KR20230158283A

KR20230158283A - 전자 장치 및 이의 제어 방법

Info

Publication number: KR20230158283A
Application number: KR1020220057808A
Authority: KR
Inventors: 조은애; 박상신
Original assignee: 삼성전자주식회사
Priority date: 2022-05-11
Filing date: 2022-05-11
Publication date: 2023-11-20
Also published as: WO2023219240A1

Abstract

전자 장치가 개시된다. 전자 장치는, 통신 인터페이스, 아바타(Avatar)를 구성하는 복수의 아이템 각각에 대응되는 특징 정보 및 학습된 신경망 모델이 저장된 메모리 및 상기 통신 인터페이스를 통해 제1 사용자 단말 및 제2 사용자 단말로부터 제1 사용자에 대응되는 제1 아바타 정보 및 제2 사용자에 대응되는 제2 아바타 정보가 수신되면, 상기 제1 아바타 정보에 포함된 적어도 하나의 제1 아이템 및 상기 제2 아바타 정보에 포함된 적어도 하나의 제2 아이템을 식별하고, 상기 식별된 적어도 하나의 제1 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템의 특징 정보를 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제2 아이템의 특징 정보를 식별하고, 상기 식별된 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보를 상기 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득하고, 상기 획득된 가상 공간 이미지를 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 프로세서를 포함하며, 상기 학습된 신경망 모델은, 아바타를 구성하는 복수의 아이템에 대응되는 특징 정보가 입력되면 상기 복수의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습된다.

Description

전자 장치 및 이의 제어 방법 { Electronic apparatus and control method thereof }

본 개시는 전자 장치 및 그 제어 방법에 관한 것으로, 더욱 상세하게는 가상 공간(virtual space) 이미지를 생성하는 전자 장치 및 그 제어 방법에 대한 것이다.

전자 기술의 발달에 따라 전자 장치, 특히 서버 기반의 실시간 렌더링 (rendering) 서비스가 보급되고 있다. 특히, 최근에는 서버와 같은 전자 장치를 통해 가상 세계(virtual world)를 구축하고, 복수의 사용자가 실시간으로 가상 세계 내에서 소통할 수 있다. 가상 세계는 메타버스(metaverse), 가상 세계 또는 디지털 세계라고도 불리며, 현실 세계와 같은 사회, 경제, 문화 활동이 이뤄지는 3차원 가상 세계를 의미한다.

한편, 서버와 같은 전자 장치를 통해 구축된 가상 세계를 이용하기 위해 각 사용자는 TV, 스마트 폰, 태블릿 PC 등 사용자 단말을 통해 사용자의 이미지가 투영된 아바타(Avatar)를 생성하여야 하며, 가상 세계 내에서 아바타를 통해 현실 세계와 같은 사회, 경제, 문화 활동을 수행할 수 있게 된다.

다만, 종래에는 가상 세계의 배경이 되는 가상 공간(virtual space)을 생성하기 위해 사용자가 직접 기 생성된 가상 공간 테마 중 하나를 선택하거나, 기 생성된 가상 공간 이외의 새로운 가상 공간을 사용자가 원하는 경우 엔지니어 등이 별도의 가상 공간을 직접 생성해야되는 문제가 있었다.

본 개시는 상술한 필요성에 따른 것으로, 본 개시의 목적은 복수의 사용자의 아바타에 기초하여 적합한 가상 공간을 자동으로 생성하는 전자 장치 및 그 제어 방법을 제공함에 있다.

이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따르면, 전자 장치는 통신 인터페이스, 아바타(Avatar)를 구성하는 복수의 아이템 각각에 대응되는 특징 정보 및 학습된 신경망 모델이 저장된 메모리, 및 상기 통신 인터페이스를 통해 제1 사용자 단말 및 제2 사용자 단말로부터 제1 사용자에 대응되는 제1 아바타 정보 및 제2 사용자에 대응되는 제2 아바타 정보가 수신되면, 상기 제1 아바타 정보에 포함된 적어도 하나의 제1 아이템 및 상기 제2 아바타 정보에 포함된 적어도 하나의 제2 아이템을 식별하고, 상기 식별된 적어도 하나의 제1 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템의 특징 정보를 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제2 아이템의 특징 정보를 식별하고, 상기 식별된 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보를 상기 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득하고, 상기 획득된 가상 공간 이미지를 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 프로세서,를 포함하며, 상기 학습된 신경망 모델은, 아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습될 수 있다.

여기서, 상기 학습된 신경망 모델은, 아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템 중 특정 타입의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습될 수 있다.

또한, 상기 제1 아바타 정보 및 상기 제2 아바타 정보는, 사용자에 대응되는 아바타 이미지 또는 상기 아바타 이미지에 포함된 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함하며, 상기 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보는, 아이템 각각에 대응되는 이미지 또는 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함할 수 있다.

또한, 상기 프로세서는, 상기 획득된 가상 공간 이미지가 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송된 후 상기 가상 공간 이미지에 대한 거절 피드백이 수신되면, 상기 제1 아이템에 대응되는 특징 정보 및 상기 제2 아이템에 대응되는 특징 정보를 상기 학습된 신경망 모델에 재입력하여 가상 공간 이미지를 재 획득하고, 상기 재 획득된 가상 공간 이미지를 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송할 수 있다.

여기서, 상기 메모리는, 상기 학습된 신경망 모델을 통해 획득된 복수의 가상 공간 이미지 또는 상이한 카테고리에 속하는 복수의 가상 공간 샘플 이미지 중 적어도 하나를 저장하며, 상기 프로세서는, 상기 획득된 가상 공간 이미지가 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송된 후 상기 가상 공간 이미지에 대한 거절 피드백이 수신되면, 상기 복수의 가상 공간 이미지 중 다른 하나 또는 상기 복수의 가상 공간 샘플 이미지 중 어느 하나를 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송할 수 있다.

여기서, 상기 프로세서는, 상기 제1 아이템에 대응되는 특징 정보 및 상기 제2 아이템에 대응되는 특징 정보에 기초하여 상기 복수의 가상 공간 샘플 이미지 중 어느 하나를 선택하여 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송할 수 있다.

또한, 상기 프로세서는, 상기 식별된 적어도 하나의 제1 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템의 특징 정보를 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제2 아이템의 특징 정보를 식별하고, 상기 식별된 제1 아이템 중 특정 타입의 아이템 및 상기 식별된 제2 아이템 중 특정 타입의 아이템을 상기 학습된 신경망 모델에 입력하여 상기 가상 공간 이미지를 획득할 수 있다.

여기서, 상기 아바타를 구성하는 복수의 아이템은 상이한 타입의 아이템을 포함하며, 상기 상이한 타입의 아이템은, 의류 아이템, 액세서리 아이템, 피부 아이템, 머리 아이템 또는 얼굴 아이템 중 적어도 하나를 포함할 수 있다.

한편, 본 개시의 일 실시 예에 따르면, 전자 장치의 제어 방법은 제1 사용자 단말 및 제2 사용자 단말로부터 제1 사용자에 대응되는 제1 아바타 정보 및 제2 사용자에 대응되는 제2 아바타 정보가 수신되면, 상기 제1 아바타 정보에 포함된 적어도 하나의 제1 아이템 및 상기 제2 아바타 정보에 포함된 적어도 하나의 제2 아이템을 식별하는 단계, 상기 식별된 적어도 하나의 제1 아이템 중 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템의 특징 정보를 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템의 특징 정보를 식별하는 단계,상기 식별된 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득하는 단계, 및 상기 획득된 가상 공간 이미지를 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 단계를 포함하며, 상기 학습된 신경망 모델은, 아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습될 수 있다.

여기서, 상기 제어 방법은, 상기 획득된 가상 공간 이미지가 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송된 후 상기 가상 공간 이미지에 대한 거절 피드백이 수신되면, 상기 제1 아이템에 대응되는 특징 정보 및 상기 제2 아이템에 대응되는 특징 정보를 상기 학습된 신경망 모델에 재입력하여 가상 공간 이미지를 재 획득하는 단계, 및 상기 재 획득된 가상 공간 이미지를 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 단계를 더 포함할 수 있다.

또한, 상기 제어 방법은, 상기 획득된 가상 공간 이미지가 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송된 후 상기 가상 공간 이미지에 대한 거절 피드백이 수신되면, 복수의 가상 공간 이미지 중 다른 하나 또는 복수의 가상 공간 샘플 이미지 중 어느 하나를 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 단계를 더 포함할 수 있다.

여기서, 상기 전송하는 단계는, 상기 제1 아이템에 대응되는 특징 정보 및 상기 제2 아이템에 대응되는 특징 정보에 기초하여 상기 복수의 가상 공간 샘플 이미지 중 어느 하나를 선택하여 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송할 수 있다.

한편, 가상 공간(Virtual Space) 이미지를 획득하는 단계는, 상기 식별된 제1 아이템 중 특정 타입의 아이템 및 상기 식별된 제2 아이템 중 특정 타입의 아이템을 상기 학습된 신경망 모델에 입력하여 상기 가상 공간 이미지를 획득할 수 있다.

한편, 본 개시의 일 실시 예에 따르면, 전자 장치의 프로세서의 의해 실행되어 상기 전자 장치가 동작을 수행하도록 하는 컴퓨터 명령을 저장하는 비일시적 컴퓨터 판독 가능 기록 매체에 있어서, 상기 동작은, 제1 사용자 단말 및 제2 사용자 단말로부터 제1 사용자에 대응되는 제1 아바타 정보 및 제2 사용자에 대응되는 제2 아바타 정보가 수신되면, 상기 제1 아바타 정보에 포함된 적어도 하나의 제1 아이템 및 상기 제2 아바타 정보에 포함된 적어도 하나의 제2 아이템을 식별하는 단계, 상기 식별된 적어도 하나의 제1 아이템 중 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템을 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제2 아이템을 식별하는 단계, 상기 식별된 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득하는 단계, 및 상기 획득된 가상 공간 이미지를 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 단계를 포함하며, 상기 학습된 신경망 모델은, 아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습된 컴퓨터 판독 가능 기록 매체일 수 있다.

이상과 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치는 복수의 사용자의 아바타에 기초하여 자동으로 가상 공간 이미지를 생성 할 수 있게 된다. 이에 따라 사용자는 별도로 기 생성된 가상 공간 테마 중 하나를 선택할 필요가 없게 된다. 또한 개발자는 사용자가 기 생성된 가상 공간 이외의 가상 공간을 원하는 경우 가상 공간을 직접 생성할 필요가 없게 된다.

도 1은 본 개시의 일 실시 예에 따른 전자 장치의 동작 방법을 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.
도 3a 내지 3d는 일 실시 예에 따른 특징 정보 식별 방법을 설명하기 위한 도면이다.
도 4a 내지 4c는 일 실시 예에 따른 신경망 모델을 통해 가상 공간 이미지를 획득하는 방법을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 가상 공간 이미지를 사용자에게 제공하는 방법을 설명하기 위한 도면이다.
도 6은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
도 7은 일 실시 예에 따른 다른 가상 공간 이미지를 획득하는 방법을 설명하기 위한 흐름도이다.
도 8은 일 실시 예에 따른 사용자 단말의 아바타 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 가상 공간 정보를 획득하는 방법을 설명하기 위한 흐름도이다.
도 10은 일 실시 예에 따른 전자 장치의 세부 구성을 설명하기 위한 도면이다.

이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.

본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

A 또는/및 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.

본 명세서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 명세서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공 지능 전자 장치)를 지칭할 수 있다.

이하 첨부된 도면들을 참조하여 본 개시의 다양한 실시 예를 보다 상세하게 설명한다.

도 1은 본 개시의 일 실시 예에 따른 전자 장치의 동작 방법을 설명하기 위한 도면이다.

여기서, 전자 장치(100)는 일 실시 예에 따라 서버가 될 수 있다. 여기서, 서버는 클라우드 서버, 임베디드 서버 등 다양한 형태의 서버로 구현 가능하다.

전자 장치(100)는 복수의 사용자 단말(10 내지 30) 각각에 대응되는 아바타(Avatar)에 대한 정보를 수신하고, 이에 기초하여 가상 세계(virtual world) 이미지를 생성할 수 있다. 여기서, 가상 세계 이미지에는 사용자 아바타 뿐만 아니라 가상 세계 내에서의 배경 이미지, 즉 가상 공간에 대한 이미지가 포함될 수 있다. 한편, 전자 장치(100)는 생성된 가상 세계 이미지를 복수의 사용자 단말(10 내지 30)로 전송할 수 있다.

사용자 단말(10 내지 30)은 메타 버스 서비스를 제공하는 장치로서, TV, 스마트 폰, 태블릿 PC, 데스크탑 PC 또는 노트북 PC 중 적어도 하나를 포함할 수 있으나 이에 한정되지 않는다. 일 예에 따라 사용자 단말(10 내지 30)에 구비된 디스플레이를 통해 가상 세계 이미지가 제공되어 메타 버스 서비스가 제공될 수 있다. 다른 예에 따라 (10 내지 30)에 구비된 디스플레이를 통해 디스플레이되는 가상 세계 이미지가 헤드셋, 안경, 헬멧 등 같은 웨어러블 장치를 통해 제공될 수도 있다.

일 예에 따라 사용자 단말(10 내지 30)은 카메라를 구비할 수 있으며, 카메라를 통해 촬영된 영상에 기초하여 사용자의 움직임 정보를 획득하여 전자 장치(100)로 전송하고, 전자 장치(100)로부터 수신된 사용자 아바타를 포함하는 가상 세계 이미지를 디스플레이를 통해 표시할 수 있다.

가상 세계 내에서의 배경 이미지, 즉 가상 공간에 대한 이미지를 생성하는데 있어 사용자 입력이 요구되는 경우 여러 가지 면에서 번거로울 수 있다. .

이에 따라 이하에서는 별도의 사용자 입력이 없이 복수의 사용자 각각에 대응되는 아바타 정보에 기초하여 자동으로 가상 공간 이미지를 생성하는 다양한 실시 예에 대하여 설명하도록 한다.

도 2는 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.

도 2에 따르면, 전자 장치(100)는 통신 인터페이스(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다.

통신 인터페이스(110)는 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 장치와 통신을 수행하는 구성이다. 예를 들어, 전자 장치(100)는 통신 인터페이스(110)를 통해 사용자 단말(10)과 통신을 수행할 수 있다.

통신 인터페이스(110)는 와이파이 모듈, 블루투스 모듈, 적외선 통신 모듈 및 무선 통신 모듈 등을 포함할 수 있다. 여기서, 각 통신 모듈은 적어도 하나의 하드웨어 칩 형태로 구현될 수 있다.

와이파이 모듈, 블루투스 모듈은 각각 WiFi 방식, 블루투스 방식으로 통신을 수행한다. 와이파이 모듈이나 블루투스 모듈을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 적외선 통신 모듈은 시 광선과 밀리미터파 사이에 있는 적외선을 이용하여 근거리에 무선으로 데이터를 전송하는 적외선 통신(IrDA, infrared Data Association)기술에 따라 통신을 수행한다.

무선 통신 모듈은 상술한 통신 방식 이외에 지그비(zigbee), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 4G(4th Generation), 5G(5th Generation)등과 같은 다양한 무선 통신 규격에 따라 통신을 수행하는 적어도 하나의 통신 칩을 포함할 수 있다.

메모리(120)는 본 개시의 다양한 실시 예를 위해 필요한 데이터를 저장할 수 있다. 메모리(120)는 데이터 저장 용도에 따라 전자 장치(100)에 임베디드된 메모리 형태로 구현되거나, 전자 장치(100)와 통신 가능한(또는 탈부착 가능한) 메모리 형태로 구현될 수도 있다. 예를 들어, 전자 장치(100)의 구동을 위한 데이터의 경우 전자 장치(100)에 임베디드된 메모리에 저장되고, 전자 장치(100)의 확장 기능을 위한 데이터의 경우 전자 장치(100)와 통신 가능한 메모리에 저장될 수 있다.

한편, 전자 장치(100)에 임베디드된 메모리의 경우 휘발성 메모리(예: DRAM(dynamic RAM), SRAM(static RAM), 또는 SDRAM(synchronous dynamic RAM) 등), 비휘발성 메모리(non-volatile Memory)(예: OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, 플래시 메모리(예: NAND flash 또는 NOR flash 등), 하드 드라이브, 또는 솔리드 스테이트 드라이브(solid state drive(SSD)) 중 적어도 하나로 구현될 수 있다. 또한, 전자 장치(100)와 통신 가능한 메모리의 경우 메모리 카드(예를 들어, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital), MMC(multi-media card) 등), USB 포트에 연결가능한 외부 메모리(예를 들어, USB 메모리) 등과 같은 형태로 구현될 수 있다.

일 실시 예에 따라, 메모리(120)에는 아바타(Avatar)를 구성하는 복수의 아이템과 관련된 정보가 저장될 수 있다. 예를 들어, 메모리(120)에는 아바타가 착용하는 아이템 각각에 대응되는 인덱스 정보 또는 이미지 정보가 저장될 수 있다. 한편, 메모리(120)에는 학습된 신경망 모델이 저장될 수 있으며, 학습된 신경망 모델을 통해 획득된 적어도 하나의 가상 공간 이미지가 저장될 수도 있다. 또한, 메모리(120)에는 적어도 하나의 가상 공간 샘플 이미지가 저장될 수 있다.

프로세서(130)는 전자 장치(100)의 동작을 전반적으로 제어한다. 구체적으로, 프로세서(130)는 전자 장치(100)의 각 구성과 연결되어 전자 장치(100)의 동작을 전반적으로 제어할 수 있다. 예를 들어, 프로세서(130)는 통신 인터페이스(110), 메모리(120) 등과 같은 구성과 연결되어 전자 장치(100)의 동작을 제어할 수 있다.

일 실시 예에 따라 프로세서(120)는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), TCON(Time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(120)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.

또한, 일 실시 예에 따른 인공 지능 모델(또는, 신경망 모델)을 실행하기 위한 프로세서(130)는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서와 소프트웨어의 조합을 통해 구현될 수 있다. 프로세서(130)는, 메모리(120)에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어할 수 있다. 또는, 프로세서(130)가 전용 프로세서(또는 인공 지능 전용 프로세서)인 경우, 특정 인공 지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다. 예를 들어, 특정 인공 지능 모델의 처리에 특화된 하드웨어는 ASIC, FPGA 등의 하드웨어 칩으로 설계될 수 있다. 프로세서(130)가 전용 프로세서로 구현되는 경우, 본 개시의 실시 예를 구현하기 위한 메모리를 포함하도록 구현되거나, 외부 메모리를 이용하기 위한 메모리 처리 기능을 포함하도록 구현될 수 있다.

먼저, 일 실시 예에 따라 프로세서(130)는 통신 인터페이스(110)를 통해 복수의 사용자 단말로부터 복수의 사용자 각각에 대응되는 아바타(Avatar) 정보를 수신할 수 있다. 일 예에 따라 아바타 정보는 사용자에 대응되는 아바타의 이미지 정보 또는 아바타의 이미지에 포함된 아이템 각각에 대응되는 정보(예를 들어, 인덱스 정보, 식별 정보) 중 적어도 하나를 포함할 수 있다.

아바타는 사용자의 아바타 아이템 선택(또는, 사용자 입력)에 따라 생성되거나, 사용자를 촬영한 영상에 기초하여 자동으로 생성될 수 있다. 예를 들어, 사용자의 얼굴, 머리 모양, 옷 등에 기초하여 대응되는 아바타가 자동으로 생성될 수 있다. 한편, 아바타 아이템은 의류 아이템, 액세서리 아이템, 피부 아이템, 머리 아이템 또는 얼굴 아이템 등 다양한 타입의 아이템을 포함할 수 있다. 또는 하나의 아이템은 복수의 세부 아이템을 포함할 수도 있다. 예를 들어, 얼굴 아이템은 얼굴형, 눈 모양, 코 모양, 입 모양, 머리 스타일, 머리 색, 상의 종류, 하의 종류 및 신발 등의 세부 아이템을 포함할 수 있다.

일 예에 따라 사용자 입력에 따라 갸름한 얼굴, 긴 생머리 및 치마를 포함하는 형상을 가지는 아바타가 사용자 단말에서 선택되면, 해당아바타에 대한정보가 사용자 단말로부터 통신 인터페이스(110)를 통해 수신될 수 있다.

일 실시 예에 따라 프로세서(130)는 아바타 이미지가 아바타 정보로 수신되면, 아바타 이미지에 포함된 복수의 아이템을 분리하여 복수의 아이템 각각에 대한 이미지 또는 복수의 아이템 각각에 대응되는 인덱스 정보를 획득할 수 있다.

다른 실시 예에 따라 프로세서(130)는 복수의 아이템 각각에 대응되는 인덱스 정보를 수신하는 것도 가능하다.

이 경우, 인덱스 정보는 각 아바타 아이템을 식별하기 위한 다양한 정보로 나타내어질 수 있다. 예를 들어, 십진수, 이진수 등 다양한 숫자 또는 문자 중 적어도 하나의 조합으로 표현될 수 있으나, 이에 한정되는 것은 아니다.

일 예에 따라 인덱스 정보는 아이템 타입이 식별되지 않은 제1 타입의 인덱스로 표현되거나, 다른 예에 따라 아이템 타입이 식별되는 제2 타입의 인덱스로 표현될 수 있다.

예를 들어, 인덱스는, 0001, 0002, 0003, 0004…와 같이 제1 타입의 인덱스로 표현되거나, A0001, A0002… B0001, B0002..(여기서, A, B는 아이템 타입을 나타냄), 0101, 0102,,, 0201, 0201,…(여기서, 앞 두자리는 아이템 타입을 나타냄)와 같은 제2 타입의 인덱스로 표현될 수 있다.

일 예에 따라 갸름한 얼굴 아이템(0001), 긴 생머리 아이템(0008) 및 트레이닝복 아이템(0034)을 가지는 사용자 아바타가 사용자 단말에서 생성된 경우, 대응되는 대응되는 인덱스 정보 (0001, 0008, 0034)가 수신될 수 있다. 다만, 상술한 바와 같이 아바타 이미지 자체가 수신될 수 있음은 물론이다.

이 후, 일 실시 예에 따라 프로세서(130)는 사용자 단말로부터 아바타 이미지가 수신되면, 아바타 이미지에 포함된 적어도 하나의 아이템을 식별할 수 있다. 일 예에 따라, 프로세서(130)는 메모리(120)에 저장된 아이템 각각에 대응되는 이미지 정보에 기초하여 아바타 이미지 내에서 각 아이템을 식별할 수 있다. 다른 예에 따라, 프로세서(130)는 아바타 이미지를 학습된 신경망 모델에 입력하여 아바타 이미지에 포함된 각 아이템을 식별할 수도 있다. 상술한 신경망 모델은 후술하는 가상 공간 이미지를 획득하는 신경망 모델과 별개의 신경망 모델일 수 있다. 예를 들어, 아이템을 식별하기 위한 신경망 모델에는 입력 이미지 내에서 객체를 검출하는 Object Detection과 같은 딥 러닝(Deep learning) 방식이 이용될 수 있다. 아이템을 식별하기 위한 신경망 모델의 학습은 전자 장치(100)를 통해 이루어질 수 있으나, 이에 한정되는 것은 아니며 별도의 서버 및/또는 시스템을 통해 이루어질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.

다른 예에 따라, 사용자 단말로부터 아바타 이미지에 포함된 아이템 각각에 대응되는 인덱스 정보가 수신된 경우, 프로세서(130)는 수신된 인덱스 정보에 기초하여 아바타 이미지에 포함된 아이템 각각을 식별할 수도 있다. 예를 들어, 헤어 밴드에 대응되는 인덱스 정보가 “0101”인경우, 프로세서(130)는 수신된 “0101”에 기초하여 아바타 이미지에 헤어 밴드가 포함된 것으로 식별할 수 있다. 다만, 후술하는 신경망 모델이 인덱스 정보를 입력 데이터로 하는 경우 인덱스 정보에 기초하여 아이템을 식별하는 프로세스가 생략될 수 있음은 물론이다.

이 후, 일 실시 예에 따라 프로세서(130)는 식별된 적어도 하나의 아이템 중 메모리(120)에 저장된 복수의 아이템에 대응되는 아이템을 식별할 수 있다. 이는 하기의 도 3a 내지 3d를 통해 자세히 설명하도록 한다.

도 3a 내지 3d는 일 실시 예에 따른 특징 정보 식별 방법을 설명하기 위한 도면이다.

메모리(120)에는 아바타를 구성하는 복수의 아이템에 대응되는 특징 정보가 저장되어 있을 수 있다. 여기서, 특징 정보는 아이템 이미지, 아이템 인덱스, 또는 아이템 이미지 및 아이템 인덱스가 매칭된 정보 중 적어도 하나일 수 있다. 이하에서는 특징 정보가 아이템 이미지 및 아이템 인덱스가 매칭된 정보로 구현되는 경우를 상정하여 설명하도록 한다.

일 예에 따라 아바타를 구성하는 아이템은 의류 아이템, 액세서리 아이템, 피부 아이템, 머리 아이템 또는 얼굴 아이템 등 다양한 타입의 아이템이 포함될 수 있다. 도 3a 및 3b에 따르면, 메모리(120)에는 아이템 이미지 및 이에 대응되는 인덱스가 저장되어 있을 수 있다.

다만, 도 3a에 도시된 바와 같이 아이템에 대응되는 인덱스는 아이템의 타입과 관계가 있을 수 있다. 예를 들어, 4자리 중 앞 두 자리는 아이템 타입을 나타낼 수 있다. 예를 들어, 얼굴 아이템은 인덱스 “00”으로 시작하고, 헤어 아이템은 “01”로, 피부 아이템은 “02”로 시작할 수 있다.

프로세서(130)는 인덱스 값에 기초하여 특정 타입의 아이템을 식별할 수 있다. 예를 들어, 프로세서(130)가 얼굴 형 타입 및 피부색 타입의 아이템을 제외한 나머지 아이템만을 식별하기 위하여 “00” 및 “02”로 시작하는 인덱스를 제외한 나머지 인덱스를 식별할 수 있다. 이는 가상 공간 이미지 생성과 관련성이 낮은 특정 타입의 아이템을 식별하기 위함이다.

한편, 도 3b에 도시된 바와 같이 아이템에 대응되는 인덱스 정보는 아이템의 타입과 관계가 없을 수도 있다.

도 3c에 따르면, 프로세서(130)는 아바타에 대응되는 이미지로부터 아이템을 식별할 수도 있다. 일 실시 예에 따라, 프로세서(130)는 아바타 이미지(340)가 획득되면, 아바타 이미지(340)를 학습된 신경망 모델에 입력하여 아바타 이미지에 포함된 헤어 밴드(351), 트레이닝 복(352) 및 운동화(353)를 식별할 수도 있다. 이 경우 이미지 내에서 객체를 검출하는 Object Detection과 같은 딥 러닝(Deep learning) 방식이 이용될 수 있다.

다만, 이에 한정되는 것은 아니며, 다른 실시 예에 따라 메모리(120)에 저장된 헤어 밴드, 트레이닝 복 및 운동화 각각에 대응되는 이미지 정보를 획득하고, 이에 대응되는 이미지 정보를 수신된 아바타 이미지 내에서 식별할 수도 있다.

도 3d에 따르면, 프로세서(130)는 일 실시 예에 따라 아바타 정보로서 인덱스 정보가 수신된 경우, 메모리(120)에 저장된 복수의 아이템 각각에 대응되는 특징 정보에 기초하여 식별된 아이템에 대응되는 특징 정보를 식별할 수 있다. 일 예에 따라, 프로세서(130)는 인덱스 정보가 포함된 아바타 정보가 수신되면, 아바타 정보에 포함된 인덱스 정보 중에서 메모리(120)에 저장된 아이템 각각에 대응되는 인덱스 정보와 대응되는 인덱스 정보를 식별하고, 이를 아이템의 특징 정보로 식별할 수 있다. 즉, 아바타 정보가 인덱스 정보인 경우, 프로세서(130)는 별도로 아이템 식별 과정을 거치지 않고 아바타 정보에 기초하여 아이템의 특징 정보를 획득할 수도 있게 된다.

이와 같이 메모리(120)에 저장된 아이템 정보에 기초하여 아이템을 식별하는 이유는 학습되지 않은 아이템 정보를 배제시키기 위함일 수 있다. 다만, 신경망 모델이 사용자 단말로부터 수신되는 아바타에 포함된 모든 아이템을 학습하였다는 가정하여 메모리(120)에 저장된 아이템 정보를 식별하는 작업이 필요하지 않을 수도 있다.

이 후, 도 2로 돌아와서, 일 실시 예에 따라 프로세서(130)는 메모리(120)에 저장된 아이템에 대응되는 특징 정보가 식별되면, 식별된 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득하고, 획득된 가상 공간 이미지를 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수 있다.

여기서, 일 예에 따라 아이템에 대응되는 특징 정보는 아이템 각각에 대응되는 이미지 또는 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 메모리(120)에 저장된 아이템에 대응되는 아이템으로 헤어 밴드, 트레이닝 복 및 운동화가 식별된 경우, 도 3a에 도시된 바와 같이 헤어 밴드, 트레이닝 복 및 운동화 각각에 대응되는 이미지가 특징 정보가 될 수 있다. 다른 예로, 특징 정보는 헤어 밴드, 트레이닝 복 및 운동화 각각에 대응되는 인덱스 정보가 될 수 있다. 즉, 인덱스 정보만을 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득할 수도 있다. 이에 따라 사용자가 아바타 정보(예를 들어, 아바타가 입은 옷 등)를 삭제하여 아바타의 이미지 정보를 통해 아바타의 특징 정보를 획득할 수 없는 경우에도, 인덱스 정보만을 통해 가상 공간 이미지를 획득할 수도 있게 된다.

다만, 이에 한정되는 것은 아니며 아이템 각각에 대응되는 이미지 및 인덱스 정보 모두가 포함될 수도 있다. 즉, 신경망 모델의 학습 데이터에 기초하여 특징 정보의 타입이 결정될 수 있다.

여기서, 학습된 신경망 모델은 일 실시 예에 따라 생성적 적대 신경망(Generative Adversarial network, GAN)일 수 있다. GAN은 진실에 가까운 거짓 데이터를 생성하는 네트워크(생성자: Generator, G)와 거짓 데이터를 구별하는 네트워크(구별자: Discriminator, D)를 경쟁적으로 훈련시켜서 진실에 최대한 가까운 거짓 데이터를 만드는 방법을 훈련시키는 네트워크다. 일 예에 따라 신경망 모델은 아바타를 구성하는 복수의 아이템 정보가 입력되면 복수의 아이템 정보와 관련된 가상 공간 이미지를 생성하여 출력하도록 학습될 수 있다.

여기서, 신경망 모델의 학습은 전자 장치(100)를 통해 이루어질 수 있으나, 이에 한정되는 것은 아니며 별도의 서버 및/또는 시스템을 통해 이루어질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.

이 경우, 신경망 모델은 특정 타입의 아이템 정보에 기초하여 가상 공간 이미지를 생성하도록 학습될 수 있다. 예를 들어, 헤어 밴드, 트레이닝 복 및 운동화를 입력 데이터로 피트니스 클럽(Fitness club)에 대응되는 가상 공간 이미지를 출력 데이터 하여 학습될 수 있다.

다만, 이에 한정되는 것은 아니고 아이템에 대응되는 이미지뿐만 아니라 아이템이 포함된 아바타 이미지가 입력될 수도 있고, 아이템에 대응되는 인덱스 정보가 입력되어 신경망 모델이 학습될 수도 있음은 물론이다. 즉, 신경망 모델은 텍스트 정보 또는 이미지 정보 중 적어도 하나에 기초하여 학습될 수 있다. 이 경우, 신경망 모델은 텍스트 정보 또는 이미지 정보와 함께 이에 대응되는 가상 공간 이미지에 기초하여 학습될 수 있다. 여기서, 학습 데이터로 이용되는 가상 공간 이미지는 메모리(120)에 기 저장된 샘플 가상 공간 이미지 또는 신경망 모델을 통해 기 획득된 가상 공간 이미지 중 적어도 하나를 포함할 수 있다.

한편, 가상 공간 이미지는 입력된 아바타의 특징 정보에 부합하는 가상 공간에 대응되는 이미지가 될 수 있으며, 신경망 모델을 통해 출력되는 가상 공간 이미지는 복수 개일 수 있다. 예를 들어, 프로세서(130)는 신경망 모델을 통해 가상 공간 이미지 내 존재하는 물건의 종류, 물건의 배치 구조 및 인테리어 등의 차이가 존재하는 복수 개의 피트니스 클럽(Fitness club)에 대응되는 가상 이미지를 획득할 수도 있다.

일 예에 따라, 프로세서(130)는 학습된 신경망 모델을 통해 복수 개의 가상 공간 이미지 및 각각의 가상 공간 이미지의 정확도에 대응되는 확률 값을 획득할 수 있으며, 프로세서(130)는 획득된 복수 개의 가상 공간 이미지 각각의 정확도에 대응되는 확률 값에 기초하여 복수 개의 가상 공간 이미지 중 하나를 식별할 수 있다. 예를 들어, 프로세서(130)는 획득된 복수 개의 가상 공간 이미지 각각에 대응되는 확률 값 중 가장 확률 값이 큰 가상 공간 이미지를 식별하고, 이를 사용자 단말로 전송할 수 있다.

일 예에 따라 프로세서(130)는 식별된 아이템의 특징 정보를 모두 신경망 모델로 입력하거나, 식별된 아이템의 특징 정보 중 특정 타입의 특징 정보 만을 신경망 모델로 입력할 수 있다.

한편, 일 실시 예에 따라 프로세서(130)는 식별된 아이템의 특징 정보와 함께 가상 공간(Virtual Space)의 특징 정보를 학습된 신경망 모델에 입력하여 가상 공간 이미지를 획득할 수도 있다. 여기서, 가상 공간의 특징 정보는 생성될 가상 공간 이미지에 대응되는 특징에 대한 정보를 의미하며, 예를 들어 가상 공간의 장소의 종류, 분위기, 스타일 또는 가상 공간에서의 시간 대에 대한 정보 중 적어도 하나가 될 수 있다.

일 예에 따라, 프로세서(130)는 통신 인터페이스(110)를 통해 사용자 단말로부터 가상 공간의 장소, 분위기, 스타일 또는 시간대에 대한 정보에 대응되는 사용자 입력을 수신할 수 있고, 수신된 정보를 학습된 신경망 모델에 입력하여 가상 공간 이미지를 획득할 수 있다. 예를 들어, 프로세서(130)는 “피트니스 클럽”, “밝은 분위기”, “깔끔한 스타일”, “낮 시간대”에 대응되는 사용자 입력이 수신되면, 이를 식별된 아이템에 대응되는 특징 정보와 함께 학습된 신경망 모델에 입력하여 가상 공간 이미지를 획득할 수도 있다.

도 4a 내지 4c는 일 실시 예에 따른 신경망 모델을 통해 가상 공간 이미지를 획득하는 방법을 설명하기 위한 도면이다.

도 4a에 따르면, 일 실시 예에 따라 먼저 프로세서(130)는 메모리(120)에 저장된 아이템과 대응되는 아이템이 식별되면, 식별된 아이템에 대응되는 특징 정보로서 인덱스 정보(411 내지 413)를 학습된 신경망 모델(400)에 입력할 수 있다.

일 예에 따라, 제1 사용자에 대응되는 제1 아바타 정보에 기초하여 식별된 아이템이 각각 헤어 밴드(인덱스 0101), 바람막이(인덱스 0203) 및 운동화(인덱스0305)인 경우, 식별된 인덱스 정보(0101, 0203,0305)를 신경망 모델(400)에 입력할 수 있다. 또한, 제2 사용자에 대응되는 제2 아바타 정보에 기초하여 식별된 제2 아이템이 각각 헤어 밴드(인덱스 0101), 운동화(인덱스 0305) 및 줄넘기(인덱스 0507)인 경우, 식별된 인덱스 정보(0101,0305, 0507)를 신경망 모델(400)에 입력할 수 있다. 마찬가지로, 제3 사용자에 대응되는 제3 아바타 정보에 기초하여 식별된 제3 아이템이 각각 헤어 밴드(인덱스 0101), 자켓(인덱스 0210) 및 운동화(인덱스 0305)인 경우, 식별된 인덱스 정보(0101, 0210, 0305)를 신경망 모델(400)에 입력할 수 있다.

이 후, 프로세서(130)는 식별된 인덱스 정보(411 내지 413)를 학습된 신경망 모델(400)에 입력하여 가상 공간 이미지(410)를 획득하고, 획득된 가상 공간 이미지를 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수 있다.

상술한 예의 경우, 학습된 신경망 모델은 입력 아이템이 피트니스 클럽(Fitness club)과 관련된 헤어 밴드, 운동화, 트레이닝 복임에 따라 출력되는 가상 공간 이미지는 피트니스 클럽에 대응되는 가상 공간 이미지일 수 있다. 이 경우, 가상 공간 이미지는 3D 이미지일 수 있다.

도 4b에 따르면, 일 실시 예에 따라 먼저 프로세서(130)는 메모리(120)에 저장된 아이템과 대응되는 아이템이 식별되면, 식별된 아이템에 대응되는 특징 정보로서 아이템에 대응되는 이미지(421 내지 423)를 학습된 신경망 모델(400)에 입력할 수 있다. 예를 들어, 프로세서(130)는 제1 아바타에 포함된 제1 아이템의 이미지 (머리형, 얼굴형, 헤어 밴드 및 트레이닝 복 각각에 대응되는 이미지), 제2 아바타에 포함된 제2 아이템의 이미지(머리형, 얼굴형, 헤어 밴드, 트레이닝 복 및 운동화 각각에 대응되는 이미지), 제3 아바타에 포함된 제3 아이템의 이미지(머리형, 얼굴형, 헤어 밴드, 프레이닝 복 및 테니스 채 각각에 대응되는 이미지)를 학습된 신경망 모델(400)에 입력하여 피트니스 공간에 대응되는 가상 공간 이미지(420)를 획득하고, 획득된 가상 공간 이미지를 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수 있다.

도 4c에 따르면, 일 실시 예에 따라 프로세서(130)는 아바타 각각에 대응되는 이미지(431 내지 433)를 학습된 신경망 모델(400)에 입력할 수 있다. 즉, 본원의 신경망 모델은 인덱스 정보 또는 아이템에 대응되는 이미지뿐만 아니라 아바타에 대응되는 이미지를 학습된 신경망 모델(400)에 입력하여 가상 공간 이미지를 획득할 수도 있다.

일 예에 따라, 제1 아바타에 대응되는 제1 이미지(431)는 도 4b의 제1 아이템 이미지(421)를 포함하고, 제2 아바타에 대응되는 제2 이미지(432)는 도 4b의 제2 아이템 이미지(422)를 포함하고, 제3 아바타에 대응되는 제3 이미지(433)는 도 4b의 제3 아이템 이미지(423)를 포함하는 경우를 상정한다. 프로세서(130)는 제1 아바타에 대응되는 제1 이미지(431), 제2 아바타에 대응되는 제2 이미지(432) 및 제3 아바타에 대응되는 제3 이미지(433)를 학습된 신경망 모델(400)에 입력하여 피트니스 공간에 대응되는 가상 공간 이미지(430)를 획득하고, 획득된 가상 공간 이미지를 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수 있다.

한편, 다른 예에 따라 신경망 모델은 아바타를 구성하는 복수의 아이템이 입력되면 복수의 아이템 중 특정 타입의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습될 수도 있다. 예를 들어, 피부 타입, 악세서리 타입, 옷 타입, 머리 타입 및 얼굴형 타입의 아이템에 대응되는 특징 정보가 입력되는 경우, 신경망 모델은 복수의 타입의 아이템 중 악세서리 타입 및 옷 타입의 아이템에 대응되는 특징 정보 만에 기초하여 가상 공간 이미지를 생성하여 출력하도록 학습될 수 있다.

또는, 일 예에 따라 프로세서(130)가 식별된 특징 정보 중 특정 타입의 아이템에 대응되는 특징 정보만을 식별하여 이를 학습된 신경망 모델에 입력할 수도 있다.

도 2로 돌아와서, 일 실시 예에 따라 프로세서(130)는 획득된 가상 공간 이미지가 사용자 단말로 전송된 후 가상 공간 이미지에 대한 거절 피드백이 수신되면, 기 전송된 가상 공간 이미지와 다른 가상 공간 이미지를 획득하여 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수 있다.

일 예에 따라, 프로세서(130)는 기 식별된 아이템에 대한 특징 정보를 학습된 신경망 모델에 재입력하여 가상 공간 이미지를 재 획득하여 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수 있다. 다른 예에 따라, 프로세서(130)는 복수의 가상 공간 이미지를 획득하고 복수의 가상 공간 이미지 중 기 전송된 가상 공간 이미지와 다른 하나를 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수 있다. 또 다른 예에 따라, 프로세서(130)는 복수의 가상 공간 샘플 이미지 중 어느 하나를 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수도 있다. 이에 대하여는 도 7을 통해 자세히 설명하도록 한다.

상술한 예에 따라, 복수의 사용자가 가상 세계에 입장한 후 가상 공간이 획득되지 않은 상태(510)에서, 전자 장치(100)에서 획득된 가상 공간 이미지가 사용자 단말(10)로 전송되면, 도 5에 도시된 바와 같이 사용자 단말은 획득된 가상 공간 이미지를 포함하는 가상 세계에 대응되는 이미지(520)를 사용자에게 제공할 수 있게 된다.

즉, 사용자는 별도로 가상 공간 이미지(또는, 가상 공간 테마)를 선택할 필요 없이 가상 세계의 테마에 부합하는 가상 공간 이미지를 획득할 수 있게 된다.

도 6은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.

도 6에 도시된 전자 장치의 제어 방법에 따르면, 먼저 제1 사용자 단말 및 제2 사용자 단말로부터 제1 사용자에 대응되는 제1 아바타 정보 및 제2 사용자에 대응되는 제2 아바타 정보를 수신한다(S610).

여기서, 상기 제1 아바타 정보 및 상기 제2 아바타 정보는, 사용자에 대응되는 아바타 이미지 또는 상기 아바타 이미지에 포함된 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함할 수 있다.

이 후, 제1 아바타 정보에 포함된 적어도 하나의 제1 아이템 및 제2 아바타 정보에 포함된 적어도 하나의 제2 아이템을 식별한다(S620).

이 후, 적어도 하나의 제1 아이템 중 메모리에 저장된 복수의 아이템에 대응되는 제1 아이템을 식별한다(S630).

이 후, 적어도 하나의 제2 아이템 중 메모리에 저장된 복수의 아이템에 대응되는 제2 아이템을 식별한다(S640).

이 후, 제1 아이템에 대응되는 특징 정보 및 제2 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득한다(S650).

여기서, 제1 아이템에 대응되는 특징 정보 및 식별된 제2 아이템에 대응되는 특징 정보는, 아이템 각각에 대응되는 이미지 또는 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함할 수 있다.

여기서, S650 단계는, 상기 식별된 제1 아이템 중 특정 타입의 아이템 및 상기 식별된 제2 아이템 중 특정 타입의 아이템을 상기 학습된 신경망 모델에 입력하여 상기 가상 공간 이미지를 획득할 수 있다.

이 후, 가상 공간 이미지를 제1 사용자 단말 및 제2 사용자 단말로 전송한다(S660).

한편, S660 단계는, 획득된 가상 공간 이미지가 제1 사용자 단말 및 제2 사용자 단말로 전송된 후 가상 공간 이미지에 대한 거절 피드백이 수신되면, 제1 아이템에 대응되는 특징 정보 및 제2 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 재입력하여 가상 공간 이미지를 재 획득하는 단계 및 재 획득된 가상 공간 이미지를 제1 사용자 단말 및 제2 사용자 단말로 전송하는 단계를 더 포함할 수 있다.

또한, S660 단계는, 획득된 가상 공간 이미지가 제1 사용자 단말 및 제2 사용자 단말로 전송된 후 가상 공간 이미지에 대한 거절 피드백이 수신되면, 복수의 가상 공간 이미지 중 다른 하나 또는 복수의 가상 공간 샘플 이미지 중 어느 하나를 제1 사용자 단말 및 제2 사용자 단말로 전송하는 단계를 더 포함할 수 있다.

여기서, S660 단계는, 제1 아이템에 대응되는 특징 정보 및 제2 아이템에 대응되는 특징 정보에 기초하여 복수의 가상 공간 샘플 이미지 중 어느 하나를 선택하여 제1 사용자 단말 및 제2 사용자 단말로 전송할 수 있다.

도 7은 일 실시 예에 따른 다른 가상 공간 이미지를 획득하는 방법을 설명하기 위한 흐름도이다.

도 7에 따르면, 먼저 가상 공간 이미지를 제1 사용자 단말 및 제2 사용자 단말로 전송한다(S710).

이 후, 가상 공간 이미지에 대한 거절 피드백을 수신한다(S720).

이 후, 가상 공간 이미지에 대한 거절 피드백이 수신되면, 제1 아이템에 대응되는 특징 정보 및 제2 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 재입력하여 가상 공간 이미지를 재 획득한다(S730).

일 실시 예에 따라, 프로세서(130)는 제1 아이템에 대응되는 가상 공간 이미지에 대한 거절 피드백이 통신 인터페이스(110)를 통해 사용자 단말로부터 수신되면, 기 입력되었던 제1 아이템에 대응되는 특징 정보 및 제2 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 재입력하여 가상 공간 이미지를 재 획득할 수 있다. 이 경우, 재 획득된 가상 공간 이미지는 사용자 단말로 전송되었던 가상 공간 이미지와 다른 이미지일 수 있다.

일 예에 따라, 복수의 아이템에 대응되는 특징 정보가 학습된 신경망 모델에 재입력되는 경우를 상정하도록 한다. 이 경우, 프로세서(130)는 학습된 신경망 모델을 통해 복수의 가상 공간 이미지 및 이미지 각각의 정확도에 대응되는 확률 값을 획득할 수 있으며, 복수의 가상 공간 이미지 중 사용자 단말로 기 전송된 가상 공간 이미지를 제외한 나머지 가상 공간 이미지 중 확률 값이 상대적으로 가장 큰 이미지를 재 획득할 수 있다.

이 후, 재 획득된 가상 공간 이미지를 제1 사용자 단말 및 제2 사용자 단말로 전송한다(S740). 상술한 예에서, 프로세서(130)는 복수의 가상 공간 이미지 중 확률 값이 상대적으로 가장 큰 이미지를 제1 사용자 단말 및 제2 사용자 단말로 전송할 수 있다.

한편, S720 단계에서, 가상 공간 이미지에 대한 거절 피드백이 수신되면, 기 획득된 복수의 가상 공간 이미지 중 다른 하나 또는 복수의 가상 공간 샘플 이미지 중 어느 하나를 제1 사용자 단말 및 제2 사용자 단말로 전송한다(S750).

여기서, 기 획득된 복수의 가상 공간 이미지는 학습된 신경망 모델을 통해 기 획득된 가상 공간 이미지를 의미한다. 기 획득된 가상 공간 이미지는 현재 획득된 가상 공간 이미지와 상이하며, 과거에 신경망 모델을 통해 획득된 가상 공간 이미지를 의미한다.

일 실시 예에 따라 프로세서(130)는 학습된 신경망 모델을 통해 획득된 가상 공간 이미지를 메모리(120)에 저장할 수 있다. 일 예에 따라 가상 공간 이미지는 생성 시점, 즉, 신경망 모델로부터 출력된 시점, 사용자 단말 내 관련 애플리케이션의 구동 종료 시점 또는 기 설정된 주기 중 적어도 하나의 시점에 메모리(120)에 저장될 수 있다. 예를 들어, 저장 시점에 대한 정보는 기 저장되어 있거나, 사용자 명령에 의해 선택된 시점이 될 수 있다.

일 예에 따라, 프로세서(130)는 가상 공간 이미지의 저장 시점을 선택하기 위한 가이드하는 UI 정보를 통신 인터페이스(110)를 통해 사용자 단말로 전송할 수 있고, 프로세서(130)는 수신된 사용자 입력에 기초하여 가상 공간 이미지의 저장 시점을 식별할 수 있다. 예를 들어 가이드 UI는 가상 공간 이미지의 생성 시점, 사용자 단말 내 관련 애플리케이션의 구동 종료 시점 또는 기 설정된 주기 중 적어도 하나의 시점 중 적어도 하나를 선택하도록 가이드하는 정보를 포함할 수 있다.한편, 일 예에 따라 프로세서(130)는 가상 공간 이미지에 대한 거절 피드백이 수신되면, 메모리(120)에 저장된 복수의 가상 공간 이미지 중 하나를 식별하여 사용자 단말로 전송할 수 있다. 예를 들어, 프로세서(130)는 복수의 가상 공간 이미지 중 하나를 랜덤(random)하게 식별하여 사용자 단말로 전송할 수 있다.

한편, 가상 공간 샘플 이미지는 각 카테고리 별 대응되는 가상 공간에 대한 샘플 이미지를 의미한다. 가상 공간은 피트니스 클럽, 파티룸, 축구장, 게임장 등 복수의 상이한 카테고리일 수 있으며, 프로세서(130)는 각 카테고리에 대응되는 가상 공간 샘플 이미지를 획득하여 메모리(120)에 저장할 수 있다. 또는 가상 공간 샘플 이미지는 초기 설정시에 메모리(120)에 기 저장되어 있을 수도 있다.

일 예에 따라, 프로세서(130)는 가상 공간 이미지에 대한 거절 피드백이 수신되면, 아이템의 특징 정보에 기초하여 메모리(120)에 저장된 복수의 가상 공간 샘플 이미지 중 어느 하나를 사용자 단말로 전송할 수 있다. 예를 들어, 프로세서(130)는 식별된 아이템이 헤어 밴드, 트레이닝 복 및 운동화인 경우, 이에 기초하여 복수의 가상 공간 샘플 이미지 중 피트니스 클럽에 대응되는 가상 공간 샘플 이미지를 식별하여 사용자 단말로 전송할 수 있다. 이 경우, 식별된 아이템에 대응되는 가상 공간 샘플 이미지가 맵핑되어 메모리(120)에 기 저장되어 있을 수 있다. 예를 들어, 헤어 밴드, 트레이닝 복 및 운동화 각각에 대응되는 샘플 이미지로서 피트니스 클럽에 대응되는 가상 공간 샘플 이미지가 매핑되어 메모리(120)에 기 저장되어 있을 수 있다. 이에 따라, 프로세서(130)는 식별된 아이템에 기초하여 가상 공간 샘플 이미지를 식별할 수 있게 된다.

도 8은 일 실시 예에 따른 사용자 단말의 아바타 정보를 획득하는 방법을 설명하기 위한 도면이다.

도 8에 따르면, 먼저 카메라 영상 정보를 획득한다(S810). 사용자 단말(10)에는 카메라(미도시)가 포함될 수 있으며, 사용자 단말(10)은 카메라(미도시)를 통해 카메라 영상 정보를 획득할 수 있다. 이 경우, 카메라 영상 정보는 사용자를 실시간으로 촬영한 카메라 영상 정보일 수 있다.　

이 후, 카메라 영상 정보에 기초하여 픽셀 각각에 대응되는 RGB 정보를 획득한다(S820).

이 후, 획득된 RGB 정보에 기초하여 사용자 움직임 정보를 획득한다(S830). 구체적으로, 사용자 단말(10)은 획득된 픽셀 각각에 대응되는 RGB 정보의 변화량에 기초하여 사용자의 움직임 정보를 획득할 수 있다. 예를 들어, 사용자 단말(10)은 픽셀 각각에 대응되는 RGB 정보에 기초하여 사용자의 joint 및 pose를 식별할 수 있으며, 식별된 joint 및 pose의 변화에 기초하여 사용자의 움직임 정보를 획득할 수 있다. 여기서, 사용자 단말의 프로세서는 획득된 사용자의 움직임 정보에 대응되는 아바타의 움직임 정보(또는, 모션 정보)를 획득할 수 있다. 즉, 사용자 움직임 정보가 아바타에 re-targeting될 수 있다.

이 후, 획득된 사용자 움직임 정보를 서버로 전송한다(S840).　

이 후, 서버로부터 복수의 사용자의 움직임 정보를 포함하는 가상공간에 대한 정보 수신 여부를 식별한다(S850). 여기서, 가상 공간에 대한 정보는 타 사용자 단말로부터 수신된 타 사용자의 움직임 정보에 기초하여 생성되는 타 사용자의 아바타 정보가 포함될 수 있으며, 이와 함께 메타버스 공간 상에서의 가상 공간 정보가 포함될 수 있다.　

이 후, 가상공간에 대한 정보에 기초하여 렌더링(rendering)한다(S860). 사용자 단말(10)은 타 사용자에 대응되는 아바타 정보 및 가상 공간 정보가 수신되면 이를 렌더링하여 사용자 단말 내 구비된 디스플레이(미도시)를 통해 표시할 수 있다.

도 9는 일 실시 예에 따른 가상 공간 정보를 획득하는 방법을 설명하기 위한 흐름도이다.

먼저, 사용자 단말(10)은 RGB 정보 및 사용자 입력 기초하여 아바타 정보를 획득한다(S910). 이는 도 8을 통해 자세히 설명하였으므로 구체적인 획득 방법은 생략하도록 한다.

이 후, 사용자 단말(10)은 획득된 아바타 정보를 전자 장치(100)로 전송한다(S920).

이 후, 전자 장치(100)는 아바타 정보로부터 식별된 특징 정보를 신경망 모델이 입력하여 가상 공간 이미지를 획득한다(S930).

이 후, 전자 장치(100)는 획득된 가상 공간 이미지를 사용자 단말(10)로 전송한다(S940). 이 경우, 전자 장치(100)는 통신 인터페이스(110)를 통해 획득된 가상 공간 이미지를 사용자 단말로 전송할 수 있다.

이 후, 사용자 단말(10)은 사용자로부터 거절 피드백이 수신되었는지 여부를 식별한다(S950). 이 경우, 사용자 단말(10)은 사용자 단말(10) 내 구비된 사용자 인터페이스(미도시)를 통해 거절 피드백에 대응되는 사용자 입력을 수신할 수 있다.

이 후, 사용자로부터 거절 피드백이 수신되면(Y), 사용자 단말(10)은 거절 피드백에 대응되는 신호를 전자 장치(100)로 전송한다(S960).

이 후, 전자 장치(100)는 특징 정보를 신경망 모델에 재입력하여 가상 공간 이미지 재 획득하거나, 또는 기 획득된 복수의 가상 공간 이미지 및 복수의 가상 공간 샘플 이미지 중 하나 획득한다(S970). 이 후, 전자 장치(100)는 재 획득된 가상 공간 이미지 또는 기 획득된 복수의 가상 공간 이미지 및 복수의 가상 공간 샘플 이미지 중 하나를 사용자 단말(10)로 전송한다. 이에 대하여는 도 7을 통해 자세히 설명하였으므로 구체적인 획득 방법에 대한 설명은 생략하도록 한다.

한편, 사용자 단말(10)은 사용자로부터 거절 피드백이 수신되지 않으면(N), 획득된 가상 공간 이미지에 기초하여 렌더링한다(S980).

도 10은 일 실시 예에 따른 전자 장치의 세부 구성을 설명하기 위한 도면이다.

도 10에 따르면, 전자 장치(100')는 통신 인터페이스(110), 메모리(120), 프로세서(130), 사용자 인터페이스(140), 디스플레이(150), 마이크(160), 스피커(170) 및 카메라(180)를 포함할 수 있다. 도 10에 도시된 구성 중 도 2에 도시된 구성과 중복되는 구성에 대해서는 자세한 설명을 생략하도록 한다.

사용자 인터페이스(140)는 전자 장치(100')가 사용자와 인터렉션(Interaction)을 수행하기 위한 구성이다. 예를 들어 사용자 인터페이스(140)는 터치 센서, 모션 센서, 버튼, 조그(Jog) 다이얼, 스위치, 마이크 또는 스피커 중 적어도 하나를 포함할 수 있으나 이에 한정되는 것은 아니다.

디스플레이(150)는 자발광 소자를 포함하는 디스플레이 또는, 비자발광 소자 및 백라이트를 포함하는 디스플레이로 구현될 수 있다. 예를 들어, LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes) 디스플레이, LED(Light Emitting Diodes), 마이크로 LED(micro LED), Mini LED, PDP(Plasma Display Panel), QD(Quantum dot) 디스플레이, QLED(Quantum dot light-emitting diodes) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 디스플레이(150) 내에는 a-si TFT, LTPS(low temperature poly silicon) TFT, OTFT(organic TFT) 등과 같은 형태로 구현될 수 있는 구동 회로, 백라이트 유닛 등도 함께 포함될 수 있다. 한편, 디스플레이(150)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 롤러블 디스플레이(rollable display), 3차원 디스플레이(3D display), 복수의 디스플레이 모듈이 물리적으로 연결된 디스플레이 등으로 구현될 수 있다. 또한, 디스플레이(150)는 터치 스크린을 내장하고 있어, 손가락 또는 펜(예를 들어, 스타일러스 펜)을 이용하여 프로그램을 실행시킬 수 있도록 구현될 수 있다.

마이크(160)는 소리를 획득하여 전기 신호로 변환하는 모듈을 의미할 수 있으며, 콘덴서 마이크, 리본 마이크, 무빙코일 마이크, 압전소자 마이크, 카본 마이크, MEMS(Micro Electro Mechanical System) 마이크일 수 있다. 또한, 무지향성, 양지향성, 단일지향성, 서브 카디오이드(Sub Cardioid), 슈퍼 카디오이드(Super Cardioid), 하이퍼 카디오이드(Hyper Cardioid)의 방식으로 구현될 수 있다.

스피커(170)는, 고음역대 소리 재생을 위한 트위터, 중음역대 소리 재생을 위한 미드레인지, 저음역대 소리 재생을 위한 우퍼, 극저음역대 소리 재생을 위한 서브우퍼, 공진을 제어하기 위한 인클로저, 스피커에 입력되는 전기 신호 주파수를 대역 별로 나누는 크로스오버 네트워크 등으로 이루어질 수 있다.

스피커(170)는, 음향 신호를 전자 장치(100')의 외부로 출력할 수 있다. 스피커(170)는 멀티미디어 재생, 녹음 재생, 각종 알림음, 음성 메시지 등을 출력할 수 있다. 전자 장치(100')는 스피커(170)와 같은 오디오 출력 장치를 포함할 수 있으나, 오디오 출력 단자와 같은 출력 장치를 포함할 수 있다. 특히, 스피커(170)는 획득한 정보, 획득한 정보에 기초하여 가공·생산한 정보, 사용자 음성에 대한 응답 결과 또는 동작 결과 등을 음성 형태로 제공할 수 있다.

카메라(180)는 일정한 화각(Field of View; FoV) 내에 영역에 대한 촬영을 수행하여 영상을 획득할 수 있다. 카메라(180)는 오브젝트에 의해 반사되어 수신되는 가시광 기타 광학 신호를 이미지 센서로 포커싱하는 렌즈 및 가시광 기타 광학 신호를 감지할 수 있는 이미지 센서를 포함할 수 있다. 여기서, 이미지 센서는 복수의 픽셀로 구분되는 2D의 픽셀 어레이를 포함할 수 있다.

상술한 예에 따르면, 사용자의 아바타에 포함된 아이템의 기초하여 자동으로 가상 공간 이미지를 생성하고, 자동으로 생성된 가상 공간 이미지를 포함하여 가상 세계를 렌더링할 수 있게 된다. 이에 따라 사용자는 별도로 기 생성된 가상 공간 테마 중 하나를 선택할 필요가 없으며, 엔지니어 등의 개발자는 기 생성된 가상 공간 이외의 가상 공간을 사용자가 원하는 경우에도 일일이 가상 공간을 직접 생성할 필요가 없게 된다.

한편, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 설치 가능한 어플리케이션 형태로 구현될 수 있다. 또는 상술한 본 개시의 다양한 실시 예들에 따른 방법들은 딥 러닝 기반의 인공 신경망(또는 심층 인공 신경망) 즉, 학습 네트워크 모델을 이용하여 수행될 수 있다. 또한, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드 만으로도 구현될 수 있다. 또한, 상술한 본 개시의 다양한 실시 예들은 전자 장치에 구비된 임베디드 서버, 또는 전자 장치의 외부 서버를 통해 수행되는 것도 가능하다.

한편, 본 개시의 일시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 디스플레이 장치(예: 디스플레이 장치(A))를 포함할 수 있다. 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 프로세서의 제어 하에 다른 구성요소들을 이용하여 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.

또한, 일 실시 예에 따르면, 이상에서 설명된 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, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

또한, 상술한 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

100: 전자 장치 110: 통신 인터페이스
120: 메모리 130: 프로세서

Claims

전자 장치에 있어서,
통신 인터페이스;
아바타(Avatar)를 구성하는 복수의 아이템 각각에 대응되는 특징 정보 및 학습된 신경망 모델이 저장된 메모리; 및
상기 통신 인터페이스를 통해 제1 사용자 단말 및 제2 사용자 단말로부터 제1 사용자에 대응되는 제1 아바타 정보 및 제2 사용자에 대응되는 제2 아바타 정보가 수신되면, 상기 제1 아바타 정보에 포함된 적어도 하나의 제1 아이템 및 상기 제2 아바타 정보에 포함된 적어도 하나의 제2 아이템을 식별하고,
상기 식별된 적어도 하나의 제1 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템을 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제2 아이템을 식별하고,
상기 식별된 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보를 상기 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득하고,
상기 획득된 가상 공간 이미지를 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 프로세서;를 포함하며,
상기 학습된 신경망 모델은,
아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습된, 전자 장치.
제1항에 있어서,
상기 학습된 신경망 모델은,
아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템 중 특정 타입의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습된, 전자 장치.
제1항에 있어서,
상기 제1 아바타 정보 및 상기 제2 아바타 정보는,
사용자에 대응되는 아바타 이미지 또는 상기 아바타 이미지에 포함된 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함하며,
상기 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보는,
아이템 각각에 대응되는 이미지 또는 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함하는, 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 획득된 가상 공간 이미지가 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송된 후 상기 가상 공간 이미지에 대한 거절 피드백이 수신되면, 상기 제1 아이템에 대응되는 특징 정보 및 상기 제2 아이템에 대응되는 특징 정보를 상기 학습된 신경망 모델에 재입력하여 가상 공간 이미지를 재 획득하고,
상기 재 획득된 가상 공간 이미지를 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는, 전자 장치.
제1항에 있어서,
상기 메모리는,
상기 학습된 신경망 모델을 통해 획득된 복수의 가상 공간 이미지 또는 상이한 카테고리에 속하는 복수의 가상 공간 샘플 이미지 중 적어도 하나를 저장하며,
상기 프로세서는,
상기 획득된 가상 공간 이미지가 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송된 후 상기 가상 공간 이미지에 대한 거절 피드백이 수신되면, 상기 복수의 가상 공간 이미지 중 다른 하나 또는 상기 복수의 가상 공간 샘플 이미지 중 어느 하나를 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는, 전자 장치.
제5항에 있어서,
상기 프로세서는,
상기 제1 아이템에 대응되는 특징 정보 및 상기 제2 아이템에 대응되는 특징 정보에 기초하여 상기 복수의 가상 공간 샘플 이미지 중 어느 하나를 선택하여 상기 통신 인터페이스를 통해 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는, 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 식별된 적어도 하나의 제1 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템을 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제2 아이템을 식별하고,
상기 식별된 제1 아이템 중 특정 타입의 아이템 및 상기 식별된 제2 아이템 중 특정 타입의 아이템을 상기 학습된 신경망 모델에 입력하여 상기 가상 공간 이미지를 획득하는, 전자 장치.
제7항에 있어서,
상기 아바타를 구성하는 복수의 아이템은 상이한 타입의 아이템을 포함하며,
상기 상이한 타입의 아이템은,
의류 아이템, 액세서리 아이템, 피부 아이템, 머리 아이템 또는 얼굴 아이템 중 적어도 하나를 포함하는, 전자 장치.
전자 장치의 제어 방법에 있어서,
제1 사용자 단말 및 제2 사용자 단말로부터 제1 사용자에 대응되는 제1 아바타 정보 및 제2 사용자에 대응되는 제2 아바타 정보가 수신되면, 상기 제1 아바타 정보에 포함된 적어도 하나의 제1 아이템 및 상기 제2 아바타 정보에 포함된 적어도 하나의 제2 아이템을 식별하는 단계;
상기 식별된 적어도 하나의 제1 아이템 중 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템을 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제2 아이템을 식별하는 단계;
상기 식별된 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득하는 단계; 및
상기 획득된 가상 공간 이미지를 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 단계;를 포함하며,
상기 학습된 신경망 모델은,
아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습된, 제어 방법.
제9항에 있어서,
상기 학습된 신경망 모델은,
아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템 중 특정 타입의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습된, 전자 장치.
제9항에 있어서,
상기 제1 아바타 정보 및 상기 제2 아바타 정보는,
사용자에 대응되는 아바타 이미지 또는 상기 아바타 이미지에 포함된 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함하며,
상기 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보는,
아이템 각각에 대응되는 이미지 또는 아이템 각각에 대응되는 인덱스 정보 중 적어도 하나를 포함하는, 제어 방법.
제9항에 있어서,
상기 제어 방법은,
상기 획득된 가상 공간 이미지가 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송된 후 상기 가상 공간 이미지에 대한 거절 피드백이 수신되면, 상기 제1 아이템에 대응되는 특징 정보 및 상기 제2 아이템에 대응되는 특징 정보를 상기 학습된 신경망 모델에 재입력하여 가상 공간 이미지를 재 획득하는 단계;및
상기 재 획득된 가상 공간 이미지를 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 단계;를 더 포함하는, 제어 방법.
제9항에 있어서,
상기 제어 방법은,
상기 획득된 가상 공간 이미지가 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송된 후 상기 가상 공간 이미지에 대한 거절 피드백이 수신되면, 복수의 가상 공간 이미지 중 다른 하나 또는 복수의 가상 공간 샘플 이미지 중 어느 하나를 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 단계;를 더 포함하는, 제어 방법.
제13항에 있어서,
상기 전송하는 단계는,
상기 제1 아이템에 대응되는 특징 정보 및 상기 제2 아이템에 대응되는 특징 정보에 기초하여 상기 복수의 가상 공간 샘플 이미지 중 어느 하나를 선택하여 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는, 제어 방법.
제9항에 있어서,
가상 공간(Virtual Space) 이미지를 획득하는 단계;는,
상기 식별된 제1 아이템 중 특정 타입의 아이템 및 상기 식별된 제2 아이템 중 특정 타입의 아이템을 상기 학습된 신경망 모델에 입력하여 상기 가상 공간 이미지를 획득하는, 제어 방법.
제15항에 있어서,
상기 아바타를 구성하는 복수의 아이템은 상이한 타입의 아이템을 포함하며,
상기 상이한 타입의 아이템은,
의류 아이템, 액세서리 아이템, 피부 아이템, 머리 아이템 또는 얼굴 아이템 중 적어도 하나를 포함하는, 제어 방법.
전자 장치의 프로세서의 의해 실행되어 상기 전자 장치가 동작을 수행하도록 하는 컴퓨터 명령을 저장하는 비일시적 컴퓨터 판독 가능 기록 매체에 있어서, 상기 동작은,
제1 사용자 단말 및 제2 사용자 단말로부터 제1 사용자에 대응되는 제1 아바타 정보 및 제2 사용자에 대응되는 제2 아바타 정보가 수신되면, 상기 제1 아바타 정보에 포함된 적어도 하나의 제1 아이템 및 상기 제2 아바타 정보에 포함된 적어도 하나의 제2 아이템을 식별하는 단계;
상기 식별된 적어도 하나의 제1 아이템 중 메모리에 저장된 상기 복수의 아이템에 대응되는 제1 아이템을 식별하고, 상기 식별된 적어도 하나의 제2 아이템 중 상기 메모리에 저장된 상기 복수의 아이템에 대응되는 제2 아이템을 식별하는 단계;
상기 식별된 제1 아이템에 대응되는 특징 정보 및 상기 식별된 제2 아이템에 대응되는 특징 정보를 학습된 신경망 모델에 입력하여 메타버스(Metaverse) 내의 가상 공간(Virtual Space) 이미지를 획득하는 단계; 및
상기 획득된 가상 공간 이미지를 상기 제1 사용자 단말 및 상기 제2 사용자 단말로 전송하는 단계;를 포함하며,
상기 학습된 신경망 모델은,
아바타를 구성하는 복수의 아이템이 입력되면 상기 복수의 아이템과 관련된 가상 공간 이미지를 생성하여 출력하도록 학습된, 컴퓨터 판독 가능 기록 매체.