을 업데이트할 수 있다.
이때 사용자로부터 제공된 이미지데이터 및 캐릭터이미지생성부(200)의 캐릭터생성모델에서 생성된 캐릭터이미지는 모두 2차원 이미지일 수 있다. 이 경우에는 당업계에 널리 알려진 2차원 이미지를 3차원 이미지로 변환하는 기능을 이용하여, 최종적인 캐릭터이미지를 3차원 이미지로 변환할 수 있다.
이때, 표현형유전체정보는 사용자로부터 직접 제공되거나, 다른 정보로부터 추출 또는 생성된 것일 수 있다. 예를 들어, 사용자는 사용자단말기(미도시)를 통해 표현형유전체정보를 직접 제공할 수 있다.
실시예에 따라, 캐릭터생성시스템(1)은 표현형유전체정보생성부(300)를 더 포함할 수 있다. 표현형유전체정보생성부(300)는 사용자데이터로부터 표현형유전체정보를 생성 또는 추출한다. 예를 들어, 표현형유전체정보생성부(300)는 사용자로부터 제공된 유전체정보 중에서 표현형유전체정보를 추출할 수 있다.
실시예에 따라, 캐릭터생성시스템(1)은 캐릭터이미지저장부(400)를 더 포함할 수 있다. 캐릭터이미지저장부(400)는 캐릭터이미지생성부(200)에서 생성된 캐릭터이미지와, 사용자로부터 제공된 표현형유전체정보를 포함한 유전체정보를 서로 대응시켜 저장한다. 캐릭터이미지저장부(400)는 상기 캐릭터이미지와 상기 유전체정보를 데이터베이스에 저장할 수도 있고 블록체인으로 연결된 복수의 노드에 분산 저장할 수도 있다.
실시예에 따라, 캐릭터생성시스템(1)은 인증정보변환부(500)를 더 포함할 수 있다. 인증정보변환부(500)는 인증정보를 인위적핵산서열정보로 변환한다. 구체적으로, 인증정보변환부(500)는 미리 설정된 핵산서열정보와 정보단위의 대응관계에 기초하여, 하나 이상의 정보단위로 구성된 인증정보를 일련의 핵산서열정보로 변환한다. 캐릭터이미지저장부(400)는 상기 캐릭터이미지 및 상기 유전체정보에, 상기 인위적핵산서열정보를 추가적으로 대응시켜 저장할 수 있다.
도 2a는 도 1의 표현형유전체정보생성부(300a)의 일 예의 구성도이다.
도 2a를 참조하면, 표현형유전체정보생성부(300a)는 사용자로부터 제공된 사진, 일러스트, 동영상 등의 이미지데이터로부터 표현형유전체정보, 예를 들어 머리 색깔에 해당하는 유전자정보, 눈 색깔에 해당하는 유전자정보, 피부 색깔에 해당하는 유전자정보, 쌍꺼풀 유무에 대한 유전자정보 등을 생성할 수 있다. 이때, 표현형유전체정보생성부(300a)는 이미지데이터로부터 표현형유전체정보를 추출하기 위한 제1 인공지능모델(310)을 이용할 수 있다. 제1 인공지능모델(310)은 이미지데이터와, 당해 이미지데이터에 대응하는 표현형유전체정보를 포함하는 학습데이터를 이용하여 사전에 학습될 수 있다. 제1 인공지능모델(310)은 CNN(Convolutional Nerual Network), 머신러닝이나 딥러닝 모델 등이 이용될 수 있다.
도 2b는 도 1의 표현형유전체정보생성부(300b)의 다른 예의 구성도이다.
도 2b를 참조하면, 표현형유전체정보생성부(300b)는 사용자로부터 제공된 음성 또는 텍스트 형태의 설명데이터로부터 표현형유전체정보를 생성할 수 있다.
표현형유전체정보생성부(300b)는 사용자로부터 제공된 설명데이터에 대한 구문 분석 및 형태소 분석을 수행하는 자연어처리엔진(320)과, 자연어처리엔진(320)에 의해 분석된 구문 및 형태소로부터 키워드를 추출하는 키워드추출기(330) 및 키워드로부터 표현형유전체정보를 생성하기 위한 제2 인공지능모델(330)을 포함할 수 있다.
자연어처리엔진(320)은 사용자로부터 제공된 음성 또는 텍스트 형태의 설명데이터에 대해 구문 분석 및 형태소 분석을 수행한다. 자연어처리엔진(320)으로서 통상의 기술자에게 널리 알려진 챗봇이나 정보 검색용으로 사용되는 것을 이용할 수 있다. 예를 들어, 공개특허공보 제10-2021-0044056호를 참조.
키워드추출기(330)는 자연어처리엔진(320)에서 출력된 구문 및 형태소 중에서 키워드를 추출한다. 예를 들어, 키워드는 표정, 인상, 연령, 헤어스타일, 메이크업, 성별, 신체적 특징, 포즈, 몸의 상태(마른형, 뚱뚱한 형), 키, 의상, 액세서리 등의 소품, 배경 등 에 관한 것일 수 있다. 키워드의 각 카테고리에 해당하는 용어들이 저장된 데이터베이스가 미리 설정되어 있을 수 있다.
제2 인공지능모델(340)은 키워드추출기(330)에서 출력된 키워드로부터 표현형유전체정보를 생성한다. 제2 인공지능모델(340)로서 CNN(Convolutional Nerual Network), 머신러닝이나 딥러닝 모델 등이 이용될 수 있으며, 제2 인공지능모델(340)은 키워드와, 당해 키워드에 대응하는 표현형유전체정보를 포함하는 학습데이터를 이용하여 사전에 학습될 수 있다.
제2 인공지능모델(340)을 학습시킬 때, 키워드와 표현형유전체정보가 반드시 과학적으로 연관될 필요는 없다. 머리 색깔, 눈 색깔, 피부 색깔, 쌍꺼풀 유무와 같은 외형에 관한 키워드는 표현형유전체정보와 과학적으로 연관되어 있을 가능성이 높다. 따라서, 외형에 관한 키워드의 경우에는 과학적 연관 관계에 의해 표현형유전체가 생성될 수 있다. 이에 반해, 성격, 취향, 습관에 관한 키워드는 표현형유전체정보와 연관성이 낮을 수 있다. 그러나 특정 취향이나 습관을 가진 사람 또는 동물에 관해 흔히 떠올리는 이미지가 있을 수 있다. 예를 들어 성격이 얌전하고 학구적인 사람은 마른 체형에 피부가 흰 사람의 이미지가 떠오를 수 있다. 이와 같이 성격, 취향, 습관에 관한 키워드와, 이러한 키워드와 연관된 이미지에 해당하는 표현형유전체정보(상기 예에서 마른 체형 및 흰 피부에 관한 유전자정보)를 학습데이터로 이용하여 제2 인공지능모델(340)을 사전에 학습시키고, 이러한 제2 인공지능모델(340)에 성격, 취향, 습관에 관한 키워드를 적용하여 표현형유전체정보를 생성할 수 있다.
실시예에 따라, 표현형유전체정보생성부(300b)는 문학작품에서의 문구를 설명데이터로서 입력받아 제2 인공지능모델을 학습시킬 수 있다. 예를 들어 특정 문학작품에서 특정 캐릭터에 관한 묘사가 기재되어 있는 경우, 그 문구에 따라 특정 캐릭터에 대한 일련의 표현형유전체정보를 생성하도록 학습될 수 있다.
사용자로부터 제공되는 유전체정보, 이미지데이터, 설명데이터 등의 사용자데이터는 사용자 본인의 것일 수도 있고 다른 개체, 즉 다른 사람, 동물, 식물의 것일 수 있다. 또한, 사용자데이터는 실재하는 개체(사람, 동물, 식물)의 것일 수도 있고, 가상의 것일 수도 있다.
다음으로, 인증정보변환부(500)의 동작과 관련하여, 인위적핵산서열정보를 설정하는 방식 및 인위적핵산서열정보를 이용하여 인증을 수행하는 방식에 대하여 도 3a~도 3d를 참조하여 설명한다.
본 발명에 따라 정보를 구성하는 가장 기본단위인 DNA 또는 RNA는 핵산의 기본구조가 포스포디에스테르 결합에 의해 연결된 물질로서, 유전공학 분야에서 일반적으로 정의되는 것과 동일하다. 핵산은 포스포디에스테르 결합방식에 의해 사슬형태로 결합되어 DNA와 RNA를 구성하게 된다. 핵산의 구조에서 염기결합부에는 총 5 종류의 화합물들이 결합될 수 있는데, 어떠한 화합물이 결합되느냐에 따라, DNA는 아데닌(Adenine: A), 티민(Thymine: T), 구아닌(Guanine: G) 및 씨토신(Cytosine: C)의 4 종류의 염기로 구성되어 있고, RNA는 아데닌(A), 우라실(Uracil: U), 구아닌(G) 및 씨토신(C)으로 구성된다.
상기 서열조합과 정보단위를 매칭시켜 설정하는 방식은 후술하는 바와 같이 3가지를 들 수 있다.
도 3a~도 3d는 도 1의 인증정보변환부(500)에서 사용되는 변환테이블의 예이다.
첫 번째 설정방식은 도 3a와 같이, 하나 또는 둘 이상의 염기(서열단위)들의 반복 연결횟수에 따라 일련의 정보단위를 설정하고, 특정한 염기조합은 서열조합의 결합을 표시하는 마커로 설정하는 방식이다.
도 3a는 염기들의 인위적 조합방식에 특정한 정보단위를 설정하는 방식 및 상기 설정방식을 이용하여 인증정보를 표현하는 방법의 일 실시예를 나타낸다. 도 3a에서 보듯이, 사용된 염기들은 A, T, C, G이고, 일정한 허용횟수는 3으로 설정하였으며, 결합표시 마커로는 ATG가 사용되었다. 마커 ATG는 서열분석시 방향성을 제공하는 것으로서, 염기분석의 방향이 올바른지를 알려줄 수 있는 지표로서도 사용될 수 있는데, 예를 들어, 분석내용이 GTA의 서열조합을 포함하고 있으면 역으로 해석해야 함을 나타낸다. 도 3a에서 보듯이, 주민등록번호의 일부인 '1480632'의 인증정보를 표현함에 있어서, 각각의 정보단위 '1', '4', '8' 등을 나타내기 위하여 대응하는 서열조합으로서 'A', 'C', 'TT' 등이 사용되었고, 이들의 적합한 결합형태 등을 확인하기 위하여 각 서열조합들의 사이에 결합마커 'ATG'가 사용되었다. 따라서, 서열단위들의 임의적 조합에 각각 일련의 정보단위를 미리 설정하여 놓고, 특정한 정보 데이터 '1480632'를 표현함에 있어서, 이들의 핵산서열을 구성하여 놓으면, 아래와 같이, 손쉽게 상기 인증정보를 확인할 수 있다.
인증정보 : 1 4 8 0 6 3 2
핵산서열 : A ATG C ATG TT ATG G ATG CCC ATG AAA ATG AA
두 번째 설정방식은 도 3b 및 도 3c에서와 같이, 특정한 염기(서열단위)를 서열조합의 개시 및/또는 종결 마커로서 사용하고 나머지 염기들의 하나 또는 둘 이상의 반복 연결횟수 또는 임의의 조합에 따라 순차적인 정보단위를 설정하는 방식이다.
도 3b는 염기들의 인위적 조합방식에 특정한 정보단위를 설정하는 방식 및 상기 설정방식을 이용하여 인증정보를 표현하는 방법의 다른 일 실시태양을 나타낸다.
도 3b에서 보듯이, T가 서열조합의 종결마커로서, A와 C가 서열조합의 반복 서열단위로서, 일정한 허용횟수는 5로서 각각 설정되어있다. 상기 주민등록번호 뒷자리 “1480632”의 인증정보를 상기 표 2의 방식으로 암호화하면 아래와 같다.
인증정보 : 1 4 8 0 6 3 2
핵산서열 : AT AAAAT CCCT CCCCCT CT AAAT AAT
또한, 도 3c에서 보듯이, A가 서열조합의 개시마커로서, A, T, C, G의 2 개의 조합이 서열조합으로서 각각 설정되어 있다. 상기 “1480632”의 정보데이터를 도 3c의 변환테이블을 이용하여 암호화하면 아래와 같다.
인증정보 : 1 4 8 0 6 3 2
핵산서열 : ACC ATC AGT AAA ATG ACG ACT
세 번째 설정방식은 도 3d에 도시한 바와 같이, 특정한 염기들의 둘 또는 셋 이상의 서열조합에 각각 특정한 정보단위를 설정하고 이들의 특정한 조합에 의해 인증정보를 설정하는 방식이다.
도 3d는 염기들의 인위적 조합방식에 특정한 정보단위를 설정하는 방식 및 상기 설정방식을 이용하여 정보 데이터를 표현하는 방법의 또 다른 일 실시예를 각각 나타낸다. 도 3d에서 보듯이, 3 개의 염기들은 제 1 염기, 제 2 염기 및 제 3 염기의 순서로 조합되어 하나의 정보단위(알파벳)를 나타낸다. 정보단위들은 표 4에서 A~Z로 표시되어 있다. 예를 들어, 제 1 염기로서 'A'와 제 2 염기로서 'T'와 제 3 염기로서 'T'의 조합에 의해 서열조합 'ATT'가 만들어지고, 그러한 서열조합에는 정보단위 'K'가 할당되어 있다. 핵산서열이 완벽한 정보를 담고있는지를 확인하기 위하여 종결마커로서 'CCC'의 서열조합이 설정되어있다. 한편, 핵산서열의 완벽성을 나타내기 위하여 'CCC'의 서열조합을 개시마커로 사용할 수도 있고, 경우에 따라서는 'CCC'를 개시 및 종결마커로서 동시에 사용할 수도 있다. 정보 데이터가 “JONG IL LEE”인 경우 이에 대한 암호화는 아래와 같이 수행된다.
인증정보 : J O N G I L L E E
핵산서열 : ATA TTC TTT CAA CAC ATC ATC TAT TAT CCC
본 발명의 인위적핵산서열정보는 앞에서 예시한 서열조합과 정보단위의 대응 방식 중 어느 하나를 선택하여 이루어진다. 그러나 앞에서 설명한 방식들은 수많은 서열조합과 정보단위를 대응시키는 방식 중의 일부에 지나지 않는다.
이러한 인위적핵산서열정보는 상기 대응 방식의 역으로 적용하여 인증을 수행할 수 있다. 예를 들어, 수신된 인증 정보에 상기 대응 방식을 역으로 적용함으로써 인증정보로부터 인위적핵산서열정보를 획득하고, 획득된 인위적핵산서열정보와 저장된 인위적핵산서열정보를 비교함으로써 인증을 수행할 수 있다.
전술한 바와 같이 인위적핵산서열정보는 캐릭터이미지저장부(400)에 의해 캐릭터이미지 및 유전체정보와 함께 저장된다. 특히 캐릭터이미지, 유전체정보 및 인위적핵산서열정보는 블록체인 상의 복수의 노드에 저장될 수 있다. 블록체인 상에 저장되는 정보는 위변조가 어렵기 때문에 블록체인 상에 저장되는 인위적핵산서열정보를 다양한 인증정보로 활용이 가능하다.
이러한 인위적핵산서열정보는 가상공간에서 캐릭터의 신분인증을 위해 사용되거나 온라인상에서 캐릭터의 거래인증을 위해 사용될 수 있다. 예를 들어, 캐릭터인증시스템(미도시)에서 인증(신분인증 또는 거래인증)을 요청하는 경우 사용자는 사용자단말을 통해 인증번호를 전송할 수 있다. 캐릭터신분인증시스템은 인증정보변환부(500)의 변환테이블을 이용하여 사용자로부터 수신한 인증정보를 인위적핵산서열정보로 변환한 값과, 블록체인상의 노드들로부터 읽어온 인위적핵산서열정보를 비교함으로써 인증을 수행할 수 있다.
한편, 캐릭터의 유전체정보는, 가상공간에서 캐릭터의 교배를 통해 새로운 캐릭터의 생성시 당해 새로운 캐릭터의 이미지 및 유전체정보를 생성하는데 이용될 수 있다. 당업계에 널리 알려진 바와 같이 우성 유전자와 열성 유전자가 만나는 경우 우성 유전자가 발현된다. 따라서, 캐릭터교배시스템(미도시)는 블록체인상의 노드들로부터 부모 캐릭터의 유전체정보를 읽어오고, 읽어온 유전체정보로부터 우성 유전자를 판별하고, 우성 유전자를 캐릭터생성모델에 적용함으로써 교배된 캐릭터 이미지를 생성할 수 있다.
도 4는 본 발명의 실시예에 따른 캐릭터생성방법의 흐름도이다.
도 4을 참조하면, 캐릭터생성방법은 캐릭터생성모델 학습 단계(S100) 및 캐릭터이미지 생성 단계(S200)를 포함한다.
캐릭터생성모델학습 단계(S100)는 표현형유전체정보 및 캐릭터이미지데이터를 포함하는 학습데이터를 이용하여 캐릭터생성모델을 학습시킨다. 캐릭터이미지 생성 단계(S200)는 사용자로부터 직접 또는 간접적으로 제공된 표현형유전체정보에 상기 캐릭터생성모델을 적용하여 캐릭터이미지를 생성한다.
실시예에 따라 캐릭터생성방법은 표현형유전체정보 생성 단계(S300)를 더 포함할 수 있다. 표현형유전체정보 생성 단계(S300)에서는 사용자데이터로부터 표현형유전체정보를 생성 또는 추출한다. 예를 들어, 표현형유전체정보 생성 단계(S300)에서는 사용자로부터 제공된 유전체정보 중에서 표현형유전체정보가 추출될 수 있다. 또는, 표현형유전체정보 생성 단계(S300)에서는 사용자로부터 제공된 이미지데이터로부터 표현형유전체정보를 생성할 수 있다. 이때, 이미지데이터로부터 표현형유전체정보를 추출하기 위한 제1 인공지능모델(310)이 이용될 수 있다.
캐릭터이미지 저장 단계(S400)는 캐릭터이미지 생성 단계(S200)에서 생성된 캐릭터이미지와, 사용자로부터 제공된 표현형유전체정보를 포함한 유전체정보가 서로 대응하여 저장된다.
실시예에 따라, 캐릭터생성방법은 인증정보 변환 단계(S500)를 더 포함할 수 있다. 인증정보 변환 단계(S500)에서는 인증정보가 인위적핵산서열정보로 변환된다. 구체적으로, 인증정보 변환 단계(S500)에서는 도 3a~도 3d에 예시된 바와 같이 미리 설정된 핵산서열정보와 정보단위의 대응관계에 기초하여, 하나 이상의 정보단위로 구성된 인증정보가 일련의 핵산서열정보로 변환된다. 캐릭터이미지 저장 단계(S400)에서는 캐릭저 이미지 및 유전체정보와, 핵산서열정보를 대응시켜 저장할 수 있다.
도 5는 표현형유전체정보 생성 단계(S300)의 일 예를 나타내는 흐름도이다.
도 5를 참조하면, 표현형유전체정보 생성 단계(S300)는 사용자로부터 제공된 설명데이터에 대한 구문 분석 및 형태소 분석을 수행하는 자연어처리 단계(S320)와, 자연어처리 단계(S320)에 의해 분석된 구문 및 형태소로부터 외형, 성격, 취향, 습관, 행동패턴, 심리 중 적어도 하나에 관한 키워드를 추출하는 키워드 추출 단계(S330) 및 키워드를 제2 인공지능모델에 적용하여 표현형유전체정보를 생성하는 단계를 포함할 수 있다.
도 4 및 도 5의 각 단계의 동작은 캐릭터생성방법(1)과 관련하여 설명된 각 부의 동작과 대응하므로 그 구체적인 설명은 생략한다.
도 6a는 사용자로부터 제공된 이미지데이터를 나타내고, 도 6b는 상기 이미지데이터로부터 생성된 캐릭터이미지를 나타내고, 도 6c는 생성된 이미지데이터에 사용자로부터 제공된 캐릭터에 관한 설명데이터를 추가적으로 적용한 결과를 나타낸다. 도 6c에서 좌상단의 이미지는 안경을 쓴 정보, 우상단의 이미지는 남성이라는 정보, 좌측 중간의 2개의 이미지 및 좌하단의 이미지는 나이에 관한 정보, 우하단의 이미지는 표정에 관한 정보를 추가적으로 적용한 것을 나타낸다.
도 6a~도 6c에서는 사용자로부터 제공된 이미지데이터를 이용하여 캐릭터이미지를 생성한 후, 생성된 캐릭터이미지에 설명데이터를 적용하는 것으로 예시를 들어 설명하였다. 그러나, 본 발명의 범위는 이에 한하지 않으며, 사용자로부터 제공된 이미지데이터와 설명데이터를 동시에 적용하여 캐릭터이미지를 생성할 수도 있다.
Claims (21)
- AI 기반 캐릭터 생성 시스템에 의해 수행되는 AI 기반 캐릭터 생성 방법으로서,
표현형유전체정보 및 캐릭터이미지데이터를 포함하는 학습데이터를 이용하여 캐릭터생성모델을 학습시키는 단계; 및
사용자로부터 직접 또는 간접적으로 제공된 표현형유전체정보에 상기 캐릭터생성모델을 적용하여 캐릭터이미지를 생성하는 단계
를 포함하는 AI 기반 캐릭터 생성 방법.
- 제1항에 있어서,
상기 생성된 캐릭터이미지와, 상기 제공된 표현형유전체정보를 포함한 유전체정보를 서로 대응시켜 저장하는 단계
를 더 포함하는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제2항에 있어서,
상기 저장하는 단계는, 블록체인으로 연결된 복수의 노드에 분산 저장하는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제2항에 있어서,
상기 저장하는 단계는, 상기 생성된 캐릭터이미지 및 상기 유전체정보와 대응하여 인위적핵산서열정보를 저장하고,
상기 인위적핵산서열정보는, 미리 설정된 핵산서열정보와 정보단위의 대응관계에 기초하여, 하나 이상의 정보단위로 구성된 인증정보를 일련의 핵산서열정보로 변환한 것인 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제4항에 있어서,
상기 인위적핵산서열정보는, 가상공간에서 캐릭터의 신분인증을 위해 사용되는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제4항에 있어서,
상기 인위적핵산서열정보는, 온라인상에서 캐릭터의 거래인증을 위해 사용되는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제2항에 있어서,
상기 캐릭터의 유전체정보는, 가상공간에서 캐릭터의 교배를 통해 새로운 캐릭터의 생성시 당해 새로운 캐릭터의 이미지 및 유전체정보를 생성하는데 이용되는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제1항에 있어서,
사용자로부터 유전체정보를 수신하는 단계; 및
상기 유전체정보로부터 표현형유전체정보를 추출하는 단계
를 더 포함하는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제1항에 있어서,
사용자로부터 이미지데이터를 수신하는 단계; 및
상기 이미지데이터로부터 표현형유전체정보를 생성하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제9항에 있어서,
이미지데이터와 표현형유전체정보를 포함하는 학습데이터를 이용하여 제1 인공지능모델을 학습시키는 단계;
를 더 포함하고,
상기 표현형유전체정보를 생성하는 단계는, 상기 제1 인공지능모델에 사용자로부터 수신한 이미지데이터를 적용함으로써 상기 표현형유전체정보를 생성하는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제1항에 있어서,
사용자로부터 캐릭터에 관한 음성 또는 텍스트 형식의 설명데이터를 수신하는 단계; 및
상기 설명데이터로부터 표현형유전체정보를 생성하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제11항에 있어서,
캐릭터에 관한 외형, 성격, 취향, 습관, 행동패턴, 심리 중 적어도 하나에 관한 정보와 표현형유전체정보를 포함하는 학습데이터를 이용하여 제2 인공지능모델을 학습시키는 단계;
를 더 포함하고,
상기 표현형유전체정보를 생성하는 단계는,
상기 수신된 설명데이터에 대해 구문 분석 및 형태소 분석을 수행하는 단계;
상기 분석된 구문 및 형태소에서 외형, 성격, 취향, 습관, 행동패턴, 심리 중 적어도 하나를 나타내는 단어를 추출하는 단계; 및
상기 추출된 단어에 상기 제2 인공지능모델을 적용함으로써 상기 표현형유전체정보를 생성하는 단계
를 포함하는 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제1항에 있어서,
상기 표현형유전체정보는 사람, 동물 및 식물 중 어느 하나에 대한 것인 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제1항에 있어서,
사용자로부터 제공된 표현형유전체정보는 사용자 본인의 것이거나 타인의 것인 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제1항에 있어서,
사용자로부터 제공된 표현형유전체정보는 실재하는 것이거나 가상의 것인 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제1항에 있어서,
상기 캐릭터이미지는 그림, 일러스트, 애니메이션, 홀로그램, 실사화 모델, 사진, 조형물 중 적어도 하나인 것을 특징으로 하는 AI 기반 캐릭터 생성 방법.
- 제1항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
- 표현형유전체정보 및 캐릭터이미지데이터를 포함하는 학습데이터를 이용하여 캐릭터생성모델을 학습시키는 캐릭터생성모델학습부; 및
사용자로부터 직접 또는 간접적으로 제공된 표현형유전체정보에 상기 캐릭터생성모델을 적용하여 캐릭터이미지를 생성하는 캐릭터이미지생성부
를 포함하는 AI 기반 캐릭터 생성 시스템.
- 제18항에 있어서,
상기 생성된 캐릭터이미지와, 상기 제공된 표현형유전체정보를 포함한 유전체정보를 서로 대응시켜 저장하는 캐릭터이미지저장부
를 더 포함하는 것을 특징으로 하는 AI 기반 캐릭터 생성 시스템.
- 제19항에 있어서,
상기 캐릭터이미지저장부는, 블록체인으로 연결된 복수의 노드에 분산 저장하는 것을 특징으로 하는 AI 기반 캐릭터 생성 시스템.
- 제19항에 있어서,
상기 캐릭터이미지저장부는, 상기 생성된 캐릭터이미지 및 상기 유전체정보와 대응하여 인위적핵산서열정보를 저장하고,
상기 인위적핵산서열정보는, 미리 설정된 핵산서열정보와 정보단위의 대응관계에 기초하여, 하나 이상의 정보단위로 구성된 인증정보를 일련의 핵산서열정보로 변환한 것인 것을 특징으로 하는 AI 기반 캐릭터 생성 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2022/006995 WO2022240266A1 (ko) | 2021-05-14 | 2022-05-16 | Ai 기반 캐릭터 생성 시스템 및 방법 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210062718 | 2021-05-14 | ||
| KR20210062718 | 2021-05-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220155239A true KR20220155239A (ko) | 2022-11-22 |
Family
ID=84236131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220059629A KR20220155239A (ko) | 2021-05-14 | 2022-05-16 | Ai 기반 캐릭터 생성 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220155239A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102529214B1 (ko) | 2023-02-04 | 2023-05-08 | 주식회사 이너버즈 | 페이스 스와핑 딥러닝 시스템을 학습하는 방법 및 장치 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102128399B1 (ko) | 2019-06-04 | 2020-06-30 | (주)자이언트스텝 | Ai 기반의 얼굴 애니메이션 구현을 위한 학습데이터 생성 방법, ai 기반의 얼굴 애니메이션 구현 방법 및 컴퓨터 판독 가능한 저장매체 |
| KR102170445B1 (ko) | 2018-09-07 | 2020-10-28 | (주)위지윅스튜디오 | 딥 러닝 기술을 활용한 자동 캐릭터 얼굴 표정 모델링 방법 |
| KR102264803B1 (ko) | 2019-12-12 | 2021-06-15 | 주식회사 옐로테일 | 이미지에서 캐릭터를 추출하여 캐릭터 애니메이션을 생성하는 방법 및 이를 이용한 장치 |
-
2022
- 2022-05-16 KR KR1020220059629A patent/KR20220155239A/ko not_active Application Discontinuation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102170445B1 (ko) | 2018-09-07 | 2020-10-28 | (주)위지윅스튜디오 | 딥 러닝 기술을 활용한 자동 캐릭터 얼굴 표정 모델링 방법 |
| KR102128399B1 (ko) | 2019-06-04 | 2020-06-30 | (주)자이언트스텝 | Ai 기반의 얼굴 애니메이션 구현을 위한 학습데이터 생성 방법, ai 기반의 얼굴 애니메이션 구현 방법 및 컴퓨터 판독 가능한 저장매체 |
| KR102264803B1 (ko) | 2019-12-12 | 2021-06-15 | 주식회사 옐로테일 | 이미지에서 캐릭터를 추출하여 캐릭터 애니메이션을 생성하는 방법 및 이를 이용한 장치 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102529214B1 (ko) | 2023-02-04 | 2023-05-08 | 주식회사 이너버즈 | 페이스 스와핑 딥러닝 시스템을 학습하는 방법 및 장치 |
| KR102590025B1 (ko) | 2023-02-04 | 2023-10-16 | 주식회사 이너버즈 | 어텐션 마스크를 통해 학습의 효율을 증대시키는 페이스 스와핑 딥러닝 시스템의 학습방법 |
| KR102590024B1 (ko) | 2023-02-04 | 2023-10-16 | 주식회사 이너버즈 | 3dmm을 활용한 딥러닝 시스템 학습방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Passi et al. | Data vision: Learning to see through algorithmic abstraction | |
| Claes et al. | Toward DNA-based facial composites: preliminary results and validation | |
| Peelen et al. | Category selectivity in human visual cortex: Beyond visual object recognition | |
| Claes et al. | Craniofacial reconstruction using a combined statistical model of face shape and soft tissue depths: methodology and validation | |
| Sutherland et al. | Facial image manipulation: A tool for investigating social perception | |
| US5375195A (en) | Method and apparatus for generating composites of human faces | |
| CN108491486B (zh) | 模拟病人问诊对话方法、装置、终端设备及存储介质 | |
| Zhang et al. | Facial expression retargeting from human to avatar made easy | |
| US7599802B2 (en) | V-life matching and mating system | |
| KR20220155239A (ko) | Ai 기반 캐릭터 생성 시스템 및 방법 | |
| JP2005276103A (ja) | 聞き手感情推定装置、聞き手感情推定方法、及びプログラム | |
| WO2022240266A1 (ko) | Ai 기반 캐릭터 생성 시스템 및 방법 | |
| JP7279446B2 (ja) | 学習プログラム、学習方法、及び学習装置 | |
| Stamps III | Simulating designed environments | |
| CN113781271A (zh) | 化妆教学方法及装置、电子设备、存储介质 | |
| KR102240237B1 (ko) | 유전자 정보를 이용한 얼굴 재현 장치 및 방법 | |
| US11842567B2 (en) | Information processing apparatus, genetic information generation method and program | |
| JP6692271B2 (ja) | マルチタスク処理装置、マルチタスクモデル学習装置、及びプログラム | |
| CN112634441B (zh) | 一种3d人体模型生成方法、系统及相关设备 | |
| CN117237542B (zh) | 基于文本的三维人体模型生成方法和装置 | |
| CN111612861B (zh) | 一种图像合成方法及装置 | |
| KR20170099632A (ko) | 유전자 정보를 이용한 게임 캐릭터 생성시스템 | |
| JP2022074230A (ja) | プロフィール情報表示方法、プロフィール情報表示プログラム | |
| Jilani | An Investigation into the Performance of Ethnicity Verification Between Humans and Machine Learning Algorithms | |
| Calafiore | Active Action Recognition in Humans and Robots |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |