KR20230060076A - 가상 메이크업을 지원하는 방법 및 디바이스 - Google Patents

가상 메이크업을 지원하는 방법 및 디바이스 Download PDF

Info

Publication number
KR20230060076A
KR20230060076A KR1020210144329A KR20210144329A KR20230060076A KR 20230060076 A KR20230060076 A KR 20230060076A KR 1020210144329 A KR1020210144329 A KR 1020210144329A KR 20210144329 A KR20210144329 A KR 20210144329A KR 20230060076 A KR20230060076 A KR 20230060076A
Authority
KR
South Korea
Prior art keywords
image
target product
product information
user image
user
Prior art date
Application number
KR1020210144329A
Other languages
English (en)
Inventor
양승진
Original Assignee
양승진
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 양승진 filed Critical 양승진
Priority to KR1020210144329A priority Critical patent/KR20230060076A/ko
Publication of KR20230060076A publication Critical patent/KR20230060076A/ko

Links

Images

Classifications

    • 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
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Computation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Tourism & Hospitality (AREA)
  • Architecture (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Processing Or Creating Images (AREA)

Abstract

일 실시 예에 따라, 신체 부위를 포함하는 사용자 이미지를 획득하는 단계; 기설정 광학 모델에 기초하여 상기 사용자 이미지로부터 특징값을 획득하는 단계; 상기 신체 부위에 대응되고 복수의 제품 정보 중 적어도 하나인 대상 제품 정보에 대한 선택 입력을 수신하는 단계; 상기 대상 제품 정보, 상기 사용자 이미지 및 상기 특징값에 기초하여 상기 상 제품 정보가 상기 사용자 이미지에 적용된 상기 가상 메이크업 결과를 나타내는 결과 이미지를 획득하는 단계; 및 상기 결과 이미지를 제공하는 단계;를 포함하는, 방법 및 디바이스가 개시된다.

Description

가상 메이크업을 지원하는 방법 및 디바이스{Methods and devices to support virtual makeup}
본 개시의 기술 분야는 제품 정보, 사용자 이미지 및 사용자 이미지로부터 획득된 특징값을 이용하여, 제품 정보가 사용자 이미지 상에 적용된 가상 메이크업 결과를 나타내는 결과 이미지를 획득하여 제공하는 기술 분야와 관련된다.
색조 화장품과 같은 색상을 표현하는 제품은, 실제 제품을 사용했을 때 제품의 실제 색상과 다르게 발색되는 경우가 존재한다.
이는 제품의 발색이 일반적으로 메이크업 층에서 산란, 흡수된 후 반사된 빛과 메이크업 층을 통과하여 피부에 흡수된 후 반사된 빛에 의해서 결정되기 때문인데, 종래에 가상 메이크업을 제공하는 기술들은 이러한 제품 발색의 광학적 특성을 고려하지 않고 단순히 제품의 색상을 사용자 이미지에 덧씌우는 방식을 이용하기 때문에 종래 가상 메이크업 결과와 실제 제품 사용에 따른 발색은 크게 차이나게 된다.
제품을 구매하기 전 실제 제품 사용 시 어떠한 발색으로 나타나며 자신에게 어울리는지 여부를 판단하고 싶어하는 소비자들의 니즈가 최근 들어 급격히 증가하고 있음에도, 제품 발색의 광학적 특성이 고려된 사실적인 가상 메이크업 결과를 제공하는 기술은 사실상 제공되지 못하고 있어, 소비자들의 니즈는 여전히 충족되지 않고 있다.
한국등록특허 제10-1793468호 (2017.10.30)
본 개시에서 해결하고자 하는 과제는 제품 발색과 관련된 광학적 특성을 고려하여 사실적인 가상 메이크업 결과 이미지를 제공하기 위한 것이다.
본 개시에서 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제 1 측면에 따른 가상 메이크업을 지원하는 방법은, 신체 부위를 포함하는 사용자 이미지를 획득하는 단계; 기설정 광학 모델에 기초하여 상기 사용자 이미지로부터 특징값을 획득하는 단계; 상기 신체 부위에 대응되고 복수의 제품 정보 중 적어도 하나인 대상 제품 정보에 대한 선택 입력을 수신하는 단계; 상기 대상 제품 정보, 상기 사용자 이미지 및 상기 특징값에 기초하여 상기 대상 제품 정보가 상기 사용자 이미지에 적용된 상기 가상 메이크업 결과를 나타내는 결과 이미지를 획득하는 단계; 및 상기 결과 이미지를 제공하는 단계;를 포함하는, 방법을 제공할 수 있다.
또한, 상기 사용자 이미지는 입술, 볼, 눈, 눈썹, 머리카락 중 적어도 하나를 나타내는 이미지를 포함할 수 있다.
또한, 상기 결과 이미지를 제공하는 단계는 상기 선택 입력에 따라 결정된 대상 제품 정보에 대한 대상 제품 명칭, 대상 제품 종류, 대상 제품 색상 및 판매 정보 중 적어도 하나를 디스플레이하는 단계;를 포함할 수 있다.
또한, 상기 사용자 이미지로부터 상기 특징값을 획득하는 단계는 상기 사용자 이미지를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정하는 단계; 상기 복수의 단위 영역 각각에 대한 명도, 채도 및 색상 중 적어도 하나를 포함하는 이미지 특성을 획득하는 단계; 및 상기 이미지 특성 및 상기 기설정 광학 모델에 기초하여, 상기 사용자 이미지로부터 상기 복수의 단위 영역 각각에 대한 반사율 및 투과율 중 적어도 하나를 포함하는 상기 특징값을 획득하는 단계;를 포함할 수 있다.
또한, 상기 기설정 광학 모델은 쿠벨카-뭉크(Kubelka-Munk) 광학 모델을 기초로 획득되는 딥러닝 학습 결과를 포함하고, 상기 딥러닝 학습 결과는 테스트 이미지에 대한 테스트 이미지 특성 및 상기 쿠벨카-뭉크 광학 모델에 기초하여, 상기 테스트 이미지로부터 테스트 특징값을 획득하는 학습에 따라 획득할 수 있다.
또한, 상기 결과 이미지를 획득하는 단계는 상기 사용자 이미지가 입술을 나타내는 이미지를 포함하는 경우, 상기 특징값, 이미지 특성, 대상 제품 색상의 순서로 높은 가중치를 부여하는 단계; 상기 부여된 가중치에 기초하여 상기 결과 이미지를 획득하는 단계;를 포함할 수 있다.
본 개시의 제 2 측면에 따른 가상 메이크업을 지원하는 디바이스는, 신체 부위를 포함하는 사용자 이미지를 획득하고, 상기 신체 부위에 대응되고 복수의 제품 정보 중 적어도 하나인 대상 제품 정보에 대한 선택 입력을 수신하는 통신부; 및 기설정 광학 모델에 기초하여 상기 사용자 이미지로부터 특징값을 획득하고, 상기 대상 제품 정보, 상기 사용자 이미지 및 상기 특징값에 기초하여 상기 대상 제품 정보가 상기 사용자 이미지에 적용된 상기 가상 메이크업 결과를 나타내는 결과 이미지를 획득하는 프로세서;를 포함하고, 상기 통신부는 상기 결과 이미지를 제공하는, 디바이스를 제공할 수 있다.
이 외에도 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 개시의 일 실시 예에 따르면, 제품 발색의 광학적 특성이 고려된 사실적인 가상 메이크업 결과 이미지를 제공할 수 있다.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 가상 메이크업 지원 디바이스의 구성을 개략적으로 도시한 블록도이다.
도 2는 일 실시 예에 따른 가상 메이크업 지원 디바이스가 동작하는 각 단계를 도시한 흐름도이다.
도 3은 일 실시 예에 따른 결과 이미지와 함께 대상 제품 정보가 제공되는 실시 예를 도시한 도면이다.
도 4는 일 실시 예에 따른 결과 이미지를 획득하는 단계를 개략적으로 도시한 흐름도이다.
본 개시에서 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술 되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시 예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 개시가 완전 하도록 하고, 해당 기술 분야에 속하는 통상의 기술자에게 본 개시의 범주를 완전하게 알려주기 위해 제공되는 것이다.
본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 개시를 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 개시의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 해당 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 개시에서 설명되는 가상 메이크업을 지원하는 방법 및 디바이스는 가상 메이크업 결과 이미지를 제공하는 시스템 또는 어플리케이션으로 구현될 수 있으며, 각각 관련 서버 또는 디바이스를 통해서 제공될 수 있다.
이하에서는 도면을 참조하여 다양한 실시 예들을 상세히 설명한다.
도 1은 일 실시 예에 따른 가상 메이크업 지원 디바이스(100)의 구성을 개략적으로 도시한 블록도이다.
도면을 참조하면, 가상 메이크업 지원 디바이스(100)는 통신부(110) 및 프로세서(120)를 포함할 수 있다.
일 실시 예에 따른 통신부(110)는 신체 부위를 포함하는 사용자 이미지를 획득하고, 신체 부위에 대응되고 복수의 제품 정보 중 적어도 하나인 대상 제품 정보에 대한 선택 입력을 수신할 수 있다.
일 실시 예에 따른 프로세서(120)는 기설정 광학 모델에 기초하여 사용자 이미지로부터 특징값을 획득하고, 대상 제품 정보, 사용자 이미지 및 특징값에 기초하여 대상 제품 정보가 사용자 이미지에 적용된 가상 메이크업 결과를 나타내는 결과 이미지를 획득할 수 있다.
또한, 통신부(110)는 결과 이미지를 제공할 수 있다.
더하여, 도 1에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 가상 메이크업 지원 디바이스(100)에 더 포함될 수 있음을 관련 기술 분야에서 통상의 지식을 가진 자라면 이해할 수 있다. 예를 들면, 가상 메이크업 지원 디바이스(100)는 사용자 이미지를 저장하는 메모리(미도시)를 더 포함할 수 있다. 또는 다른 실시 예에 따를 경우, 도 1에 도시된 구성요소들 중 일부 구성요소는 생략될 수 있음을 관련 기술 분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
일 실시 예에 따른 가상 메이크업 지원 디바이스(100)는 사용자 또는 작업자에 의해 이용될 수 있고, 휴대폰, 스마트폰, PDA(Personal Digital Assistant), PMP(Portable Multimedia Player), 태블릿 PC 등과 같이 터치 스크린 패널이 구비된 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 연동될 수 있으며, 이 외에도 데스크탑 PC, 태블릿 PC, 랩탑 PC, 셋탑 박스를 포함하는 IPTV와 같이, 애플리케이션을 설치하고 실행할 수 있는 기반이 마련된 장치에 포함되거나 연동될 수 있다.
가상 메이크업 지원 디바이스(100)는 본 명세서에서 설명되는 기능을 실현시키기 위한 컴퓨터 프로그램을 통해 동작하는 컴퓨터 등의 단말기로 구현될 수 있다.
일 실시 예에 따른 가상 메이크업 지원 디바이스(100)는 가상 메이크업 결과 이미지를 제공하는 시스템(미도시) 및 관련 서버(미도시)를 포함할 수 있으나, 이에 제한되지 않는다. 일 실시 예에 따른 시스템 및 서버는 가상 메이크업 결과 이미지를 제공하거나 이를 지원하는 애플리케이션을 지원할 수 있다.
이하에서는 일 실시 예에 따른 가상 메이크업 지원 디바이스(100)가 독립적으로 결과 이미지를 획득 및 제공하는 실시 예를 중심으로 서술하도록 하지만, 전술한 것처럼, 서버와의 연동을 통해 수행될 수도 있다. 즉, 일 실시 예에 따른 가상 메이크업 지원 디바이스(100)와 서버는 그 기능의 측면에서 통합 구현될 수 있고, 서버는 생략될 수도 있으며, 어느 하나의 실시 예에 제한되지 않음을 알 수 있다.
도 2는 일 실시 예에 따른 가상 메이크업 지원 디바이스(100)가 동작하는 각 단계를 도시한 흐름도이다.
단계 S210에서 가상 메이크업 지원 디바이스(100)는 신체 부위를 포함하는 사용자 이미지를 획득할 수 있다.
일 실시 예에 따른 사용자 이미지는 입술, 볼, 눈, 눈썹, 머리카락 중 적어도 하나를 나타내는 이미지를 포함할 수 있으나, 반드시 이에 제한되지는 않는다. 예를 들면, 사용자 이미지는 가상 메이크업을 수행할 수 있는 신체 부위라면 제한 없이 모두 포함할 수 있다.
단계 S220에서 가상 메이크업 지원 디바이스(100)는 기설정 광학 모델에 기초하여 사용자 사용자 이미지로부터 특징값을 획득할 수 있다.
일 실시 예에서, 특징값은 반사율 및 투과율을 포함할 수 있다. 예를 들면, 제품의 발색은 일반적으로 메이크업 층에서 산란/흡수된 후 반사된 빛과 메이크업 층을 통과하여 피부에 흡수된 후 반사된 빛에 의해서 결정되기 때문에, 사용자의 피부로부터 여러 색상들에 대한 반사율 및 투과율을 획득하고, 이를 반영하여 가상 메이크업을 수행하는 경우 실제 제품 사용에 따른 발색과 가장 유사하게 결과 이미지가 나타날 수 있다.
본원 발명에서는 이와 같이 사용자 이미지에 대한 반사율 및 투과율을 효과적으로 획득할 수 있는 '쿠벨카-뭉크(Kubelka-Munk) 광학 모델'을 기초로 한 기설정 광학 모델을 활용한다.
종래 공지된 쿠벨카-뭉크 광학 모델은 아래의 수학식 1 과 같이 나타낼 수 있다.
Figure pat00001
여기서 R은 반사율, T는 투과율, S는 산란계수, K는 흡수계수, a 및 b는 수식을 단순화하기 위한 매개변수이다.
종래에는 상기한 수학식 1에 기초하여 안료나 물감 재료에 대한 반사율 및 투과율을 획득할 수 있었다.
본 발명에서는, 사용자의 신체 부위를 나타내는 사용자 이미지로부터 반사율 및 투과율을 효과적으로 획득할 수 있도록, 쿠벨카-뭉크 광학 모델, 즉 수학식 1을 기초로 딥러닝 학습을 수행한다.
일 실시 예에서, 기설정 광학 모델은 쿠벨카-뭉크 광학 모델을 기초로 획득되는 딥러닝 학습 결과를 포함할 수 있다. 예를 들면, 가상 메이크업 결과 이미지를 제공하는 디바이스는, 딥러닝 학습을 위해 이용되는 테스트 이미지에 대한 명도, 채도 및 색상을 포함하는 테스트 이미지 특성 및 쿠벨카-뭉크 광학 모델에 기초하여, 테스트 이미지로부터 반사율 및 투과율을 포함하는 테스트 특징값을 획득하는 학습을 반복적으로 수행할 수 있다.
이러한 딥러닝 학습에 따른 결과를 포함하는 기설정 광학 모델을 활용함으로써 사용자 이미지로부터 보다 정확하게 반사율 및 투과율을 포함하는 특징값을 획득할 수 있다.
다시 사용자 이미지로부터 특징값을 획득하는 단계에 대해 설명하면, 가상 메이크업 지원 디바이스(100)는 사용자 이미지를 구성하고 하나 이상의 픽셀(Pixel)을 포함하는 복수의 단위 영역을 결정할 수 있다. 또한, 가상 메이크업 지원 디바이스(100)는 결정된 복수의 단위 영역 각각에 대한 명도, 채도 및 색상(R, G, B) 중 적어도 하나를 포함하는 이미지 특성을 획득할 수 있다.
가상 메이크업 지원 디바이스(100)는 이미지 특성, 기설정 광학 모델에 기초하여 사용자 이미지로부터 복수의 단위 영역 각각에 대한 반사율 및 투과율 중 적어도 하나를 포함하는 특징값을 획득할 수 있다.
여기서 사용자 이미지에 대한 복수의 단위 영역을 결정하는 것은 이미지로부터 획득되는 이미지 특성의 정확도를 향상시키기 위함이고, 복수의 단위 영역 각각에 대한 이미지 특성을 획득하는 것은 사용자 이미지로부터 획득되는 특징값의 정확도를 향상시키고, 결과적으로 가상 메이크업이 반영된 결과 이미지의 정확도를 향상시키기 위함일 수 있다. 또한, 명도, 채도 및 색상은 색의 3요소로, 이미지를 구성하는 복수의 단위 영역에 대한 색을 나타내기 위해 획득되는 것일 수 있다. 특징값은 이러한 복수의 단위 영역에 대한 색을 나타내는 이미지 특성 및 기설정 광학 모델에 기초하여 획득될 수 있다.
단계 S230에서 가상 메이크업 지원 디바이스(100)는 신체 부위에 대응되고 복수의 제품 정보 중 적어도 하나인 대상 제품 정보에 대한 선택 입력을 수신할 수 있다.
복수의 제품 정보는 신체 부위에 대응되는 제품 정보를 포함할 수 있다. 예를 들면, 립스틱, 아이섀도, 아이라이너, 헤어 염색약 등을 포함할 수 있다. 신체 부위에 대응되는 제품 정보는, 신체 부위에 사용 가능한 화장품에 대한 정보를 포함하는 표현일 수 있다.
가상 메이크업 지원 디바이스(100)는 사용자로부터 획득된 선택 입력에 기초하여 복수의 제품 정보 중 적어도 하나인 대상 제품 정보를 결정할 수 있다. 일 실시 예에서, 제품 정보는 제품 명칭, 제품 종류, 제품 색상 및 판매 정보 등 제품을 식별할 수 있는 상세 정보들을 포함할 수 있고, 제품 적용 범위, 제품 적용 방식, 제품 적용 농도, 제품 적용 채도, 제품 적용 밝기 등 가상 메이크업에 이용되는 데 필요한 정보들을 포함할 수도 있다. 단계 S230에서 선택 입력에 따라 결정되는 대상 제품 정보는 제품 색상일 수 있다.
단계 S240에서 가상 메이크업 지원 디바이스(100)는 대상 제품 정보, 사용자 이미지 및 특징값에 기초하여 대상 제품 정보가 사용자 이미지에 적용된 가상 메이크업 결과를 나타내는 결과 이미지를 획득할 수 있다.
예를 들면, 가상 메이크업 지원 디바이스(100)는 제품 색상, 제품 적용 범위, 제품 적용 방식, 제품 적용 농도, 제품 적용 채도, 제품 적용 밝기 등을 나타내는 대상 제품 정보를 사용자 이미지에 오버랩할 때, 사용자 이미지로부터 획득된 특징값을 반영한다. 특징값을 반영하게 되면 사용자 이미지에 따른 피부에 대한 광학적 특성이 고려된 결과 이미지가 획득되기 때문에 단순히 사용자 이미지에 제품 색상 등을 오버랩하는 종래 방식에 비해 가상 메이크업 결과 이미지에 따른 발색의 정확성이 크게 향상될 수 있다.
일 실시 예에서, 가상 메이크업 지원 디바이스(100)는 사용자 이미지가 입술을 나타내는 이미지를 포함하는 경우, 특징값, 이미지 특성, 대상 제품 색상의 순서로 높은 가중치를 부여하고, 부여된 가중치에 기초하여 결과 이미지를 획득할 수 있다.
예를 들면, 사용자 이미지에 따른 피부의 광학적 특성을 고려하는 것이 더욱 사실적이고 정확한 결과 이미지를 획득할 수 있기 때문에, 특징값에 가장 높은 가중치가 부여될 수 있다.
또한, 입술은 제품 사용이 잦은 부위이고, 생활에 따라서 입술에 사용된 제품의 색상이 자주 변하고, 입술에 사용된 제품 색상이 변하는 정도에 따라서 덧바른 제품의 발색이 다르게 나타난다는 점에서 사용자 이미지에 따른 이미지 특성을 고려하는 것이 중요하다고 볼 수 있기 때문에, 이미지 특성에 2순위로 높은 가중치가 부여될 수 있다.
또한, 대상 제품 색상의 경우 일정한 색상을 나타내는 요소이기 때문에 다른 요소들에 비해 그 중요도가 상대적으로 낮다는 점에서 대상 제품 색상에 3순위로 높은 가중치가 부여될 수 있다.
가상 메이크업 지원 디바이스(100)는 이와 같이 부여되는 가중치에 기초하여 결과 이미지를 획득함으로써, 결과 이미지의 발색에 대한 정확성을 크게 향상시킬 수 있다.
다른 실시 예에서, 사용자 이미지가 다른 신체 부위를 나타내는 경우, 부여되는 가중치의 순서는 상이하게 결정될 수 있다.
예를 들어, 사용자 이미지가 눈썹을 나타내는 경우, 특징값, 대상 제품의 색상 및 이미지 특성의 순서로 높은 가중치가 부여될 수 있다.
구체적으로, 눈썹 또한 특징값을 반영하는 것이 더욱 사실적인 결과 이미지를 획득할 수 있기 때문에, 특징값에 가장 높은 가중치가 부여될 수 있고, 눈썹의 경우 대체로 그 색상이 다양하지 않고 검은색 또는 갈색 계열로 나타나기 때문에 이미지 특성이 예측 가능한 범주 내에서 획득되고, 제품의 색상 자체가 결과 이미지에 더욱 많이 반영된다는 점에서 대상 제품의 색상에 2순위, 이미지 특성에 3순위로 높은 가중치가 부여될 수 있다.
이와 같이, 사용자 이미지에 포함된 신체 부위에 따라 가중치의 크기를 상이하게 결정함으로써, 신체 부위마다 정확한 결과 이미지를 획득할 수 있게 된다.
단계 S250에서 가상 메이크업 지원 디바이스(100)는 각 단계들을 통해 획득된 결과 이미지를 제공할 수 있다.
도 5를 참조하면, 일 실시 예에서, 가상 메이크업 지원 디바이스(100)는 단계 S230에서 획득된 선택 입력에 따라 결정된 대상 제품 정보에 대한 대상 제품 명칭, 대상 제품 종류, 대상 제품 색상 및 판매 정보 중 적어도 하나를 결과 이미지가 제공되는 화면에서 함께 디스플레이할 수 있다. 각 정보들은 결과 이미지가 제공되는 화면의 일 측에 위치한 리스트 상에 디스플레이될 수 있다.
이러한 경우, 사용자는 결과 이미지에 반영된 대상 제품에 대한 전반적인 정보를 쉽게 확인할 수 있고, 제공된 판매 정보에 대한 선택 입력에 따라 판매 페이지로 이동하거나 결제 화면이 제공될 수 있어, 가상 메이크업 지원 디바이스(100)를 통해 제품의 실제 발색을 예측하고, 예측한 상태에서 제품을 구매할 수 있어 사용자의 제품 구매에 대한 편의성을 크게 향상시킬 수 있다.
일 실시 예에 따르면, 가상 메이크업 지원 디바이스(100)는 결과 이미지가 제공되는 일 화면에서 대상 제품 정보가 디스플레이되는 순서를 우선 순위에 기초하여 결정할 수 있다.
구체적으로, 가상 메이크업 지원 디바이스(100)는 대상 제품 정보에 대한 대상 제품 명칭, 대상 제품 종류, 대상 제품 색상 및 판매 정보 중 적어도 하나에 대한 우선 순위를 결정하기 위해 서로 다른 크기의 가중치를 부여할 수 있고, 부여된 가중치에 기초하여 우선 순위를 결정하고, 결정된 우선 순위에 기초하여 리스트의 최상단부터 순차적으로 각 정보들을 디스플레이할 수 있다.
예를 들면, 사용자는 결과 이미지에 적용된 대상 제품의 색상이 어떤 색상인지 가장 우선적으로 확인하고 싶을 수 있다. 이후, 순차적으로 제품의 명칭과 종류를 판단하고자 할 수 있고, 판매 정보를 리스트의 하단에 디스플레이하여 제품에 대한 구매 의사를 고려하는 것이 후순위로 중요할 수 있다.
이에 따라, 대상 제품 색상, 대상 제품 명칭, 대상 제품 종류 및 판매 정보의 순서로 높은 가중치가 부여될 수 있고, 부여된 가중치에 기초하여 리스트에 최상단부터 순차적으로 디스플레이될 우선 순위가 결정될 수 있다. 이후, 결정된 우선 순위에 기초하여 각 정보들이 디스플레이될 수 있다.
다른 실시 예에서, 가상 메이크업 지원 디바이스(100)가 구현, 제공되는 환경이 온라인 쇼핑몰과 관련된 시스템에 해당하는 경우, 부여되는 가중치의 크기는 판매 정보, 대상 제품 색상, 대상 제품 명칭 및 대상 제품 종류 순서로 크게 결정될 수 있다.
예를 들면, 가상 메이크업 지원 디바이스(100)가 구현, 제공되는 환경이 온라인 쇼핑몰과 관련된 시스템에 해당하는 경우, 기본적으로 사용자는 제품에 대한 구매를 고려한 상황일 것으로 예상할 수 있기 때문에, 특정 제품에 대한 가상 메이크업을 체험하는 경우 해당 제품에 대한 구매를 고려하고 있을 것으로 볼 수 있다는 점에서, 제품을 상대적으로 쉽게 구매할 수 있도록 판매 정보를 리스트의 최상단에 제공하는 것이 바람직하다는 점에서 판매 정보에 가장 높은 가중치가 부여될 수 있다.
또한, 사용자는 제품의 판매 정보와 함께 대상 제품의 색상이 어떤 색상인지 우선적으로 확인한 후, 순차적으로 제품의 명칭과 종류를 판단하고자 할 수 있기 때문에, 대상 제품 색상, 대상 제품 명칭 및 대상 제품 종류 순서로 높은 가중치가 부여될 수 있다.
이와 같이 상이하게 부여되는 가중치에 기초하여 대상 제품 정보가 리스트에 디스플레이되는 우선 순위를 결정함으로써 가상 메이크업 지원 디바이스(100)가 구현/제공되는 환경에 적합한 정보를 우선적으로 제공하여 사용자의 이용 편의 및 만족도를 크게 향상시킬 수 있게 된다.
도 3은 일 실시 예에 따른 결과 이미지와 함께 대상 제품 정보가 제공되는 실시 예를 도시한 도면이다.
도면을 참조하면, 가상 메이크업 지원 디바이스(100)는 단계 S230에서 획득된 선택 입력에 따라 결정된 대상 제품 정보에 대한 대상 제품 명칭, 대상 제품 종류, 대상 제품 색상 및 판매 정보 중 적어도 하나를 결과 이미지가 제공되는 화면에서 함께 디스플레이할 수 있다. 각 정보들은 결과 이미지가 제공되는 화면의 일 측에 위치한 리스트 상에 디스플레이될 수 있다.
이와 같이 결과 이미지와 함께 대상 제품 정보를 제공하게 되면, 사용자는 결과 이미지에 반영된 대상 제품에 대한 전반적인 정보를 쉽게 확인할 수 있고, 제공된 판매 정보에 대한 선택 입력에 따라 판매 페이지로 이동하거나 결제 화면이 제공될 수 있어, 가상 메이크업 지원 디바이스(100)를 통해 제품의 실제 발색을 예측하고, 예측한 상태에서 제품을 구매할 수 있어 사용자의 제품 구매에 대한 편의성을 크게 향상시킬 수 있다.
도 4는 일 실시 예에 따른 결과 이미지를 획득하는 단계를 개략적으로 도시한 흐름도이다.
도면을 참조하면, 결과 이미지를 획득하기 위한 각 단계가 도시되어 있다.
단계 S410에서 가상 메이크업 지원 디바이스(100)는 사용자 이미지를 획득할 수 있다. 사용자 이미지는 제품 사용이 가능한 신체 부위를 나타내는 사진 또는 동영상을 포함할 수 있다.
단계 S420에서 가상 메이크업 지원 디바이스(100)는 사용자 이미지에 기초하여 이미지 특성을 획득할 수 있다.
이미지 특성은 사용자 이미지에 대한 복수의 단위 영역에 따른 명도, 채도 및 색상 중 적어도 하나를 포함할 수 있다. 이러한 이미지 특성은 색상에 대한 반사율 및 투과율을 획득하는 데에 이용될 수 있다.
단계S430에서 가상 메이크업 지원 디바이스(100)는 이미지 특성 및 기설정 광학 모델에 기초하여 사용자 이미지로부터 특징값을 획득할 수 있다.
특징값은 사용자 이미지로부터 획득되는 반사율 및 투과율을 포함하는 값일 수 있다. 실제 제품이 발색될 때는 피부 및 메이크업 층에 따른 빛의 산란, 흡수 등에 따라서 발색되는 색상이 결정되기 때문에, 색상에 대한 사용자 이미지의 반사율 및 투과율을 획득하여 가상 메이크업에 반영하는 것이 사실적이고 정확한 결과 이미지를 획득하는 데에 바람직할 수 있다.
기설정 광학 모델은 쿠벨카-뭉크 광학 모델에 기초하여 획득되는 딥러닝 학습 결과를 포함한다. 또한, 기설정 광학 모델은 쿠벨카-뭉크 광학 모델을 응용하여 설계한 맵 합성 식을 포함할 수 있다. 이러한 맵 합성 식은 다음의 수학식과 같이 표현될 수 있다.
Figure pat00002
여기서, F는 두께, R, G, B는 각각 적색, 녹색 및 청색을 나타낼 수 있다.
가상 메이크업 지원 디바이스(100)는, 상기한 수학식 2로 표현 가능한 맵 합성 식, 기설정 광학 모델을 활용함으로써 종래 기술과 비교하여 매우 사실적이고 정확한 결과 이미지를 획득할 수 있다.
단계 S440에서 가상 메이크업 지원 디바이스(100)는 사용자 선택 입력에 기초하여 복수의 제품 정보 중 적어도 하나인 대상 제품 정보에 따른 대상 제품 색상을 결정할 수 있다.
단계 S450에서 가상 메이크업 지원 디바이스(100)는 대상 제품 색상, 사용자 이미지 및 특징값에 기초하여 결과 이미지를 획득할 수 있다.
예를 들면, 가상 메이크업 지원 디바이스(100)는, 대상 제품 색상을 사용자 이미지 상에 따른 사용자의 신체 부위 각각을 나타내는 복수의 단위 영역에 적용할 수 있고, 대상 제품 색상을 적용할 때 단계 S430에서 획득된 특징값을 반영하여 적용할 수 있다. 특징값은 각각의 복수의 단위 영역에 대응되는 이미지 특성에 기초하여 결정되었기 때문에 각각의 복수의 단위 영역들에 대응될 수 있으며, 결과 이미지는 이러한 특징값이 반영되었기 때문에 복수의 단위 이미지 영역 간의 정확도에 대한 편차가 최소화될 수 있다.
본 개시의 다양한 실시예들은 기기(machine)(예를 들어, 디스플레이 장치 또는 컴퓨터)에 의해 읽을 수 있는 저장 매체(storage medium)(예를 들어, 메모리)에 저장된 하나 이상의 인스트럭션들을 포함하는 소프트웨어로서 구현될 수 있다. 예를 들면, 기기의 프로세서(예를 들어, 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 인스트럭션들 중 적어도 하나의 인스트럭션을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 인스트럭션에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 인스트럭션들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 개시에 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: 스마트폰들) 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.
본 실시 예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100: 가상 메이크업 지원 디바이스
110: 통신부 120: 프로세서

Claims (7)

  1. 가상 메이크업을 지원하는 방법에 있어서,
    신체 부위를 포함하는 사용자 이미지를 획득하는 단계;
    기설정 광학 모델에 기초하여 상기 사용자 이미지로부터 특징값을 획득하는 단계;
    상기 신체 부위에 대응되고 복수의 제품 정보 중 적어도 하나인 대상 제품 정보에 대한 선택 입력을 수신하는 단계;
    상기 대상 제품 정보, 상기 사용자 이미지 및 상기 특징값에 기초하여 상기 대상 제품 정보가 상기 사용자 이미지에 적용된 상기 가상 메이크업 결과를 나타내는 결과 이미지를 획득하는 단계; 및
    상기 결과 이미지를 제공하는 단계;를 포함하는, 방법.
  2. 제 1 항에 있어서,
    상기 사용자 이미지는 입술, 볼, 눈, 눈썹, 머리카락 중 적어도 하나를 나타내는 이미지를 포함하는, 방법.
  3. 제 1 항에 있어서,
    상기 결과 이미지를 제공하는 단계는
    상기 선택 입력에 따라 결정된 대상 제품 정보에 대한 대상 제품 명칭, 대상 제품 종류, 대상 제품 색상 및 판매 정보 중 적어도 하나를 디스플레이하는 단계;를 포함하는, 방법.
  4. 제 1 항에 있어서,
    상기 사용자 이미지로부터 상기 특징값을 획득하는 단계는
    상기 사용자 이미지를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정하는 단계;
    상기 복수의 단위 영역 각각에 대한 명도, 채도 및 색상 중 적어도 하나를 포함하는 이미지 특성을 획득하는 단계; 및
    상기 이미지 특성 및 상기 기설정 광학 모델에 기초하여, 상기 사용자 이미지로부터 상기 복수의 단위 영역 각각에 대한 반사율 및 투과율 중 적어도 하나를 포함하는 상기 특징값을 획득하는 단계;를 포함하는, 방법.
  5. 제 1 항에 있어서,
    상기 기설정 광학 모델은 쿠벨카-뭉크(Kubelka-Munk) 광학 모델을 기초로 획득되는 딥러닝 학습 결과를 포함하고,
    상기 딥러닝 학습 결과는
    테스트 이미지에 대한 테스트 이미지 특성 및 상기 쿠벨카-뭉크 광학 모델에 기초하여, 상기 테스트 이미지로부터 테스트 특징값을 획득하는 학습에 따라 획득되는, 방법.
  6. 제 1 항에 있어서,
    상기 결과 이미지를 획득하는 단계는
    상기 사용자 이미지가 입술을 나타내는 이미지를 포함하는 경우,
    상기 특징값, 이미지 특성, 대상 제품 색상의 순서로 높은 가중치를 부여하는 단계;
    상기 부여된 가중치에 기초하여 상기 결과 이미지를 획득하는 단계;를 포함하는, 방법.
  7. 가상 메이크업을 지원하는 디바이스에 있어서,
    신체 부위를 포함하는 사용자 이미지를 획득하고, 상기 신체 부위에 대응되고 복수의 제품 정보 중 적어도 하나인 대상 제품 정보에 대한 선택 입력을 수신하는 통신부; 및
    기설정 광학 모델에 기초하여 상기 사용자 이미지로부터 특징값을 획득하고, 상기 대상 제품 정보, 상기 사용자 이미지 및 상기 특징값에 기초하여 상기 대상 제품 정보가 상기 사용자 이미지에 적용된 상기 가상 메이크업 결과를 나타내는 결과 이미지를 획득하는 프로세서;를 포함하고,
    상기 통신부는 상기 결과 이미지를 제공하는, 디바이스.
KR1020210144329A 2021-10-27 2021-10-27 가상 메이크업을 지원하는 방법 및 디바이스 KR20230060076A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210144329A KR20230060076A (ko) 2021-10-27 2021-10-27 가상 메이크업을 지원하는 방법 및 디바이스

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210144329A KR20230060076A (ko) 2021-10-27 2021-10-27 가상 메이크업을 지원하는 방법 및 디바이스

Publications (1)

Publication Number Publication Date
KR20230060076A true KR20230060076A (ko) 2023-05-04

Family

ID=86379905

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210144329A KR20230060076A (ko) 2021-10-27 2021-10-27 가상 메이크업을 지원하는 방법 및 디바이스

Country Status (1)

Country Link
KR (1) KR20230060076A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101793468B1 (ko) 2017-03-31 2017-11-03 주식회사 에프앤디파트너스 Ar을 이용한 셀프 뷰티앱 플랫폼 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101793468B1 (ko) 2017-03-31 2017-11-03 주식회사 에프앤디파트너스 Ar을 이용한 셀프 뷰티앱 플랫폼 시스템 및 방법

Similar Documents

Publication Publication Date Title
US10296958B1 (en) Associating cosmetic products to skin tone color
US9603437B2 (en) Image processing device, image processing method, and program, capable of virtual reproduction of makeup application state
US10373348B2 (en) Image processing apparatus, image processing system, and program
US20230289861A1 (en) Structured item organizing mechanism in e-commerce
KR20210031401A (ko) 온라인 제품 카탈로그들에 대한 자동 이미지 선택
US11231366B2 (en) Method and device for determining a gloss value of hair
US12008636B2 (en) Color rendering
US11576478B2 (en) Method for simulating the rendering of a make-up product on a body area
US20240078746A1 (en) Technologies for rendering items within a user interface using various rendering effects
KR102178566B1 (ko) 전자 거울 장치 및 그 제어 방법
US20200286152A1 (en) Method for computer-assisted determination of a cosmetic product
CN118215431A (zh) 基于肤色和皮肤状态扫描的匹配化妆品和皮肤护理产品
US9135746B2 (en) Image processing apparatus and control method thereof
KR102234821B1 (ko) 빅 데이터 및 머신 러닝 모델을 이용한 제품의 가격 예측을 수행하는 전자장치 및 그 동작 방법
KR20230060076A (ko) 가상 메이크업을 지원하는 방법 및 디바이스
Peddie Software Tools and Technologies
KR20210044375A (ko) 전자 장치 및 전자 장치의 제어 방법
JP7499362B2 (ja) パーソナライズされた正確な仮想メイクアップトライオンのためのシステム及び方法
JP2015125543A (ja) 視線予測システム、視線予測方法、および視線予測プログラム
KR20210091874A (ko) 증강현실을 이용한 화장품 매칭 서비스 제공 시스템 및 방법
KR102200011B1 (ko) 메이크업 재료가 도포된 표면 색상 시뮬레이션 장치 및 방법
JP7305517B2 (ja) プログラム、情報処理装置、シミュレート方法及び情報処理システム
Medina et al. Objective colorimetric validation of perceptually realistic rendering: a study of paint coating materials
Kinoshita et al. Scale factor effect of RGB monochromatic speckle grains on color speckle distribution
Fagundes et al. Development of computer graphics and digital image processing applications on the iPhone

Legal Events

Date Code Title Description
E601 Decision to refuse application