KR20230001877A - 신경망을 통해 이미지를 처리하는 방법 및 그 전자 장치 - Google Patents

Abstract

본 문서에 개시되는 일 실시 예에 따른 전자 장치는 이미지를 생성하기 위한 신경망 모델을 실행하고, 카메라를 이용하여 복수의 프레임들을 연속적으로 획득하고(consecutively obtain), 복수의 프레임들 중 제1 프레임을 신경망 모델의 제1 그룹에 제1 입력으로 제공하고, 제1 입력에 대응하는 제1 결과 데이터를 메모리에 저장하고, 제1 프레임을 제2 그룹에 제2 입력으로 제공하고, 제2 그룹의 제2 연산 파라미터가 제1 그룹의 제1 연산 파라미터와 동일한지 여부를 판단하고, 제2 연산 파라미터와 제1 연산 파라미터가 동일하면, 제2 그룹에 기반한 신경망 연산의 수행 없이 제1 결과 데이터를 제2 입력에 대응하는 제2 결과 데이터로서 획득할 수 있다.

Description

신경망을 통해 이미지를 처리하는 방법 및 그 전자 장치{METHOD FOR PROCESSING IMAGE THROUTH NEURAL NETWORK AND ELECTRONIC DEVICE THEREOF}

본 문서에서 개시되는 실시 예들은, 신경망을 통해 이미지를 처리하는 방법 및 그 전자 장치에 관한 것이다.

인공지능 시스템(또는 통합 지능화 시스템)은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다. 인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성된다.

요소 기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.

한편, 최근의 인공지능 시스템이 탑재된 전자 장치는 이미지 처리를 함에 있어서, 카메라를 통해 획득된 이미지 데이터를 분석하고, 분석된 결과에 기초하여 신경망(neural network)을 통해 이미지 처리를 수행하는 기능을 지원할 수 있다.

전자 장치는 연속적으로 입력되는 멀티 프레임에 대하여 신경망을 이용하여 여러 과정의 이미지 프로세스를 수행할 때, 각 과정에서 동일한 연산 과정을 수행할 수 있다. 다만, 동일한 연산 과정을 수행할 필요가 없음에도 불구하고, 멀티 프레임에 대해 모든 과정의 이미지 프로세스를 거치는 경우, 연산량이 많이 필요하게 된다.

본 개시의 다양한 실시 예는, 신경망(neural network)을 통해 이미지 처리 구조를 분석하여 동일한 연산 과정의 결과를 저장하고, 중복되는 과정을 처리함에 있어서 저장한 결과 데이터를 이용하는 방법 및 그 전자 장치를 제공한다.

본 개시에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 문서에 개시되는 일 실시 예에 따른 전자 장치는 카메라, 메모리, 및 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로세서는, 이미지를 생성하기 위한 신경망 모델을 실행하고, 신경망 모델은 복수 개의 연산 레이어들 중 적어도 제1 연산 레이어를 포함하는 제1 그룹 및 복수 개의 연산 레이어들 중 적어도 제2 연산 레이어를 포함하는 제2 그룹을 포함함, 카메라를 이용하여 복수의 프레임들을 연속적으로 획득하고(consecutively obtain), 복수의 프레임들 중 제1 프레임을 신경망 모델의 제1 그룹에 제1 입력으로 제공하고, 제1 입력에 대응하는 제1 결과 데이터를 메모리에 저장하고, 제1 프레임을 제2 그룹에 제2 입력으로 제공하고, 제2 그룹의 제2 연산 파라미터가 제1 그룹의 제1 연산 파라미터와 동일한지 여부를 판단하고, 제2 연산 파라미터와 제1 연산 파라미터가 동일하면, 제2 그룹에 기반한 신경망 연산의 수행 없이 제1 결과 데이터를 제2 입력에 대응하는 제2 결과 데이터로서 획득하고, 제2 연산 파라미터와 제1 연산 파라미터가 구별되면, 제2 그룹의 연산 파라미터에 기반하여 신경망 연산을 수행하여 제1 결과 데이터와 구별되는 제2 결과 데이터를 획득할 수 있다.

본 문서에 개시되는 일 실시 예에 따른 전자 장치의 동작 방법은 카메라를 이용하여 복수의 프레임들을 연속적으로 획득(consecutively obtain)는 동작, 복수의 프레임들 중 제1 프레임을 신경망 모델의 제1 그룹에 제1 입력으로 제공하는 동작, 제1 입력에 대응하는 제1 결과 데이터를 메모리에 저장하는 동작, 제1 프레임을 제2 그룹에 제2 입력으로 제공하는 동작, 제2 그룹의 제2 연산 파라미터가 제1 그룹의 제1 연산 파라미터와 동일한지 여부를 판단하는 동작, 제2 연산 파라미터와 제1 연산 파라미터가 동일하면, 제2 그룹에 기반한 신경망 연산의 수행 없이 제1 결과 데이터를 제2 입력에 대응하는 제2 결과 데이터로서 획득하는 동작 및 제2 연산 파라미터와 제1 연산 파라미터가 구별되면, 제2 그룹의 연산 파라미터에 기반하여 신경망 연산을 수행하여 제1 결과 데이터와 구별되는 제2 결과 데이터를 획득하는 동작을 포함할 수 있다.

본 문서에 개시되는 다양한 실시 예들에 따르면, 이전에 수행된 연산의 일부를 저장한 후 재활용하므로 신경망의 연산량을 감소시킬 수 있다.

또한, 다양한 실시 예에 따르면, 신경망의 모든 연산을 수행하지 않으므로 처리 속도를 향상시킬 수 있다.

이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.

도 1은 일 실시 예에 따른 전자 장치 및 카메라에 대한 구조를 도시한 도면이다.
도 2는 일 실시 예에 따른 전자 장치의 하드웨어 구성 및 소프트웨어 모듈을 나타낸다.
도 3은 일 실시 예에 따른 전자 장치에서, 복수의 이미지 프레임을 획득하는 경우, 신경망 모델의 수행 과정을 간략하게 나타낸 도면이다.
도 4는 일 실시 예에 따른 전자 장치에서, 신경망 모델의 각 그룹의 연산 과정이 동일한 경우, 복수의 이미지 프레임에 대하여 이미지 처리를 하는 것을 나타낸다.
도 5는 일 실시 예에 따른 전자 장치에서, 프리뷰 이미지를 생성하기 위한 신경망 모델의 동작 과정을 나타내기 위한 흐름도이다.
도 6은 일 실시 예에 따른 전자 장치에서, 신경망 모델을 통해 연산 결과를 저장하는 과정을 나타낸 흐름도이다.
도 7은 일 실시 예에 따른 전자 장치에서, 신경망 모델을 통해 저장된 연산 결과를 재사용하는 과정을 나타낸 흐름도이다.
도 8은 일 실시 예에 따른 전자 장치에서, 신경망 모델의 그룹들이 동일한 연산 과정을 포함하고 있는 경우의 처리를 나타낸다.
도 9는 일 실시 예에 따른 전자 장치에서, 신경망 모델의 그룹들이 동일한 연산 과정을 포함하고 있는 경우의 처리를 나타낸다.
도 10은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 11은 다양한 실시 예들에 따른, 카메라 모듈을 예시하는 블럭도이다.

이하, 본 문서의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 문서를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.

도 1은 일 실시 예에 따른 전자 장치 및 카메라에 대한 구조를 도시한 도면이다.

도 1은 일 실시 예에 따른 카메라(예: 도 10의 카메라 모듈(1080))(180)를 장착한 전자 장치(예: 도 10의 전자 장치(1001))(100)의 외관 및 카메라(180)를 개략적으로 나타낸 도면이다. 도 1의 실시 예는 모바일 기기, 특히, 스마트 폰을 전제로 도시 및 설명되었으나, 다양한 전자 기기 또는 모바일 기기들 중 카메라를 탑재한 전자 기기에 적용될 수 있음은 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 것이다.

도 1을 참고하면, 일 실시 예에 따른 전자 장치(100)의 전면에는 디스플레이(110)가 배치될 수 있다. 일 실시 예에서, 디스플레이(110)는 전자 장치(100)의 전면의 대부분을 차지할 수 있다. 전자 장치(100)의 전면에는 디스플레이(110), 및 디스플레이(110)의 적어도 일부 가장자리를 둘러싸는 베젤(bezel)(190) 영역이 배치될 수 있다. 디스플레이(110)는 평면 영역(flat area)과 평면 영역에서 전자 장치(100)의 측면을 향해 연장되는 곡면 영역(curved area)을 포함할 수 있다. 도 1에 도시된 전자 장치(100)는 하나의 예시이며, 다양한 실시 예가 가능하다. 예를 들어, 전자 장치(100)의 디스플레이(110)는 곡면 영역 없이 평면 영역만 포함하거나 양측이 아닌 한 쪽 가장자리에만 곡면 영역을 구비할 수 있다. 또한 일 실시 예에서, 곡면 영역은 전자 장치의 후면으로 연장되어 전자 장치(100)는 추가적인 평면 영역을 구비할 수도 있다.

일 실시 예에서 전자 장치(100)는 추가적으로 스피커(speaker), 리시버, 전면 카메라, 근접 센서, 홈 키 등을 포함할 수 있다. 일 실시 예에 따른 전자 장치(100)는 후면 커버(150)가 전자 장치의 본체와 일체화되어 제공될 수도 있다. 또 다른 실시 예에서, 후면 커버(150)가 전자 장치(100)의 본체로부터 분리되어, 배터리를 교체할 수 있는 형태를 가질 수 있다. 후면 커버(150)는 배터리 커버 또는 배면 커버로 참조될 수도 있다.

일 실시 예에서, 디스플레이(110)의 제1 영역(170)에 사용자의 지문 인식을 위한 지문 센서(171)가 포함될 수 있다. 지문 센서(171)는 디스플레이(110)의 아래 층에 배치됨으로써, 사용자에 의해 시인되지 않거나, 시인이 어렵게 배치될 수 있다. 또한, 지문 센서(171) 외에 추가적인 사용자/생체 인증을 위한 센서가 디스플레이(110)의 일부 영역에 배치될 수 있다. 다른 실시 예에서, 사용자/생체 인증을 위한 센서는 베젤(190)의 일 영역에 배치될 수 있다. 예를 들어, 홍채 인증을 위한 IR 센서가 디스플레이(110)의 일 영역을 통해 노출되거나, 베젤(190)의 일 영역을 통해 노출될 수 있다.

일 실시 예에서, 전자 장치(100)의 전면의 제2 영역(160)에는 전면 카메라(161)가 배치될 수 있다. 도 1의 실시 예에서는 전면 카메라(161)가 디스플레이(110)의 일 영역을 통해 노출되는 것으로 도시되었으나, 다른 실시 예에서 전면 카메라(161)가 베젤(190)을 통해 노출될 수 있다. 전자 장치(100)는 하나 이상의 전면 카메라(161)를 포함할 수 있다. 예를 들어, 전자 장치(100)는 제1 전면 카메라 및 제2 전면 카메라와 같이 2개의 전면 카메라를 포함할 수 있다. 일 실시 예에서, 제1 전면 카메라와 제2 전면 카메라는 동등한 사양(예: 화소)을 가지는 동종의 카메라일 수 있으나, 제1 전면 카메라와 제2 전면 카메라는 다른 사양의 카메라로 구현될 수 있다. 전자 장치(100)는 2개의 전면 카메라를 통해 듀얼 카메라와 관련된 기능(예: 3D 촬영, 자동 초점(auto focus) 등)을 지원할 수 있다. 상기 언급된 전면 카메라에 대한 설명은 전자 장치(100)의 후면 카메라에 동일 또는 유사하게 적용될 수 있다.

일 실시 예에서, 전자 장치(100)는 플래시와 같이 촬영을 보조하는 각종 하드웨어나 센서(163)가 추가적으로 배치될 수 있다. 예를 들어, 피사체와 전자 장치(100) 사이의 거리를 감지하기 위한 거리 센서(예: TOF 센서) 등이 더 포함될 수 있다. 상기 거리 센서는 전면 카메라 및/또는 후면 카메라에 모두 적용될 수 있다. 상기 거리 센서는 별도로 배치되거나 포함되어 전면 카메라 및/또는 후면 카메라에 배치될 수 있다.

일 실시 예에서, 전자 장치(100)의 측면부에는 적어도 하나의 물리 키가 배치될 수 있다. 예를 들어, 디스플레이(110)를 ON/OFF하거나 전자 장치(100)의 전원을 ON/OFF하기 위한 제1 기능 키(151)가 전자 장치(100)의 전면을 기준으로 우측 가장자리에 배치될 수 있다. 일 실시 예에서, 전자 장치(100)의 볼륨을 제어하거나 화면 밝기 등을 제어하기 위한 제2 기능 키(152)가 전자 장치(100)의 전면을 기준으로 좌측 가장자리에 배치될 수 있다. 이 외에도 추가적은 버튼이나 키가 전자 장치(100)의 전면이나 후면에도 배치될 수 있다. 예를 들어, 전면의 베젤(190) 중 하단 영역에 특정 기능에 맵핑된 물리 버튼이나 터치 버튼이 배치될 수 있다.

도 1에 도시된 전자 장치(100)는 하나의 예시에 해당하며, 본 개시에 개시된 기술적 사상이 적용되는 장치의 형태를 제한하는 것은 아니다. 예를 들어, 플렉서블 디스플레이 및 힌지 구조를 채용하여, 가로 방향으로 폴딩이 가능하거나 세로 방향으로 폴딩이 가능한 폴더블 전자 장치나, 롤링이 가능한 롤러블 전자 장치나, 태블릿 또는 노트북에도 본 개시의 기술적 사상이 적용될 수 있다. 또한, 같은 방향을 향하는 제1 카메라와 제2 카메라가, 장치의 회전, 접힘, 변형 등을 통해 다른 방향을 향하도록 배치되는 것이 가능한 경우에도 본 기술적 사상은 적용될 수 있다.

도 1을 참조하면, 일 실시 예에 따른 전자 장치(예: 도 10의 전자 장치(1001))(100)는 카메라 모듈(예: 도 10의 카메라 모듈(1080))(180)를 포함할 수 있다. 카메라(180)는 렌즈 어셈블리(예: 도 11의 렌즈 어셈블리(1110))(111), 하우징(113), 적외선 차단 필터(Infared cut filter)(115), 이미지 센서(예: 도 11의 이미지 센서(1130))(120) 및 이미지 시그널 프로세서(image signal processor)(예: 도 11의 이미지 시그널 프로세서(1160))(130)를 포함할 수 있다.

일 실시 예에서, 렌즈 어셈블리(111)는 전면 카메라와 후면 카메라에 따라 렌즈의 개수, 배치, 종류 등이 서로 다를 수 있다. 렌즈 어셈블리의 타입에 따라 전면 카메라와 후면 카메라는 서로 다른 특성(예: 초점 거리, 최대 배율 등)을 가질 수 있다. 상기 렌즈는 광축을 따라 전, 후로 움직일 수 있으며, 초점 거리를 변화시켜 피사체가 되는 대상 객체가 선명하게 찍힐 수 있도록 동작할 수 있다.

일 실시 예에서, 카메라(180)는 광축 상에 정렬된 적어도 하나 이상의 렌즈를 실장하는 경통과 광축을 중심으로 상기 경통의 둘레를 둘러싸는 적어도 하나의 코일을 실장하는 하우징(113)을 포함할 수 있다.

일 실시 예에서, 적외선 차단 필터(115)는 이미지 센서(120)의 상면에 배치될 수 있다. 렌즈를 통과한 피사체의 상은 적외선 차단 필터(115)에 의해 일부 필터링된 후 이미지 센서(120)에 의해 감지될 수 있다.

일 실시 예에서, 이미지 센서(120)는 인쇄회로기판의 상면에 배치될 수 있다. 이미지 센서(120)는 커넥터(connector)에 의해 인쇄회로기판(140)과 연결된 이미지 시그널 프로세서(130)와 전기적으로 연결될 수 있다. 상기 커넥터로는 연성 인쇄회로 기판(FPCB) 또는 케이블(cable) 등이 사용될 수 있다.

일 실시 예에서, 이미지 센서(120)는 CMOS(complementary metal oxide semiconductor) 센서 또는 CCD(charged coupled device) 센서일 수 있다. 이미지 센서(120)에는 복수의 개별 픽셀들(pixels)이 집적되며, 각 개별 픽셀은 마이크로 렌즈(micro lens), 컬러 필터 및 포토다이오드(photodiode)를 포함할 수 있다. 각 개별 픽셀은 일종의 광검출기로서 입력되는 광을 전기적 신호로 변환시킬 수 있다. 광검출기는 일반적으로 캡쳐된 광의 파장을 스스로 검출할 수 없고 컬러 정보를 결정할 수 없다. 상기 광검출기는 포토다이오드를 포함할 수 있다.

일 실시 예에서, 렌즈 어셈블리(111)를 통해 입사된 피사체의 광 정보는 이미지 센서(120)에 의해 전기적 신호로 변환되어 이미지 시그널 프로세서(130)로 입력될 수 있다.

일 실시 예에서, 카메라(180)는 전자 장치(100)의 후면뿐만 아니라, 전면에 배치될 수 있다. 또한 전자 장치(100)는 카메라의 성능 향상을 위해 한 개의 카메라(180) 뿐만 아니라, 여러 개의 카메라(180)를 포함할 수 있다. 예를 들어, 전자 장치(100)는 영상 통화 또는 셀프 카메라 촬영을 위한 전면 카메라(161)를 더 포함할 수 있다. 전면 카메라(161)는 후면 카메라 모듈에 비하여 상대적으로 낮은 화소 수를 지원할 수 있다. 전면 카메라는 후면 카메라 모듈에 비하여 상대적으로 보다 소형일 수 있다.

도 2는 일 실시 예에 따른 전자 장치의 하드웨어 구성 및 소프트웨어 모듈을 나타낸다. 도 2의 설명에 있어서, 도 1에서 설명된 구성은 간략하게 설명되거나 설명이 생략될 수 있다.

도 2를 참고하면, 전자 장치(100)는 이미지에 효과를 적용하기 위한 기능들을 지원하기 위해 하드웨어 및/또는 소프트웨어 모듈을 이용할 수 있다. 예를 들어, 프로세서(210)는 메모리(230)에 저장된 명령어들을 실행함으로써 신경망 분석 모듈(211), 및 신경망 실행 모듈(213)을 구동할 수 있다. 다양한 실시 예에서, 도 2에 도시된 것과 다른 소프트웨어 모듈이 구현될 수 있다. 예를 들어, 적어도 2개의 모듈이 하나의 모듈로 통합되거나, 하나의 모듈이 2개 이상의 모듈로 분할될 수 있다. 또한 하드웨어와 소프트웨어 모듈이 하나의 기능을 분담함으로써 작업 성능을 개선시킬 수 있다. 예를 들어, 전자 장치(100)는 하드웨어로 구현되는 인코더와 소프트웨어 모듈로 구현되는 인코더를 모두 포함할 수 있고, 적어도 하나의 카메라 모듈을 통해 획득되는 데이터의 일부는 하드웨어 인코더에서, 나머지 일부는 소프트웨어 인코더에서 처리할 수 있다. 또한 도 2에 도시된 하드웨어/소프트웨어 사이의 연결 관계는 설명의 편의를 위한 것이며, 데이터나 명령의 흐름/방향을 제한하지 않는다. 전자 장치(100)에 포함되는 구성요소들은 다양한 전기적/작동적 연결 관계를 가질 수 있다.

일 실시 예에서, 프로세서(210)는 카메라(180)를 통해 이미지 프레임(또는, 프레임)을 획득할 수 있다. 프로세서(210)는 카메라(180)를 통해 복수 개의 프레임(또는, 멀티 프레임)을 연속적으로 획득할 수 있다. 예를 들어, 프로세서(210)는 n 번째 프레임, n+1 번째 프레임, n+2 번째 프레임을 순서대로 획득할 수 있다.

일 실시 예에서, 프로세서(210)는 획득된 복수 개의 프레임을 이용하여 결과 이미지를 생성할 수 있다. 예를 들어, 프로세서(210)는 n 번째 프레임 내지 n+4 번째 프레임을 이용하여 제1 결과 이미지를 생성할 수 있다. 프로세서(210)는 n+1 번째 프레임 내지 n+5 번째 프레임을 이용하여 제2 결과 이미지를 생성할 수 있다.

일 실시 예에서, 결과 이미지를 생성함에 있어서, 프로세서(210)는 신경망 모델을 이용할 수 있다. 일 실시 예에 따르면, 신경망(neural network) 모델은 적어도 하나의 그룹을 포함할 수 있다. 일 실시 예에 따른 적어도 하나의 그룹은 각각 적어도 하나의 레이어를 포함할 수 있다. 상기 적어도 하나의 레이어는 선형 레이어(예: 컨볼루션 레이어) 또는 비선형 레이어(예: 폴링 레이어)일 수 있다. 일 실시 예에서, 프로세서(210)는 컨볼루션 레이어를 통해 신경망 연산을 수행할 수 있다. 일 실시 예에서, 컨볼루션 레이어는 입력되는 값에 기반하여 특징 벡터를 생성할 수 있다. 예를 들어, 컨볼루션 레이어는 입력된 이미지 신호에 대응되는 특징 벡터를 생성할 수 있다.

일 실시 예에 따르면, 상기 신경망은 전자 장치(100)와 통신 가능한 외부 장치에 포함될 수 있다. 예를 들어, 상기 신경망은 신경망 및/또는 신경망 학습을 위한 구조를 포함하는 지능형 서버에 포함될 수 있다. 일 실시 예에 따르면, 프로세서(210)는 전자 장치(100)에 포함된 통신 회로를 이용하여 신경망을 이용한 지능형 서버와 데이터를 송수신할 수 있다. 일 실시 예에서, 상기 지능형 서버는 인공 지능(artificial intelligent)(AI) 시스템을 이용하기 위한 구조를 포함할 수 있다. 인공지능 시스템은 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 및/또는 순환 신경망(recurrent neural network(RNN))) 일 수도 있다.

일 실시 예에 따르면, 프로세서(210)는 상기 지능형 서버를 이용하여 인공 지능과 관련된 기능을 수행할 수 있다. 예를 들어, 프로세서(210)는 획득된 이미지 신호에 기초하여 단독으로 또는 상기 지능형 서버와 함께 이미지 생성 동작을 수행할 수 있다.

일 실시 예에서, 프로세서(210)는 획득되어지는 이미지 프레임을 신경망 모델의 그룹들(또는, 레이어들)의 연산 구조를 통해 이미지 처리를 수행할 수 있다. 예를 들어, 프로세서(210)는 n번째 프레임을 신경망 모델의 제1 그룹(211_1), 제2 그룹(211_2), 제3 그룹(211_3), 제4 그룹_(211_4), 및/또는 제5 그룹(211_5)을 통해 순차적으로 연산 처리를 수행할 수 있다.

일 실시 예에서, 메모리(230)는 프로그램 및/또는 데이터를 저장할 수 있다. 예를 들어, 메모리(230)는 신경망을 위한 연산 파라미터, 입력 데이터, 출력 데이터를 저장할 수 있다. 일 실시 예에서, 프로세서(210)는 메모리(230)로부터 수신된 입력 데이터에 기반하여 연산 동작(예: 컨볼루션 연산)을 수행하고, 연산 결과를 메모리(230)에 저장할 수 있다.

일 실시 예에서, 신경망 분석 모듈(211)은 신경망 모델의 구조를 분석할 수 있다. 신경망 모델이 적어도 둘 이상의 프레임을 포함하는 다중 프레임에 대하여 이미지 처리를 수행하는 경우, 신경망 분석 모듈(211)은 각 프레임을 처리하는 신경망 그룹 간의 의존성 및/또는 연산 과정의 일치 여부를 분석할 수 있다. 신경망 분석 모듈(211)은 분석된 정보를 신경망 실행 모듈(213)로 전달할 수 있다.

일 실시 예에서, 신경망 실행 모듈(213)은 신경망 분석 모듈(211)로부터 전달된 신경망 그룹 간 의존성 및/또는 연관성 정보를 활용하여, 연산 과정 및/또는 연산 결과를 저장하고, 저장된 과정 및/또는 결과를 재사용할 수 있다.

일 실시 예에서, 프로세서(210)는 생성된 결과 이미지를 디스플레이(110)의 적어도 일 부분을 통해서 표시할 수 있다. 프로세서(210)는 생성된 복수 개의 결과 이미지를 프리뷰 이미지로 출력할 수 있다. 프로세서(210)는 생성된 복수 개의 결과 이미지에 기반하여 동영상과 같은 연속된 이미지를 표시할 수 있다.

도 3은 일 실시 예에 따른 전자 장치에서 복수의 이미지 프레임을 획득하는 경우, 신경망 모델의 수행 과정을 간략하게 나타낸 도면이다.

일 실시 예에서, 프로세서(210)는 시간 t에서 n번째 프레임(301)을 제1 그룹(310)에 입력할 수 있다. 프로세서(210)는 제1 그룹(310)의 연산 과정을 통해 n번째 프레임(301)에 대한 프로세스를 수행할 수 있다. 프로세서(210)는 시간 t+1에서 n번째 프레임(301)을 제2 그룹(320)에 입력하고, n+1번째 프레임(303)을 제1 그룹(310)에 입력할 수 있다.

일 실시 예에서, 프로세서(210)는 n번째 프레임(301)에 대한 제1 그룹(310)의 연산 결과 및/또는 연산 과정을 포함하는 제n_1 데이터(231)을 메모리(230)에 저장할 수 있다. 이는 n+1번째 프레임에 대해서도 동일하게 적용될 수 있다. 예를 들어, 프로세서(210)는 n+1번째 프레임(303)에 대한 제1 그룹(310)의 연산결과 및/또는 연산 과정을 포함하는 제n+1_1 데이터(232)를 메모리(230)에 저장할 수 있다. 일 실시 예에 따르면, 제1 그룹(310)과 제2 그룹(320)의 연산 구조 또는 연산 과정이 동일하므로, 프로세서(210)는 n번째 프레임(301)이 제2 그룹(320)을 거쳐야할 단계에서 n번째 프레임(301)에 대한 계산 결과를 제2 그룹(320)에서 사용할 수 있다. 상기 연산 구조 또는 연산 과정이 동일하는 것은, 예를 들면, 컨볼루션 연산 과정이 동일하고 컨볼루션 연산에 사용되는 weight 값 및 bias 값이 동일한 것으로 이해될 수 있다. 다른 실시 예에서, 제1 그룹(310)과 제2 그룹(320)의 연산 구조가 동일하지 않은 경우, 프로세서(210)는 저장된 연산 결과를 사용하지 않고, 제1 그룹(310)에 연산된 n번째 프레임(301)을 제2 그룹(320)에 입력할 수 있다. 위와 같은 설명은 n+1번째 프레임(303)에도 동일하게 적용될 수 있다.

도 4는 실시 예에 따른 전자 장치에서 신경망 모델의 각 그룹의 연산 과정이 동일한 경우, 복수의 이미지 프레임에 대하여 이미지 처리를 하는 것을 나타낸다.

도 4를 참조하면, 일 실시 예에서, 제1 그룹(410) 내지 제4 그룹(440))의 연산 구조 및/또는 연산 과정은 동일할 수 있다. 제1 그룹(410) 내지 제4 그룹(440)의 연산 과정(예: 컨볼루션 연산)에서 사용되는 컨벌루션 weight 값 및 bias 값이 동일할 수 있다.

일 실시 예에서, 연속적으로 입력되는 프레임(예: n번째 프레임, n+1번째 프레임, n+2번째 프레임, n+3번째 프레임)이 제1 그룹부터 순차적으로 입력되는 경우, 프로세서(210)는 제1 그룹(410)에서의 연산 결과를 지속적으로 메모리(예: 디램(DRAM))(230)에 저장할 수 있다. 예를 들어, 시간 t에서 n번째 프레임이 제1 그룹(410)으로 입력되는 경우, n번째 프레임에 대한 제1 그룹(410)에서의 연산 결과를 메모리(230)에 저장할 수 있다. 프로세서(210)는 시간 t+1에서 n번째 프레임이 제2 그룹(420)에 입력되고, n+1번째 프레임이 제1 그룹(410)으로 입력되는 경우, n+1번째 프레임에 대한 제1 그룹(410)에서의 연산 결과를 메모리(230)에 저장할 수 있다.

일 실시 예에서, 제1 그룹(410)으로 입력된 프레임들이 순차적으로 제2 그룹(420), 제3 그룹(430), 및 제4 그룹(440)에서 수행될 때, 실제 연산을 수행하지 않고 메모리(230)에 저장된 연산 결과를 획득하여 사용할 수 있다. 예를 들어, n번째 프레임이 제4 그룹(420)의 연산을 거치는 경우, n번째 프레임에 대한 제1 그룹(410)에서의 연산 결과를 획득하여, 상기 연산 결과를 제4 그룹(420)의 결과 데이터로 사용할 수 있다.

일 실시 예에서, 프레임들이 제4 그룹까지 거친 후, 제5 그룹을 통해서 하나의 결과 이미지 프레임을 생성할 수 있다. 다시 말해서, 카메라(180)를 통해 획득된 복수 개의 이미지 프레임(예: n번째 프레임 내지 n+4번째 프레임)을 이용하여 하나의 결과 이미지 프레임을 생성할 수 있다.

도 5는 일 실시 예에 따른 전자 장치에서, 프리뷰 이미지를 생성하기 위한 신경망 모델의 동작 과정을 나타내기 위한 흐름도이다.

일 실시 예에 따른 동작 510에서, 프로세서(210)는 프리뷰 이미지를 생성하기 위한 신경망 모델을 실행할 수 있다. 신경망 모델은 서로 연결된 복수 개의 레이어에 의하여 형성된 복잡한 네트워크 모델일 수 있다. 일 실시 예에서, 프로세서(210)는 신경망 모델을 훈련시킬 수 있고, 훈련이 종료된 후에 획득된 신경망 모델을 실행하여 이미지 처리에 사용할 수 있다. 일 실시 예에 따르면, 신경망 모델은 적어도 하나의 그룹을 포함할 수 있고, 복수 개의 입력 데이터를 획득하는 구조를 포함할 수 있다. 예를 들어, 신경망 모델은 제1 그룹 및 제2 그룹을 포함할 수 있다. 이하 설명의 편의를 위하여 신경망 모델이 제1 그룹 및 제2 그룹을 포함하는 것으로 설명하였지만, 다양한 실시 예들에 따라 신경망 모델이 포함하는 그룹의 수는 이에 제한되지 않는다. 일 실시 예에 따르면, 신경망 모델에 포함된 그룹들은 각각 데이터를 입력 받아 연산 파라미터로 활용할 수 있고, 각각의 그룹에 기초한 연산 과정을 통해 결과 데이터를 출력할 수 있다. 예를 들어, 제1 그룹은 제1 입력을 획득하여 제1 결과 데이터를 출력할 수 있다. 또한, 제2 그룹은 제2 입력을 획득하여 제2 결과 데이터를 출력할 수 있다.

일 실시 예에 따른 동작 520에서, 프로세서(210)는 카메라(180)를 이용하여 복수의 프레임들을 연속적으로 획득할 수 있다. 프로세서(210)는 이미지 센서의 프레임 레이트에 대응하여 복수의 프레임들을 연속적으로 획득할 수 있다.

일 실시 예에 따른 동작 530에서, 프로세서(210)는 복수의 프레임들 중 제1 프레임을 상기 신경망 모델의 상기 제1 그룹에 제1 입력으로 제공할 수 있다.

일 실시 예에 따른 동작 540에서, 프로세서(210)는 상기 제1 입력에 대응하는 제1 결과 데이터를 메모리(230)에 저장할 수 있다. 프로세서(210)는 신경망 모델의 제1 그룹을 통해 처리된 제1 프레임에 대한 제1 결과 데이터를 출력할 수 있다. 프로세서(210)는 출력된 제1 결과 데이터를 메모리(예: 디램(DRAM))에 저장할 수 있다.

일 실시 예에 따른 동작 550에서, 프로세서(210)는 제2 그룹의 제2 연산 파라미터와 제1 그룹의 제1 연산 파라미터가 동일한지 판단할 수 있다. 예를 들어, 프로세서(210)는 신경망 모델의 상기 연산(예: 컨볼루션 연산) 과정에서 사용되는 weight 값, 및 bias 값이 동일한지 판단할 수 있다.

일 실시 예에 따른 동작 560에서, 프로세서(210)는 제2 그룹에 기반한 신경망 연산의 수행 없이 메모리(230)에 저장된 제1 결과 데이터를 제2 결과 데이터로서 획득할 수 있다.

일 실시 예에 따른 동작 570에서, 프로세서(210)는 제1 프레임을 상기 제2 그룹에 제2 입력으로 제공할 수 있다. 일 실시 예에 따르면 동작 580에서, 프로세서(210)는 제2 그룹의 연산 파라미터에 기반하여 신경망 연산을 수행하여 제1 결과 데이터와 구별되는 제2 결과 데이터를 획득할 수 있다.

다시 말해서, 프로세서(210)는 제1 그룹의 연산 파라미터와 제2 그룹의 연산 파라미터가 동일한 경우, 제1 그룹을 통해 제1 프레임에 대한 제1 결과 데이터를 획득하고, 획득된 제1 결과 데이터를 제2 그룹의 제2 결과 데이터로서 획득할 수 있다. 다른 예로, 프로세서(210)는 제1 그룹의 연산 파마리터와 제2 그룹의 연산 파라미터가 상이한 경우, 제1 프레임을 제2 그룹에 제2 입력으로 제공하고, 제2 그룹의 연산 파라미터에 기반하여 신경망 연산이 수행된 제2 결과 데이터를 획득할 수 있다.

도 6은 일 실시 예에 따른 전자 장치에서, 신경망 모델을 통해 연산 결과를 저장하는 과정을 나타낸 흐름도이다.

일 실시 예에 따른 동작 610에서, 프로세서(210)는 신경망 모델의 연산 구조를 분석할 수 있다. 프로세서(210)는 신경망 모델에 포함되어 있는 각 그룹의 연산 구조를 분석할 수 있다.

일 실시 예에 따른 동작 620에서, 프로세서(210)는 신경망 모델의 각 연산 그룹이 독립적이며, 동일한 연산 과정이 존재하는지 판단할 수 있다. 예를 들어, 프로세서(210)는 신경망 모델의 제1 그룹, 및 제2 그룹이 독립적인 연산 그룹인지 판단할 수 있다. 상기 제2 그룹은 특정 데이터가 상기 제1 그룹 이후에 처리되는 연산 그룹일 수 있다. 예를 들어, 프로세서(210)는 신경망 모델의 제1 그룹, 및 제2 그룹의 연산 과정이 동일한지 판단할 수 있다. 예를 들어, 프로세서(210)는 신경망 모델의 상기 연산(예: 컨볼루션 연산) 과정에서 사용되는 weight 값, 및 bias 값이 동일한지 판단할 수 있다.

일 실시 예에 따른 동작 630에서, 프로세서(210)는 연산 과정을 저장할 수 있다. 프로세서(210)는 연산 과정에 대한 재사용 정보를 생성할 수 있다. 프로세서(210)는 신경망 모델의 제1 그룹 및 제2 그룹의 연산 과정이 동일하고, 연산 과정에서 사용되는 weight 값, 및 bias 값이 동일한 경우, 적어도 하나의 그룹(예: 제1 그룹 또는 제2 그룹)의 연산 과정 및/또는 연산 결과에 대한 재사용 정보를 생성할 수 있다.

도 7은 일 실시 예에 따른 전자 장치에서, 신경망 모델을 통해 저장된 연산 결과를 재사용하는 과정을 나타낸 흐름도이다.

일 실시 예에 따른 동작 710에서, 프로세서(210)는 연산 결과를 재사용할 수 있는지 판단할 수 있다. 프로세서(210)는 신경망의 연산 구조를 분석하여 연산 결과를 재사용할 수 있는지 판단할 수 있다. 연산 결과를 재사용하지 못하는 경우에는 동작 760을 수행하고, 연산 결과를 재사용할 수 있는 경우 동작 720을 수행할 수 있다.

일 실시 예에 따른 동작 720에서, 프로세서(210)는 연산 결과가 메모리(230)에 저장되어 있는지 판단할 수 있다. 예를 들어, 프로세서(210)는 재사용 할 수 있는 연산 결과가 메모리(230)에 저장되어 있는지 판단할 수 있다. 일 실시 예에 따르면, 프로세서(210)는 재사용 될 수 있는 연산 결과가 메모리(230)에 저장되어 있는 경우 동작 750을 수행하고, 연산 결과가 메모리(230)에 저장되어 있지 않은 경우, 동작 730 및 동작 740을 수행할 수 있다.

일 실시 예에 따르면, 프로세서(210)는 재사용 할 수 있는 연산 결과가 메모리(230)에 저장되어 있지 않은 경우, 동작 730에서, 일반적인 신경망 수행 과정을 실행할 수 있다. 여기서, 일반적인 신경망 과정이란 메모리(230)에 저장된 연산 결과를 이용하는 과정 없이 신경망을 통해 이미지 처리를 수행하는 것을 의미할 수 있다.

일 실시 예에 따르면, 동작 740에서, 프로세서(210)는 일반적인 신경망 과정을 수행하고, 그 계산 결과를 메모리(230)에 저장할 수 있다.

일 실시 예에 따른 동작 750에서, 프로세서(210)는 저장된 연산 결과를 메모리(230)에서 획득할 수 있다. 프로세서(210)는 메모리에서 획득한 연산 결과에 기반하여 다음 연산을 수행할 수 있다. 예를 들어, 프로세서(210)는 저장된 신경망의 제1 그룹의 결과를 제2 그룹의 결과로써 출력할 수 있다.

도 8은 일 실시 예에 따른 전자 장치에서, 신경망 모델의 그룹들이 동일한 연산 과정을 포함하고 있는 경우의 처리를 나타낸다.

도 8을 참조하면, 신경망 모델은 제1 그룹(810), 제2 그룹(820), 제3 그룹(830), 제4 그룹(840), 및 제5 그룹(850)을 포함할 수 있다. 상기 그룹들(810 내지 850)은 복수 개의 레이어를 포함할 수 있다. 도 8에서 각 레이어들은 연산 과정 및/또는 연산 파라미터를 의미할 수 있다.

도 8을 참조하면, 일 실시 예에서, 신경망 모델의 제1 그룹(810)과 제2 그룹(820)은 동일한 연산 과정을 포함할 수 있다. 예를 들어, 신경망 모델의 제1 그룹(810)과 제2 그룹(820)이 포함하는 레이어들은 동일할 수 있다. 일 실시 예에서, 신경망 모델의 제2 그룹(820)과 제3 그룹(830)은 부분적으로 동일한 연산 과정을 포함할 수 있다. 예를 들어, 제2 그룹(820)의 레이어들은 제3 그룹(830)의 레이어들 중 적어도 일부와 동일할 수 있다. 일 실시 예에서, 신경망 모델의 제3 그룹(830)과 제4 그룹(840)은 동일한 연산 과정을 포함할 수 있다. 예를 들어, 신경망 모델의 제3 그룹(830)과 제4 그룹(840)이 포함하는 레이어들은 동일할 수 있다.

일 실시 예에서, 입력 프레임을 각 그룹(810 내지 850)을 순차적으로 통과시켜 이미지 처리를 수행할 때, 각 그룹의 연산과정이 동일하고, 연산 과정에 사용되는 weight 값과 bias 값이 동일한 경우, 이전 그룹의 계산 결과를 사용할 수 있다.

일 실시 예에서, 도 8을 참조하면, 프로세서(210)는 n번째 프레임이 제2 그룹(820)의 입력으로 사용될 때 제1 그룹(810)의 계산 결과 및/또는 연산 과정을 제2 그룹(820)의 계산 결과 및/또는 연산 과정으로 사용할 수 있다. 예를 들어, 프로세서(210)는 제1 그룹(810)과 제2 그룹(820)이 동일한 연산 과정을 포함하고, 상기 연산 과정(예: 컨볼루션 연산)에 사용되는 weight 값과 bias 값이 동일한 경우, n번째 프레임이 제2 그룹(820)의 입력으로 사용될 때, 제2 그룹에 기초한 연산을 수행하지 않고, 제1 그룹(810)의 계산 결과 및/또는 연산 과정을 제2 그룹(820)의 계산 결과 및/또는 연산과정으로 사용할 수 있다.

일 실시 예에서, 도 8을 참조하면, 프로세서(210)는 n번째 프레임이 제3 그룹(830)의 입력으로 사용될 때 제1 그룹(810)의 계산 결과 및/또는 연산 과정을 제3 그룹(830)에서 부분적으로 사용할 수 있다. 예를 들어, 프로세서(210)는 제2 그룹(820)과 제3 그룹(830)이 부분적으로 동일한 연산 과정을 포함하고, 상기 연산 과정(예: 컨볼루션 연산)에 사용되는 weight 값과 bias 값이 동일한 경우, n번째 프레임이 제3 그룹(830)의 입력으로 사용될 때 제1 그룹(810)의 계산 결과 및/또는 연산 과정을 제2 그룹(820)의 중간 연산 결과 및/또는 중간 연산 과정으로 사용할 수 있다.

일 실시 예에서, 도 8을 참조하면, 프로세서(210)는 n번째 프레임이 제4 그룹(820)의 입력으로 사용될 때 제3 그룹(810)의 계산 결과 및/또는 연산 과정을 제4 그룹(840)의 계산 결과 및/또는 연산 과정으로 사용할 수 있다. 예를 들어, 프로세서(210)는 제3 그룹(830)과 제4 그룹(840)이 동일한 연산 과정을 포함하고, 상기 연산 과정(예: 컨볼루션 연산)에 사용되는 weight 값과 bias 값이 동일한 경우, n번째 프레임이 제4 그룹(840)의 입력으로 사용될 때 n번째 프레임을 입력으로 하는 제4 그룹의 연산을 수행하지 않고, 제3 그룹(830)의 계산 결과 및/또는 연산 과정을 제4 그룹(840)의 계산 결과 및/또는 연산과정으로 사용할 수 있다.

위와 같은 도 8의 설명은 n번째 프레임에 적용되는 것으로 작성되어 있지만, n번째 이후에 연속적으로 획득되는 n+1번째 프레임, n+2번째 프레임, 및 n+3번째 프레임에도 동일하게 적용될 수 있다.

도 9는 일 실시 예에 따른 전자 장치에서, 신경망 모델의 그룹들이 동일한 연산 과정을 포함하고 있는 경우의 처리를 나타낸다.

도 9를 참조하면, 신경망 모델은 제1 그룹(910), 제2 그룹(920), 제3 그룹(930), 제4 그룹(940), 및 제5 그룹(950)을 포함할 수 있다. 상기 그룹들(910 내지 950)은 복수 개의 레이어를 포함할 수 있다. 도 9에서 각 레이어들은 연산 과정 및/또는 연산 파라미터를 의미할 수 있다.

도 9을 참조하면, 일 실시 예에서, 신경망 모델의 제1 그룹(910) 내지 제4 그룹(940)의 연산 과정은 상이할 수 있다. 다시 말해서, 상기 제1 그룹(910) 내지 제4 그룹(940)이 포함하는 레이어는 동일하지 않을 수 있다. 일 실시 예에서, 신경망 모델의 제1 그룹(910)과 제3 그룹(930)은 부분적으로 동일할 수 있다. 예를 들어, 제1 그룹(910)의 레이어들은 제3 그룹(930)의 레이어들 중 적어도 일부와 동일할 수 있다. 일 실시 예에서, 신경망 모델의 제2 그룹(920)과 제4 그룹(940)은 부분적으로 동일할 수 있다. 예를 들어, 제2 그룹(920)의 레이어들은 제4 그룹(940)의 레이어들 중 적어도 일부와 동일할 수 있다.

일 실시 예에서, 입력 프레임을 각 그룹(910 내지 950)을 순차적으로 통과시켜 이미지 처리를 수행할 때, 각 그룹의 연산과정이 동일하고, 연산 과정에 사용되는 weight 값과 bias 값이 동일한 경우, 프로세서(210)는 이전 그룹의 계산 결과를 사용할 수 있다.

일 실시 예에서, 도 9를 참조하면, 프로세서(210)는 n번째 프레임을 제1 그룹(910)의 입력으로 연산 처리할 수 있다. 제1 그룹(910)과 제2 그룹(920)의 연산과정이 동일하지 않거나 연산과정에 사용되는 weight 값과 bias 동일하지 않으므로, 프로세서(210)는 제1 그룹(910)의 연산 결과 및/또는 연산 과정을 제2 그룹(920)에서 사용할 수 없다. 다시 말해서, 프로세서(210)는 n번째 프레임의 제1 그룹(910) 연산 결과를 제2 그룹(920)의 입력으로 연산 처리할 수 있다.

일 실시 예에서, 도 9을 참조하면, 프로세서(210)는 n번째 프레임이 제3 그룹(930)의 입력으로 사용될 때 제1 그룹(910)의 계산 결과 및/또는 연산 과정을 제3 그룹(930)의 중간 연산 결과 및/또는 중간 연산 과정으로 사용할 수 있다. 예를 들어, 프로세서(210)는 제1 그룹(910)과 제3 그룹(930)의 연산 과정, 상기 연산 과정(예: 컨볼루션 연산)에 사용되는 weight 값과 bias 값이 특정 부분에서만 일치하는 경우에 상기 일치하는 부분까지, 제3 그룹(930)에서 제1 그룹(910)과 동일한 부분은 수행하지 않고, 제1 그룹(910)의 계산 결과 및/또는 연산 과정을 재사용할 수 있다.

일 실시 예에서, 도 9을 참조하면, 프로세서(210)는 n번째 프레임이 제4 그룹(940)의 입력으로 사용될 때 제2 그룹(920)의 계산 결과 및/또는 연산 과정을 제4 그룹(940)의 중간 연산 결과 및/또는 중간 연산 과정으로 사용할 수 있다.

위와 같은 도 9의 설명은 n번째 프레임에 적용되는 것으로 작성되어 있지만, n번째 이후에 연속적으로 획득되는 n+1번째 프레임, n+2번째 프레임, 및 n+3번째 프레임에도 동일하게 적용될 수 있다.

도 10은 다양한 실시 예들에 따른 네트워크 환경(1000) 내의 전자 장치(1001)의 블록도이다.

도 10을 참조하면, 네트워크 환경(1000)에서 전자 장치(1001)는 제1 네트워크(1098)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1002)와 통신하거나, 또는 제2 네트워크(1099)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1004) 또는 서버(1008)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(1001)는 서버(1008)를 통하여 전자 장치(1004)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(1001)는 프로세서(1020), 메모리(1030), 입력 모듈(1050), 음향 출력 모듈(1055), 디스플레이 모듈(1060), 오디오 모듈(1070), 센서 모듈(1076), 인터페이스(1077), 연결 단자(1078), 햅틱 모듈(1079), 카메라 모듈(1080), 전력 관리 모듈(1088), 배터리(1089), 통신 모듈(1090), 가입자 식별 모듈(1096), 또는 안테나 모듈(1097)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1001)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1078))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시 예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1076), 카메라 모듈(1080), 또는 안테나 모듈(1097))은 하나의 구성요소(예: 디스플레이 모듈(1060))로 통합될 수 있다.

프로세서(1020)는, 예를 들면, 소프트웨어(예: 프로그램(1040))를 실행하여 프로세서(1020)에 연결된 전자 장치(1001)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1020)는 다른 구성요소(예: 센서 모듈(1076) 또는 통신 모듈(1090))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1032)에 저장하고, 휘발성 메모리(1032)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1034)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(1020)는 메인 프로세서(1021)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1023)(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(1001)가 메인 프로세서(1021) 및 보조 프로세서(1023)를 포함하는 경우, 보조 프로세서(1023)는 메인 프로세서(1021)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1023)는 메인 프로세서(1021)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(1023)는, 예를 들면, 메인 프로세서(1021)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1021)를 대신하여, 또는 메인 프로세서(1021)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1021)와 함께, 전자 장치(1001)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1060), 센서 모듈(1076), 또는 통신 모듈(1090))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(1023)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1080) 또는 통신 모듈(1090))의 일부로서 구현될 수 있다. 일 실시 예에 따르면, 보조 프로세서(1023)(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, 인공지능이 수행되는 전자 장치(1001) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1008))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(1030)는, 전자 장치(1001)의 적어도 하나의 구성요소(예: 프로세서(1020) 또는 센서 모듈(1076))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1040)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1030)는, 휘발성 메모리(1032) 또는 비휘발성 메모리(1034)를 포함할 수 있다.

프로그램(1040)은 메모리(1030)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1042), 미들 웨어(1044) 또는 어플리케이션(1046)을 포함할 수 있다.

입력 모듈(1050)은, 전자 장치(1001)의 구성요소(예: 프로세서(1020))에 사용될 명령 또는 데이터를 전자 장치(1001)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1050)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(1055)은 음향 신호를 전자 장치(1001)의 외부로 출력할 수 있다. 음향 출력 모듈(1055)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. 일 실시 예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(1060)은 전자 장치(1001)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1060)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 디스플레이 모듈(1060)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(1070)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(1070)은, 입력 모듈(1050)을 통해 소리를 획득하거나, 음향 출력 모듈(1055), 또는 전자 장치(1001)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1002))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(1076)은 전자 장치(1001)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. 일 실시 예에 따르면, 센서 모듈(1076)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(1077)는 전자 장치(1001)가 외부 전자 장치(예: 전자 장치(1002))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(1077)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(1078)는, 그를 통해서 전자 장치(1001)가 외부 전자 장치(예: 전자 장치(1002))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시 예에 따르면, 연결 단자(1078)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(1079)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시 예에 따르면, 햅틱 모듈(1079)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(1080)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(1080)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(1088)은 전자 장치(1001)에 공급되는 전력을 관리할 수 있다. 일 실시 예에 따르면, 전력 관리 모듈(1088)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(1089)는 전자 장치(1001)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시 예에 따르면, 배터리(1089)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(1090)은 전자 장치(1001)와 외부 전자 장치(예: 전자 장치(1002), 전자 장치(1004), 또는 서버(1008)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1090)은 프로세서(1020)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(1090)은 무선 통신 모듈(1092)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1094)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(1098)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(1099)(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(1004)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(1092)은 가입자 식별 모듈(1096)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(1098) 또는 제2 네트워크(1099)와 같은 통신 네트워크 내에서 전자 장치(1001)를 확인 또는 인증할 수 있다.

무선 통신 모듈(1092)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(1092)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1092)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(1092)은 전자 장치(1001), 외부 전자 장치(예: 전자 장치(1004)) 또는 네트워크 시스템(예: 제2 네트워크(1099))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1092)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(1097)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시 예에 따르면, 안테나 모듈(1097)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시 예에 따르면, 안테나 모듈(1097)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(1098) 또는 제2 네트워크(1099)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1090)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1090)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시 예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(1097)의 일부로 형성될 수 있다.

다양한 실시 예에 따르면, 안테나 모듈(1097)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시 예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 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 제2 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 실시 예에 따르면, 명령 또는 데이터는 제2 네트워크(1099)에 연결된 서버(1008)를 통해서 전자 장치(1001)와 외부의 전자 장치(1004)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1002, 또는 1004) 각각은 전자 장치(1001)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(1001)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1002, 1004, 또는 1008) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1001)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1001)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(1001)로 전달할 수 있다. 전자 장치(1001)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(1001)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시 예에 있어서, 외부의 전자 장치(1004)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1008)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시 예에 따르면, 외부의 전자 장치(1004) 또는 서버(1008)는 제2 네트워크(1099) 내에 포함될 수 있다. 전자 장치(1001)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 11은 다양한 실시 예들에 따른, 카메라 모듈(1080)을 예시하는 블럭도(1100)이다.

도 11를 참조하면, 카메라 모듈(1080)은 렌즈 어셈블리(1110), 플래쉬(1120), 이미지 센서(1130), 이미지 스태빌라이저(1140), 메모리(1150)(예: 버퍼 메모리), 또는 이미지 시그널 프로세서(1160)를 포함할 수 있다. 렌즈 어셈블리(1110)는 이미지 촬영의 대상인 피사체로부터 방출되는 빛을 수집할 수 있다. 렌즈 어셈블리(1110)는 하나 또는 그 이상의 렌즈들을 포함할 수 있다. 일 실시 예에 따르면, 카메라 모듈(1080)은 복수의 렌즈 어셈블리(1110)들을 포함할 수 있다. 이런 경우, 카메라 모듈(1080)은, 예를 들면, 듀얼 카메라, 360도 카메라, 또는 구형 카메라(spherical camera)를 형성할 수 있다. 복수의 렌즈 어셈블리(1110)들 중 일부는 동일한 렌즈 속성(예: 화각, 초점 거리, 자동 초점, f 넘버(f number), 또는 광학 줌)을 갖거나, 또는 적어도 하나의 렌즈 어셈블리는 다른 렌즈 어셈블리의 렌즈 속성들과 다른 하나 이상의 렌즈 속성들을 가질 수 있다. 렌즈 어셈블리(1110)는, 예를 들면, 광각 렌즈 또는 망원 렌즈를 포함할 수 있다.

플래쉬(1120)는 피사체로부터 방출 또는 반사되는 빛을 강화하기 위하여 사용되는 빛을 방출할 수 있다. 일 실시 예에 따르면, 플래쉬(1120)는 하나 이상의 발광 다이오드들(예: RGB(red-green-blue) LED, white LED, infrared LED, 또는 ultraviolet LED), 또는 xenon lamp를 포함할 수 있다. 이미지 센서(1130)는 피사체로부터 방출 또는 반사되어 렌즈 어셈블리(1110)를 통해 전달된 빛을 전기적인 신호로 변환함으로써, 상기 피사체에 대응하는 이미지를 획득할 수 있다. 일 실시 예에 따르면, 이미지 센서(1130)는, 예를 들면, RGB 센서, BW(black and white) 센서, IR 센서, 또는 UV 센서와 같이 속성이 다른 이미지 센서들 중 선택된 하나의 이미지 센서, 동일한 속성을 갖는 복수의 이미지 센서들, 또는 다른 속성을 갖는 복수의 이미지 센서들을 포함할 수 있다. 이미지 센서(1130)에 포함된 각각의 이미지 센서는, 예를 들면, CCD(charged coupled device) 센서 또는 CMOS(complementary metal oxide semiconductor) 센서를 이용하여 구현될 수 있다.

이미지 스태빌라이저(1140)는 카메라 모듈(1080) 또는 이를 포함하는 전자 장치(1001)의 움직임에 반응하여, 렌즈 어셈블리(1110)에 포함된 적어도 하나의 렌즈 또는 이미지 센서(1130)를 특정한 방향으로 움직이거나 이미지 센서(1130)의 동작 특성을 제어(예: 리드 아웃(read-out) 타이밍을 조정 등)할 수 있다. 이는 촬영되는 이미지에 대한 상기 움직임에 의한 부정적인 영향의 적어도 일부를 보상하게 해 준다. 일 실시 예에 따르면, 이미지 스태빌라이저(1140)는, 일 실시 예에 따르면, 이미지 스태빌라이저(1140)는 카메라 모듈(1080)의 내부 또는 외부에 배치된 자이로 센서(미도시) 또는 가속도 센서(미도시)를 이용하여 카메라 모듈(1080) 또는 전자 장치(1001)의 그런 움직임을 감지할 수 있다. 일 실시 예에 따르면, 이미지 스태빌라이저(1140)는, 예를 들면, 광학식 이미지 스태빌라이저로 구현될 수 있다. 메모리(1150)는 이미지 센서(1130)를 통하여 획득된 이미지의 적어도 일부를 다음 이미지 처리 작업을 위하여 적어도 일시 저장할 수 있다. 예를 들어, 셔터에 따른 이미지 획득이 지연되거나, 또는 복수의 이미지들이 고속으로 획득되는 경우, 획득된 원본 이미지(예: Bayer-patterned 이미지 또는 높은 해상도의 이미지)는 메모리(1150)에 저장이 되고, 그에 대응하는 사본 이미지(예: 낮은 해상도의 이미지)는 표시 장치(1060)를 통하여 프리뷰 될 수 있다. 이후, 지정된 조건이 만족되면(예: 사용자 입력 또는 시스템 명령) 메모리(1150)에 저장되었던 원본 이미지의 적어도 일부가, 예를 들면, 이미지 시그널 프로세서(1160)에 의해 획득되어 처리될 수 있다. 일 실시 예에 따르면, 메모리(1150)는 메모리(1030)의 적어도 일부로, 또는 이와는 독립적으로 운영되는 별도의 메모리로 구성될 수 있다.

이미지 시그널 프로세서(1160)는 이미지 센서(1130)를 통하여 획득된 이미지 또는 메모리(1150)에 저장된 이미지에 대하여 하나 이상의 이미지 처리들을 수행할 수 있다. 상기 하나 이상의 이미지 처리들은, 예를 들면, 깊이 지도(depth map) 생성, 3차원 모델링, 파노라마 생성, 특징점 추출, 이미지 합성, 또는 이미지 보상(예: 노이즈 감소, 해상도 조정, 밝기 조정, 블러링(blurring), 샤프닝(sharpening), 또는 소프트닝(softening)을 포함할 수 있다. 추가적으로 또는 대체적으로, 이미지 시그널 프로세서(1160)는 카메라 모듈(1080)에 포함된 구성 요소들 중 적어도 하나(예: 이미지 센서(1130))에 대한 제어(예: 노출 시간 제어, 또는 리드 아웃 타이밍 제어 등)를 수행할 수 있다. 이미지 시그널 프로세서(1160)에 의해 처리된 이미지는 추가 처리를 위하여 메모리(1150)에 다시 저장되거나 카메라 모듈(1080)의 외부 구성 요소(예: 메모리(1030), 표시 장치(1060), 전자 장치(1002), 전자 장치(1004), 또는 서버(1008))로 제공될 수 있다. 일 실시 예에 따르면, 이미지 시그널 프로세서(1160)는 프로세서(1020)의 적어도 일부로 구성되거나, 프로세서(1020)와 독립적으로 운영되는 별도의 프로세서로 구성될 수 있다. 이미지 시그널 프로세서(1160)가 프로세서(1020)와 별도의 프로세서로 구성된 경우, 이미지 시그널 프로세서(1160)에 의해 처리된 적어도 하나의 이미지는 프로세서(1020)에 의하여 그대로 또는 추가의 이미지 처리를 거친 후 표시 장치(1060)를 통해 표시될 수 있다.

일 실시 예에 따르면, 전자 장치(1001)는 각각 다른 속성 또는 기능을 가진 복수의 카메라 모듈(1080)들을 포함할 수 있다. 이런 경우, 예를 들면, 상기 복수의 카메라 모듈(1080)들 중 적어도 하나는 광각 카메라이고, 적어도 다른 하나는 망원 카메라일 수 있다. 유사하게, 상기 복수의 카메라 모듈(1080)들 중 적어도 하나는 전면 카메라이고, 적어도 다른 하나는 후면 카메라일 수 있다.

상술한 바와 같이, 일 실시 예에 따른 전자 장치(예: 도 2의 전자 장치(100))는 카메라(예: 도 2의 카메라(180)), 메모리(예: 도 2의 메모리(230)), 및 적어도 하나의 프로세서(예: 도 2의 프로세서(210))를 포함하고, 상기 적어도 하나의 프로세서는 이미지를 생성하기 위한 신경망 모델을 실행하고, 상기 신경망 모델은 복수 개의 연산 레이어들 중 적어도 제1 연산 레이어를 포함하는 제1 그룹(예: 도 2의 제1 그룹(211_1)) 및 상기 복수 개의 연산 레이어들 중 적어도 제2 연산 레이어를 포함하는 제2 그룹(예: 도 2의 제1 그룹(211_2))을 포함함, 상기 카메라를 이용하여 복수의 프레임들을 연속적으로 획득하고(consecutively obtain), 상기 복수의 프레임들 중 제1 프레임을 상기 신경망 모델의 상기 제1 그룹에 제1 입력으로 제공하고, 상기 제1 입력에 대응하는 제1 결과 데이터를 상기 메모리에 저장하고, 상기 제1 프레임을 상기 제2 그룹에 제2 입력으로 제공하고, 상기 제2 그룹의 제2 연산 파라미터가 상기 제1 그룹의 제1 연산 파라미터와 동일한지 여부를 판단하고, 상기 제2 연산 파라미터와 상기 제1 연산 파라미터가 동일하면, 상기 제2 그룹에 기반한 신경망 연산의 수행 없이 상기 제1 결과 데이터를 상기 제2 입력에 대응하는 제2 결과 데이터로서 획득하고, 상기 제2 연산 파라미터와 상기 제1 연산 파라미터가 구별되면, 상기 제2 그룹의 연산 파라미터에 기반하여 상기 신경망 연산을 수행하여 상기 제1 결과 데이터와 구별되는 제2 결과 데이터를 획득할 수 있다.

일 실시 예에 따르면, 상기 신경망 모델은 복수 개의 연산 레이어들 중 적어도 제3 연산 레이어를 포함하는 제3 그룹을 더 포함하고, 상기 적어도 하나의 프로세서는, 상기 복수의 프레임들 중 상기 제1 프레임에 연속하는 제2 프레임을 상기 신경망 모델의 상기 제1 그룹에 제3 입력으로 제공하고, 상기 제3 입력에 대응하는 제3 결과 데이터를 획득하고, 상기 제1 프레임의 상기 제2 결과 데이터 및 상기 제2 프레임의 상기 제3 결과 데이터에 기반하여 상기 이미지를 생성할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 제3 결과 데이터를 상기 메모리에 저장할 수 있다.

일 실시 예에 따르면, 상기 전자 장치는 디스플레이를 더 포함하고, 상기 적어도 하나의 프로세서는 상기 생성된 이미지를 상기 디스플레이를 통해 표시할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 제1 그룹의 연산 구조와 상기 제2 그룹의 연산 구조가 동일한지 판단할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 제1 그룹의 연산 구조와 상기 제2 그룹의 연산 구조가 동일한 경우, 상기 제2 그룹에 기반한 신경망 연산의 수행을 생략할 수 있다.

일 실시 예에 따르면, 상기 제1 연산 파라미터, 및 상기 제2 연산 파라미터는 컨볼루션 연산에 사용되는 웨이트(weight) 값, 바이어스(bias) 값 중 적어도 하나일 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 제1 그룹의 연산 구조가 상기 제2 그룹의 연산 구조의 적어도 일부분과 동일한 경우, 상기 제1 결과 데이터를 상기 제2 그룹의 상기 적어도 일부분과 동일한 부분까지의 중간 결과 데이터로서 획득할 수 있다.

일 실시 예에 따르면, 상기 제1 연산 레이어, 및 상기 제2 연산 레이어는 적어도 컨볼루션 레이어를 포함할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 제1 결과 데이터를 상기 메모리에 저장함에 있어서, 상기 제1 결과 데이터에 대한 재사용 정보를 생성할 수 있다.

상술한 바와 같이, 전자 장치의 동작 방법은 카메라를 이용하여 복수의 프레임들을 연속적으로 획득(consecutively obtain)는 동작, 상기 복수의 프레임들 중 제1 프레임을 신경망 모델의 제1 그룹에 제1 입력으로 제공하는 동작, 상기 제1 입력에 대응하는 제1 결과 데이터를 메모리에 저장하는 동작, 상기 제1 프레임을 제2 그룹에 제2 입력으로 제공하는 동작, 상기 제2 그룹의 제2 연산 파라미터가 상기 제1 그룹의 제1 연산 파라미터와 동일한지 여부를 판단하는 동작, 상기 제2 연산 파라미터와 상기 제1 연산 파라미터가 동일하면, 상기 제2 그룹에 기반한 신경망 연산의 수행 없이 상기 제1 결과 데이터를 상기 제2 입력에 대응하는 제2 결과 데이터로서 획득하는 동작 및 상기 제2 연산 파라미터와 상기 제1 연산 파라미터가 구별되면, 상기 제2 그룹의 연산 파라미터에 기반하여 상기 신경망 연산을 수행하여 상기 제1 결과 데이터와 구별되는 제2 결과 데이터를 획득하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 복수의 프레임들 중 상기 제1 프레임에 연속하는 제2 프레임을 상기 신경망 모델의 상기 제1 그룹에 제3 입력으로 제공하는 동작, 상기 제3 입력에 대응하는 제3 결과 데이터를 획득하는 동작 및 상기 제1 프레임의 상기 제2 결과 데이터 및 상기 제2 프레임의 상기 제3 결과 데이터에 기반하여 이미지를 생성하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 제3 결과 데이터를 상기 메모리에 저장하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 생성된 이미지를 디스플레이를 통해 표시하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 제1 그룹의 연산 구조와 상기 제2 그룹의 연산 구조가 동일한지 판단하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 제1 그룹의 연산 구조와 상기 제2 그룹의 연산 구조가 동일한 경우, 상기 제2 그룹에 기반한 신경망 연산의 수행을 생략하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 제1 연산 파라미터, 및 상기 제2 연산 파라미터는 컨볼루션 연산에 사용되는 웨이트(weight) 값, 바이어스(bias) 값 중 적어도 하나일 수 있다.

일 실시 예에 따르면, 상기 제1 그룹의 연산 구조가 상기 제2 그룹의 연산 구조의 적어도 일부분과 동일한 경우, 상기 제1 결과 데이터를 상기 제2 그룹의 상기 적어도 일부분과 동일한 부분까지의 중간 결과 데이터로서 획득하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 제1 그룹이 포함하는 제1 연산 레이어, 및 상기 제2 그룹이 포함하는 제2 연산 레이어는 적어도 컨볼루션 레이어를 포함할 수 있다.

일 실시 예에 따르면, 상기 제1 결과 데이터를 상기 메모리에 저장함에 있어서, 상기 제1 결과 데이터에 대한 재사용 정보를 생성하는 동작을 포함할 수 있다.

본 문서에 개시된 다양한 실시 예들에 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 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예들로 한정하려는 것이 아니며, 해당 실시 예의 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. "제1", "제2", 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: 제1) 구성요소가 다른(예: 제2) 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 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서의 다양한 실시 예들에서 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, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시 예들은 기기(machine)(예: 전자 장치(1001)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1036) 또는 외장 메모리(1038))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1040))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1001))의 프로세서(예: 프로세서(1020))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.

일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 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 스토어^TM)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 실시 예들에 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 실시 예들에 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 실시 예들에 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.

Claims (20)

1. 전자 장치에 있어서,
   카메라,
   메모리, 및
   적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는:
   이미지를 생성하기 위한 신경망 모델을 실행하고, 상기 신경망 모델은 복수 개의 연산 레이어들 중 적어도 제1 연산 레이어를 포함하는 제1 그룹 및 상기 복수 개의 연산 레이어들 중 적어도 제2 연산 레이어를 포함하는 제2 그룹을 포함함;
   상기 카메라를 이용하여 복수의 프레임들을 연속적으로 획득하고(consecutively obtain);
   상기 복수의 프레임들 중 제1 프레임을 상기 신경망 모델의 상기 제1 그룹에 제1 입력으로 제공하고;
   상기 제1 입력에 대응하는 제1 결과 데이터를 상기 메모리에 저장하고;
   상기 제1 프레임을 상기 제2 그룹에 제2 입력으로 제공하고;
   상기 제2 그룹의 제2 연산 파라미터가 상기 제1 그룹의 제1 연산 파라미터와 동일한지 여부를 판단하고,
   상기 제2 연산 파라미터와 상기 제1 연산 파라미터가 동일하면, 상기 제2 그룹에 기반한 신경망 연산의 수행 없이 상기 제1 결과 데이터를 상기 제2 입력에 대응하는 제2 결과 데이터로서 획득하고;
   상기 제2 연산 파라미터와 상기 제1 연산 파라미터가 구별되면, 상기 제2 그룹의 연산 파라미터에 기반하여 상기 신경망 연산을 수행하여 상기 제1 결과 데이터와 구별되는 제2 결과 데이터를 획득하는, 전자 장치.
2. 청구항 1에 있어서,
   상기 신경망 모델은 복수 개의 연산 레이어들 중 적어도 제3 연산 레이어를 포함하는 제3 그룹을 더 포함하고,
   상기 적어도 하나의 프로세서는:
   상기 복수의 프레임들 중 상기 제1 프레임에 연속하는 제2 프레임을 상기 신경망 모델의 상기 제1 그룹에 제3 입력으로 제공하고;
   상기 제3 입력에 대응하는 제3 결과 데이터를 획득하고;
   상기 제1 프레임의 상기 제2 결과 데이터 및 상기 제2 프레임의 상기 제3 결과 데이터에 기반하여 상기 이미지를 생성하는, 전자 장치.
3. 청구항 2에 있어서,
   상기 적어도 하나의 프로세서는 상기 제3 결과 데이터를 상기 메모리에 저장하는, 전자 장치.
4. 청구항 2에 있어서,
   상기 전자 장치는 디스플레이를 더 포함하고,
   상기 적어도 하나의 프로세서는 상기 생성된 이미지를 상기 디스플레이를 통해 표시하는, 전자 장치.
5. 청구항 1에 있어서,
   상기 적어도 하나의 프로세서는 상기 제1 그룹의 연산 구조와 상기 제2 그룹의 연산 구조가 동일한지 판단하는, 전자 장치.
6. 청구항 5에 있어서,
   상기 적어도 하나의 프로세서는 상기 제1 그룹의 연산 구조와 상기 제2 그룹의 연산 구조가 동일한 경우, 상기 제2 그룹에 기반한 신경망 연산의 수행을 생략하는, 전자 장치.
7. 청구항 1에 있어서,
   상기 제1 연산 파라미터, 및 상기 제2 연산 파라미터는 컨볼루션 연산에 사용되는 웨이트(weight) 값, 바이어스(bias) 값 중 적어도 하나인, 전자 장치.
8. 청구항 1에 있어서,
   상기 적어도 하나의 프로세서는 상기 제1 그룹의 연산 구조가 상기 제2 그룹의 연산 구조의 적어도 일부분과 동일한 경우, 상기 제1 결과 데이터를 상기 제2 그룹의 상기 적어도 일부분과 동일한 부분까지의 중간 결과 데이터로서 획득하는, 전자 장치.
9. 청구항 1에 있어서,
   상기 제1 연산 레이어, 및 상기 제2 연산 레이어는 적어도 컨볼루션 레이어를 포함하는, 전자 장치.
10. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는 상기 제1 결과 데이터를 상기 메모리에 저장함에 있어서, 상기 제1 결과 데이터에 대한 재사용 정보를 생성하는, 전자 장치.
11. 전자 장치의 동작 방법에 있어서,
    카메라를 이용하여 복수의 프레임들을 연속적으로 획득(consecutively obtain)는 동작;
    상기 복수의 프레임들 중 제1 프레임을 신경망 모델의 제1 그룹에 제1 입력으로 제공하는 동작;
    상기 제1 입력에 대응하는 제1 결과 데이터를 메모리에 저장하는 동작;
    상기 제1 프레임을 제2 그룹에 제2 입력으로 제공하는 동작;
    상기 제2 그룹의 제2 연산 파라미터가 상기 제1 그룹의 제1 연산 파라미터와 동일한지 여부를 판단하는 동작;
    상기 제2 연산 파라미터와 상기 제1 연산 파라미터가 동일하면, 상기 제2 그룹에 기반한 신경망 연산의 수행 없이 상기 제1 결과 데이터를 상기 제2 입력에 대응하는 제2 결과 데이터로서 획득하는 동작; 및
    상기 제2 연산 파라미터와 상기 제1 연산 파라미터가 구별되면, 상기 제2 그룹의 연산 파라미터에 기반하여 상기 신경망 연산을 수행하여 상기 제1 결과 데이터와 구별되는 제2 결과 데이터를 획득하는 동작을 포함하는, 방법.
12. 청구항 11에 있어서,
    상기 복수의 프레임들 중 상기 제1 프레임에 연속하는 제2 프레임을 상기 신경망 모델의 상기 제1 그룹에 제3 입력으로 제공하는 동작;
    상기 제3 입력에 대응하는 제3 결과 데이터를 획득하는 동작; 및
    상기 제1 프레임의 상기 제2 결과 데이터 및 상기 제2 프레임의 상기 제3 결과 데이터에 기반하여 이미지를 생성하는 동작을 포함하는, 방법.
13. 청구항 12에 있어서,
    상기 제3 결과 데이터를 상기 메모리에 저장하는 동작을 포함하는, 방법.
14. 청구항 12에 있어서,
    상기 생성된 이미지를 디스플레이를 통해 표시하는 동작을 포함하는, 방법.
15. 청구항 11에 있어서,
    상기 제1 그룹의 연산 구조와 상기 제2 그룹의 연산 구조가 동일한지 판단하는 동작을 포함하는, 방법.
16. 청구항 15에 있어서,
    상기 제1 그룹의 연산 구조와 상기 제2 그룹의 연산 구조가 동일한 경우, 상기 제2 그룹에 기반한 신경망 연산의 수행을 생략하는 동작을 포함하는, 방법.
17. 청구항 11에 있어서,
    상기 제1 연산 파라미터, 및 상기 제2 연산 파라미터는 컨볼루션 연산에 사용되는 웨이트(weight) 값, 바이어스(bias) 값 중 적어도 하나인, 방법.
18. 청구항 11에 있어서,
    상기 제1 그룹의 연산 구조가 상기 제2 그룹의 연산 구조의 적어도 일부분과 동일한 경우, 상기 제1 결과 데이터를 상기 제2 그룹의 상기 적어도 일부분과 동일한 부분까지의 중간 결과 데이터로서 획득하는 동작을 포함하는, 방법.
19. 청구항 11에 있어서,
    상기 제1 그룹이 포함하는 제1 연산 레이어, 및 상기 제2 그룹이 포함하는 제2 연산 레이어는 적어도 컨볼루션 레이어를 포함하는, 방법.
20. 청구항 11에 있어서,
    상기 제1 결과 데이터를 상기 메모리에 저장함에 있어서, 상기 제1 결과 데이터에 대한 재사용 정보를 생성하는 동작을 포함하는, 방법.
    

Images