KR20240028257A - 인터폴레이션을 수행하는 전자 장치, 동작 방법, 및 저장 매체 - Google Patents

Abstract

일 실시예에 따라서, 전자 장치는, 적어도 하나의 프로세서 및 메모리를 포함할 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 그 밖에 다양한 실시예가 가능하다.

Description

인터폴레이션을 수행하는 전자 장치, 동작 방법, 및 저장 매체{ELECTRONIC DEVICE PERFORMING INTERPOLATION, METHOD FOR OPERATING THEREOF AND MEDIUM STORAGE}

본 개시는, 인터폴레이션을 수행하는 전자 장치, 동작 방법, 및 저장 매체에 관한 것이다.

최근 비디오 품질 향상과 관련하여 다양한 분야의 딥 러닝(deep-learning) 기반 연구가 활발히 진행되고 있다. 그 중 비디오 프레임 인터폴레이션(interpolation) 기술은, 비디오의 시간축 품질(temporal-quality) 향상을 목적으로 할 수 있다. 인터폴레이션 기술에 기반하여, 저주사율 (low-temporal-frequency) 비디오를 이용하여 고주사율(high-temporal-frequency) 비디오가 제공되거나, 또는 주사율이 유지되는 슬로우 비디오가 제공될 수 있다. 하드웨어의 성능 향상이 없이도, 인터폴레이션에 기반한 비디오의 시간축 품질의 향상이 가능할 수 있다. 예를 들어, 인터폴레이션은, 픽셀의 움직임을 예측하여 중간 이미지 프레임을 생성할 수 있다. 예를 들어, 인터폴레이션은, 두 입력 이미지 프레임에 포함되는 적어도 하나의 오브젝트의 움직임을 추정하여, 추정 결과에 기반하여 중간 이미지 프레임을 생성할 수 있다.

전술한 배경 기술은 본 개시의 도출과정에서 보유하거나 습득한 것으로서 반드시 본 개시의 출원 전에 일반 공중에 공개된 공지 기술이라고 할 수 없다.

일 실시예에 따라서, 전자 장치는, 적어도 하나의 프로세서 및 메모리를 포함할 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 여기에서, 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트는 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지는 오브젝트일 수 있다. 여기에서 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트는, 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지지 않는 오브젝트일 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다.

일 실시예에 따라서, 컴퓨터로 독출 가능한 적어도 하나의 인스트럭션을 저장하는 저장 매체에 있어서, 상기 적어도 하나의 인스트럭션은 전자 장치의 적어도 하나의 프로세서에 의하여 실행 시에, 상기 전자 장치로 하여금 적어도 하나의 동작을 수행하도록 야기할 수 있다. 상기 적어도 하나의 동작은, 제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작을 포함할 수 있다. 여기에서, 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트는 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지는 오브젝트일 수 있다. 여기에서 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트는, 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지지 않는 오브젝트일 수 있다. 상기 적어도 하나의 동작은, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하는 동작을 포함할 수 있다.

일 실시예에 따라서, 전자 장치의 동작 방법은, 제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은, 상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작을 포함할 수 있다. 여기에서, 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트는 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지는 오브젝트일 수 있다. 여기에서 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트는, 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지지 않는 오브젝트일 수 있다.상기 전자 장치의 동작 방법은, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하는 동작을 포함할 수 있다.

일 실시예에 따라서, 전자 장치는, 적어도 하나의 프로세서 및 메모리를 포함할 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 복수 개의 이미지 프레임들을 제 1 AI 모델에 입력하고, 상기 제 1 AI 모델로부터의 출력으로서의 불연속 맵을 획득하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 복수 개의 이미지 프레임들 중 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 인터폴레이션을 위한 제 2 AI 모델에 입력하고, 상기 제 2 AI 모델로부터의 출력으로서의 인터폴레이션 이미지 프레임을 획득하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 상기 메모리는, 상기 적어도 하나의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 불연속 맵, 상기 인터폴레이션 이미지 프레임과, 상기 제 1 이미지 프레임 중 상기 제 2 이미지 프레임 중 선택된 레퍼런스 이미지 프레임의 가중치 합에 기반하여, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대한 최종 인터폴레이션 이미지 프레임을 제공하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다.

일 실시예에 따라서, 컴퓨터로 독출 가능한 적어도 하나의 인스트럭션을 저장하는 저장 매체에 있어서, 상기 적어도 하나의 인스트럭션은 전자 장치의 적어도 하나의 프로세서에 의하여 실행 시에, 상기 전자 장치로 하여금 적어도 하나의 동작을 수행하도록 야기할 수 있다. 상기 적어도 하나의 동작은, 복수 개의 이미지 프레임들을 제 1 AI 모델에 입력하고, 상기 제 1 AI 모델로부터의 출력으로서의 불연속 맵을 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 복수 개의 이미지 프레임들 중 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 인터폴레이션을 위한 제 2 AI 모델에 입력하고, 상기 제 2 AI 모델로부터의 출력으로서의 인터폴레이션 이미지 프레임을 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 불연속 맵, 상기 인터폴레이션 이미지 프레임과, 상기 제 1 이미지 프레임 중 상기 제 2 이미지 프레임 중 선택된 레퍼런스 이미지 프레임의 가중치 합에 기반하여, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대한 최종 인터폴레이션 이미지 프레임을 제공하는 동작을 포함할 수 있다.

일 실시예에 따라서, 전자 장치의 동작 방법은, 복수 개의 이미지 프레임들을 제 1 AI 모델에 입력하고, 상기 제 1 AI 모델로부터의 출력으로서의 불연속 맵을 획득하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은, 상기 복수 개의 이미지 프레임들 중 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 인터폴레이션을 위한 제 2 AI 모델에 입력하고, 상기 제 2 AI 모델로부터의 출력으로서의 인터폴레이션 이미지 프레임을 획득하는 동작을 포함할 수 있다. 상기 전자 장치의 동작 방법은, 상기 불연속 맵, 상기 인터폴레이션 이미지 프레임과, 상기 제 1 이미지 프레임 중 상기 제 2 이미지 프레임 중 선택된 레퍼런스 이미지 프레임의 가중치 합에 기반하여, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대한 최종 인터폴레이션 이미지 프레임을 제공하는 동작을 포함할 수 있다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 인터폴레이션을 설명하기 위한 도면이다.
도 3a는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.
도 3b는, 일 실시예에 따른 인터폴레이션 이미지의 생성 동작을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 AI 모델의 트레이닝 동작 및 AI 모델 이용 동작을 설명하기 위한 도면이다.
도 5a는, 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.
도 5b는, 일 실시예에 따른 불연속 맵을 이용하는 인터폴레이션 이미지 프레임 생성 과정을 설명하는 도면이다.
도 5c는 일 실시예에 따른 인터폴레이션 이미지 프레임 생성 동작을 설명하기 위한 도면이다.
도 5d는 일 실시예에 따른 인터폴레이션 결과와 비교예에 따른 인터폴레이션 결과의 차이를 설명하기 위한 도면이다.
도 6a는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.
도 6b 및 6c는, 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.
도 6d는, 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.
도 7a는, 일 실시예에 따른 트레이닝 데이터 셋트를 생성하는 실시 예를 설명하기 위한 흐름도를 도시한다.
도 7b 및 도 7c는, 일 실시예에 따른 트레이닝 데이터 셋트의 생성을 설명하기 위한 도면이다.
도 8은, 일 실시예에 따른 AI 모델의 트레이닝을 설명하기 위한 도면이다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(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(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(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(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))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(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)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(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(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(104)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(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.

무선 통신 모듈(192)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(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)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(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)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(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

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

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)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(101)로 전달할 수 있다. 전자 장치(101)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(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)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 2는 일 실시예에 따른 인터폴레이션을 설명하기 위한 도면이다..

도 2를 참조하면, 일 실시예에 따른 전자 장치(101)(예를 들어, 프로세서(120))는, 제 1 이미지 프레임(210) 및 제 2 이미지 프레임(220)을 획득(또는, 수신)할 수 있다. 예를 들어, 전자 장치(101)는, 제 1 프레임레이트로 제 1 이미지 프레임(210) 및 제 2 이미지 프레임(220)을 촬영함으로써, 제 1 이미지 프레임(210) 및 제 2 이미지 프레임(220)을 획득할 수 있다. 한편, 촬영에 의한 이미지 프레임들(210,220)의 획득은 단순히 예시적인 것으로, 전자 장치(101)는, 기 촬영하여 저장된 이미지 프레임들(210,220)을 인터폴레이션을 위하여 로드할 수 있거나, 이미지 프레임들(210,220)을 포함하는 비디오 파일을 획득(예를 들어, 다른 전자 장치로부터 유선 또는 무선 인터페이스에 기반하여 수신)할 수도 있으며, 이미지 프레임들(210,220)의 획득 방식에는 제한이 없음을 당업자는 이해할 것이다.

일 실시예에 따라서, 전자 장치(101)는, 인터폴레이션을 수행함으로써, 인터폴레이션 이미지 프레임(230)을 생성할 수 있다. 인터폴레이션 이미지 프레임(230)은, 예를 들어 시계열적으로 제 1 이미지 프레임(210) 및 제 2 이미지 프레임(220)의 중간 시점에 대응하는 이미지 프레임일 수 있다. 전자 장치(101)는, 제 1 이미지 프레임(210), 인터폴레이션 이미지 프레임(230) 및 제 2 이미지 프레임(220)을 이용하여, 제 1 프레임레이트보다 높은 제 2 프레임레이트로 동영상 재생을 수행할 수 있다. 또는, 전자 장치(101)는, 제 1 이미지 프레임(210), 인터폴레이션 이미지 프레임(230) 및 제 2 이미지 프레임(220)을 이용하여, 제 1 프레임레이트(또는, 다른 프레임레이트일 수도 있으며, 제한이 없음)로, 슬로우 비디오 재생을 수행할 수도 있으며, 인터폴레이션 이미지 프레임(230)의 이용에는 제한이 없다. 예를 들어, 제 1 이미지 프레임(210)은, 제 1 오브젝트(211) 및 제 2 오브젝트(212)를 포함할 수 있다. 제 2 이미지 프레임(220)은, 제 3 오브젝트(221) 및 제 4 오브젝트(222)를 포함할 수 있다.

예를 들어, 제 2 오브젝트(212) 및 제 4 오브젝트(222)는 서로 대응될 수 있다. 예를 들어, 비디오 프레임 내에서의 제 2 오브젝트(212) 및 제 4 오브젝트(222)는 동일한 피사체에 대한 촬영 결과일 수 있으며, 설명의 편의 상 이를 인터폴레이션 적용 오브젝트라 명명할 수 있다. 한편, 오브젝트는, 단순히 예시적인 개념으로, 전자 장치(101)는, 이미지 프레임 내의 영역(예를 들어, 픽셀의 범위) 별로, 인터폴레이션 적용 영역인지 여부를 판단할 수도 있으며, 오브젝트와 영역은 서로 교환적으로 이용될 수도 있음을 당업자는 이해할 것이다. 한편, 제 2 오브젝트(212) 및 제 4 오브젝트(222)가 피사체에 대한 촬영 결과는, 단순히 예시적인 것으로, 비디오 프레임 내에서 연속적인 움직임을 가지거나, 및/또는 동일한 위치에 배치되는 오브젝트라면 제한이 없으며, 실제 촬영 결과뿐만 아니라 인위적으로 생성된 연속적인 움직임을 가지는 그래픽 요소(예를 들어, 컴퓨터 그래픽 요소이지만 제한이 없음)로도 구현될 수도 있음을 당업자는 이해할 것이다. 예를 들어, 오브젝트들이 서로 대응한다 하더라도, 오브젝트들의 형상 및/또는 위치가 상이할 수 있다. 예를 들어, 서로 대응하는 오브젝트들이 동일한 피사체에 대한 촬영 결과인 경우에는, 시간의 흐름에 따라서 해당 피사체의 움직임, 해당 피사체로부터 카메라 모듈까지의 거리 변경, 카메라의 촬영 구도 변경과 같은 다양한 변경 요인에 기반하여, 서로 대응하는 오브젝트들의 형상 및/또는 위치가 상이할 수 있다. 예를 들어, 제 1 이미지 프레임(210)의 제 2 오브젝트(212)는 제 1 이미지 프레임(210)의 일측으로부터 d2만큼 떨어진 것을 상정하도록 하며, 제 2 이미지 프레임(220)의 제 4 오브젝트(222)는 제 2 이미지 프레임(220)의 일측으로부터 d4만큼 떨어진 것을 상정하도록 한다. 이는, 예를 들어 제 2 오브젝트(212) 및 제 4 오브젝트(222)에 대응하는 피사체(또는, 그래픽 요소)의 FOV 내에서의 이동(피사체의 이동 및/또는 카메라의 이동)에서 기인할 수 있다. 상술한 바와 같은, 인터폴레이션 적용 오브젝트(예를 들어, 제 2 오브젝트(212) 및 제 4 오브젝트(222))에 대한 인터폴레이션은, 예를 들어 제 2 오브젝트(212) 및 제 4 오브젝트(222)에 대하여 추정된 움직임에 기반하여 수행되는 것이 바람직할 수 있다. 예를 들어, 인터폴레이션 이미지 프레임(230)에는, 제 2 오브젝트(212) 및 제 4 오브젝트(222)에 대응하는 인터폴레이션 오브젝트(232)가 포함될 수 있다. 인터폴레이션 오브젝트(232)는, 예를 들어 제 2 오브젝트(212) 및 제 4 오브젝트(222)에 대하여 추정된 움직임 및/또는 제 2 오브젝트(212) 및 제 4 오브젝트(222)의 위치에 기반하여 생성될 수 있다. 인터폴레이션 오브젝트(232)는, 인터폴레이션 이미지 프레임(230)의 일측으로부터 d6만큼 떨어진 것을 확인할 수 있으며, 해당 거리(d6)는 제 2 오브젝트(212) 및 제 4 오브젝트(222)에 대하여 추정된 움직임 및/또는 제 2 오브젝트(212) 및 제 4 오브젝트(222)의 위치에 기반하여 결정될 수 있다. 한편, 다양한 실시예들에서 이용되는 이미지 프레임들은, 실사로 촬영된 이미지 프레임들이 아닌, 애니메이션과 같이 비디오 재생을 위한 이미지 프레임들, 게임 화면의 재생을 위한 이미지 프레임들, 임의의 어플리케이션(예를 들어, 채팅 어플리케이션)을 위한 이미지 프레임들과 같이, 전자 장치(101)의 디스플레이 모듈(160)에서 표시될 수 있는 이미지 프레임이라면 제한이 없음을 당업자는 이해할 것이다.

예를 들어, 제 1 오브젝트(211) 및 제 3 오브젝트(221)는 서로 대응될 수 있다. 예를 들어, 비디오 프레임 내에서의, 제 1 오브젝트(211) 및 제 3 오브젝트(221)는 상술한 연속적인 움직임을 가지는 오브젝트가 아닌, 불연속적인 움직임을 가지거나 및/또는 실질적으로 동일한 영역 내에서의 표시가 유지되는 오브젝트일 수 있으며, 설명의 편의 상 이를 인터폴레이션 비적용 오브젝트라 명명할 수 있다. 상술한 바와 같이, 인터폴레이션 비적용 오브젝트는, 인터폴레이션 비적용 영역으로 교환적으로 이용될 수도 있음을 당업자는 이해할 것이다. 예를 들어, 실질적으로 동일한 영역 내에서의 표시가 유지되는 인터폴레이션 비적용 오브젝트는, 기본 화면(예를 들어, 210,220,230)의 적어도 일부를 덮는(cover) 텍스트(예를 들어, 자막을 위한 텍스트, 및/또는 어플리케이션 정보(예를 들어, 게임과 연관된 정보)를 나타내기 위한 텍스트일 수 있지만 제한이 없음), 사용자 조작을 위한 오브젝트, 및/또는 사용자의 정보 인지를 위한 오브젝트를 포함할 수 있으나, 그 종류에는 제한이 없다. 여기에서, 오브젝트가 기본 화면의 적어도 일부를 덮는다는 의미는, 해당 오브젝트에 의하여 기본 화면의 적어도 일부가 비표시되는 것을 의미할 수 있으며, 이는 오브젝트가 기본 화면 상위에 정의된 레이어에 배치되도록 구현되거나, 및/또는 오브젝트가 기본 화면의 적어도 일부를 대체하여 구현될 수도 있으며, 그 구현 방식에는 제한이 없음을 당업자는 이해할 것이다. 상술한 바와 같이, 인터폴레이션 비적용 오브젝트는, 기본 화면을 덮는 텍스트 및/또는 오브젝트로, 텍스트에 대응하는 형상 및/또는 인위적인 도형(예를 들어, 원, 직사각형 이지만 제한이 없음)의 형상을 포함할 수 있다. 비디오 컨텐츠 또한, 다양한 스트리밍 서비스 방식에 기반하여 불연속적인 움직임을 가지는 오브젝트, 도형, 및/또는 텍스트가, 해당 화면을 덮도록 표시될 수 있다. 또는, 게임 또는 AR 컨텐츠 상에도, 해당 화면을 덮는 다양한 인터페이스(예를 들어, 채팅 창, 텍스트, 조작 오브젝트, 버튼으로 제한이 없음)가 제공될 수 있다. 인터폴레이션 비적용 오브젝트(또는, 인터폴레이션 비적용 영역)을 구분하기 위한 인공지능 모델은, 예를 들어 상술한 텍스트에 대응하는 형상 및/또는 인위적인 도형의 형상을 포함하는 이미지에 기반한 트레이닝 데이터 셋트에 기반하여 트레이닝될 수도 있으며, 이에 대하여서는 후술하도록 한다. 한편, 불연속적인 움직임은, 예를 들어 이미지 프레임들 사이에서의 위치 및/또는 형상의 변경 정도가 임계 정도를 초과하는 움직임을 의미하거나, 및/또는 변경이 상대적으로 짧은 시간에(예를 들어, 상대적으로 적은 수의 이미지 프레임 내에서) 발생하는 움직임을 의미할 수 있으나, 제한은 없다. 예를 들어, 비디오 프레임이 메시지 어플리케이션 실행 화면인 경우, 특정 수신 메시지가 표시되거나, 또는 송신 메시지가 표시되는 시점에서, 기존의 표시되던 메시지들은 일정거리(예를 들어, 신규 표시되는 메시지의 크기에 따라 결정될 수 있으나 제한이 없음)만큼, 상대적으로 짧은 시간 내에 오브젝트들이 이동될 수 있으며, 상대적으로 짧은 시간 내에 오브젝트가 이동하는 메시지들이, 인터폴레이션 비적용 오브젝트의 예시일 수 있다.

인터폴레이션 비적용 오브젝트(예를 들어, 제 1 오브젝트(211) 및 제 3 오브젝트(221))은, 실질적으로 동일한 위치에서 표시가 유지될 필요가 있거나, 또는 짧은 시간 내의 불연속적인 움직임이 표현되어야 할 수 있다. 한편, 만약 제 1 오브젝트(211) 및 제 3 오브젝트(221)에 대하여 인터폴레이션이 수행된다면, 인터폴레이션 오브젝트(231)가 생성될 수 있다. 인터폴레이션 오브젝트(231)는, 인터폴레이션 이미지 프레임(230)의 일측으로부터 d5만큼 떨어진 것을 확인할 수 있으며, 해당 거리(d5)는 제 1 오브젝트(211) 및 제 3 오브젝트(221)에 대하여 추정된 움직임 및/또는 제 1 오브젝트(211) 및 제 3 오브젝트(221)의 위치에 기반하여 결정될 수 있다. 하지만, 인터폴레이션 오브젝트(231)가, 예를 들어 제 1 오브젝트(211) 및 제 3 오브젝트(221)의 중간의 위치에 배치되는 경우, 인터폴레이션 비적용 오브젝트의 특징이 부적절하게 표현될 가능성이 있다.

도 3a는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다. 도 3a의 실시예는, 도 3b를 참조하여 설명하도록 한다. 도 3b는, 일 실시예에 따른 인터폴레이션 이미지의 생성 동작을 설명하기 위한 도면이다.

도 3a 및 도 3b를 함께 참조하면, 일 실시예에 따라서, 전자 장치(101)(예를 들어, 도 1의 프로세서(120))는, 301 동작에서, 제 1 이미지 프레임(210) 및 제 2 이미지 프레임(220)을 획득(또는, 수신)할 수 있다. 제 1 이미지 프레임(210)는, 제 1 오브젝트(211) 및 제 2 오브젝트(212)를 포함할 수 있다. 제 2 이미지 프레임(220)은, 제 3 오브젝트(221) 및 제 4 오브젝트(222)를 포함할 수 있다. 예를 들어, 제 1 오브젝트(211)는 제 3 오브젝트(221)에 대응하고, 제 2 오브젝트(212)는 제 4 오브젝트(222)에 대응할 수 있다. 전자 장치(101)는, 제 1 이미지 프레임(210) 및 제 2 이미지 프레임(220)에 기반하여, 인터폴레이션 수행을 위한 이벤트의 검출 및/또는 인터폴레이션 수행 조건의 만족을 확인할 수 있다. 예를 들어, 인터폴레이션 수행을 위한 이벤트는, 고 FR(framerate)의 제공을 위한 이벤트, 및/또는 슬로우 비디오 제공을 위한 이벤트를 포함할 수 있으나, 제한은 없다. 예를 들어, 인터폴레이션 수행 조건은, 온도 마진(temperature margin)이 임계 값을 초과하거나, 및/또는 리소스(resource) 마진이 임계 값을 초과하는 조건을 포함할 수 있으나, 제한은 없다. 한편, 인터폴레이션 수행을 위한 이벤트의 검출 및/또는 인터폴레이션 수행 조건의 만족 여부를 확인하는 동작은 생략될 수도 있음을 당업자는 이해할 것이다.

일 실시예에 따라서, 전자 장치(101)는, 303 동작에서, 제 1 이미지 프레임(210)에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트(예를 들어, 제 2 오브젝트(212)) 및 제 1 인터폴레이션 비적용 오브젝트(예를 들어, 제 1 오브젝트(211))를 확인하고, 제 2 이미지 프레임(220)에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트(예를 들어, 제 4 오브젝트(222)) 및 제 2 인터폴레이션 비적용 오브젝트(예를 들어, 제 3 오브젝트(221))를 확인할 수 있다. 예를 들어, 전자 장치(101)는, 인터폴레이션 비적용 오브젝트(예를 들어, 제 1 오브젝트(211) 및 제 3 오브젝트(221))와, 인터폴레이션 적용 오브젝트(예를 들어, 제 2 오브젝트(212) 및 제 4 오브젝트(222))를 구분할 수 있다. 예를 들어, 전자 장치(101)는, 인터폴레이션 비적용 오브젝트 및 인터폴레이션 적용 오브젝트를 구분하기 위한 인공지능 모델을 이용하여, 인터폴레이션 비적용 오브젝트 및 인터폴레이션 적용 오브젝트를 구분할 수 있으나, 제한은 없다. 상술한 바와 같이, 인터폴레이션 비적용 오브젝트는, 기본 화면을 덮는 텍스트 및/또는 오브젝트로, 텍스트에 대응하는 형상 및/또는 인위적인 도형(예를 들어, 원, 직사각형 이지만 제한이 없음)의 형상을 포함할 수 있다. 인공 지능 모델은, 예를 들어 텍스트에 대응하는 형상 및/또는 인위적인 도형의 형상이 배경 화면을 덮는 이미지에 기반한 트레이닝 데이터 셋트에 기반하여 트레이닝될 수도 있다. 이에 따라, 인공지능 모델은, 인터폴레이션 비적용 오브젝트를 검출하도록 트레이닝될 수 있다. 예를 들어, 인공지능 모델은, 불연속적인 움직임의 특성을 가지는 오브젝트를 포함하는 이미지에 기반한 트레이닝 데이터 셋트에 기반하여 트레이닝될 수도 있다. 예를 들어, 트레이닝 데이터 셋트의 이미지는, 메신저 어플리케이션의 실행 화면일 수 있으며, 실행 화면 상에서 불연속적으로 이동하는 오브젝트인 메시지 창(또는, 메시지 오브젝트)이, 인터폴레이션 비적용 오브젝트로서 설정될 수도 있다. 상술한 바에 따라, 인공지능 모델은, 인터폴레이션 비적용 오브젝트를 구분하도록 트레이닝될 수 있다. 인공지능 모델은, 예를 들어 복수 개의 이미지 프레임들(예를 들어, 3개 이상일 수 있으나 제한은 없음)을 입력으로서 수신하여, 인터폴레이션 비적용 오브젝트 및 인터폴레이션 적용 오브젝트가 구분된 이미지 프레임(예를 들어 본 개시에서는 "불연속 맵"으로 명명될 수 있음)을 제공할 수 있으나, 제한은 없다. 예를 들어, 불연속 맵의 인터폴레이션 적용 영역에 포함되는 픽셀에는 제 1 값(예를 들어, 0)이 부여되고, 인터폴레이션 비적용 영역에 포함되는 픽셀에는 제 2 값(예를 들어, 1)이 부여될 수 있다. 또는, 불연속 맵의 각 픽셀들에는, 제 1 값(예를 들어, 0) 내지 제 2 값(예를 들어, 1) 사이의 실수가 부여될 수 있으며, 픽셀의 값이 제 1 값(예를 들어, 0)에 가까울수록 인터폴레이션 적용 오브젝트임을 나타낼 가능성이 높으며, 픽셀의 값이 제 2 값(예를 들어, 1)에 가까울수록 인터폴레이션 비적용 오브젝트임을 나타낼 가능성이 높도록 구현될 수도 있으며, 그 구현 형태에는 제한이 없다. 한편, 인공지능 모델을 이용한 인터폴레이션 적용 오브젝트 및 인터폴레이션 비적용 오브젝트의 구분은 예시적인 것이다. 전자 장치(101)는, 예를 들어 복수 개의 이미지 프레임들 중 어느 하나의 이미지 프레임에 대한 이미지 인식 결과에 기반하여, 인터폴레이션 적용 오브젝트 및 인터폴레이션 비적용 오브젝트를 구분할 수도 있으며, 그 구분 방식에는 제한이 없음을 당업자는 이해할 것이다.

일 실시예에 따라서, 전자 장치(101)는, 305 동작에서, 제 1 인터폴레이션 적용 오브젝트(예를 들어, 제 2 오브젝트(212)) 및 제 2 인터폴레이션 적용 오브젝트(예를 들어, 제 4 오브젝트(214))에 대한 인터폴레이션 결과와, 제 1 인터폴레이션 비적용 오브젝트(예를 들어, 제 1 오브젝트(211)) 또는 제 2 인터폴레이션 비적용 오브젝트(예를 들어, 제 3 오브젝트(221))를 포함하는, 인터폴레이션 이미지 프레임(310 또는 320)을 제공할 수 있다. 예를 들어, 전자 장치(101)는, 제 1 인터폴레이션 적용 오브젝트(예를 들어, 제 2 오브젝트(212)) 및 제 2 인터폴레이션 적용 오브젝트(예를 들어, 제 4 오브젝트(214))에 대하여서는, 인터폴레이션을 수행할 수 있으며, 이에 따라 그 수행 결과에 따른 인터폴레이션 오브젝트(312)를 확인할 수 있다. 한편, 전자 장치(101)는, 인터폴레이션 비적용 오브젝트들(예를 들어, 제 1 오브젝트(211) 및 제 3 오브젝트(221))에 대하여서는, 인터폴레이션을 수행하지 않고, 양 오브젝트들 중 어느 하나를 선택할 수 있으며, 그 선택의 기준에는 제한이 없다. 예를 들어, 전자 장치(101)는, 선행 이미지 프레임인 제 1 이미지 프레임(210)을 기준 이미지 프레임으로 선택할 수 있다. 이 경우, 전자 장치(101)는, 선행 이미지 프레임인 제 1 이미지 프레임(210)의 인터폴레이션 비적용 오브젝트인 제 1 오브젝트(211)와 동일한 오브젝트(311) 및, 인터폴레이션 적용 오브젝트들(212,222)에 대한 인터폴레이션 결과인 오브젝트(312)를 포함하는, 인터폴레이션 이미지 프레임(310)을 제공할 수 있다. 오브젝트(311)가 인터폴레이션 이미지 프레임(310)의 일단으로부터 d1만큼 떨어진 것을 확인할 수 있으며, 오브젝트(311)는, 제 1 오브젝트(211)과 동일할 수 있다. 예를 들어, 전자 장치(101)는, 후행 이미지 프레임인 제 2 이미지 프레임(220)을 기준 이미지 프레임으로 선택할 수 있다. 이 경우, 전자 장치(101)는, 후행 이미지 프레임인 제 2 이미지 프레임(220)의 인터폴레이션 비적용 오브젝트인 제 3 오브젝트(221)와 동일한 오브젝트(321) 및, 인터폴레이션 적용 오브젝트들(212,222)에 대한 인터폴레이션 결과인 오브젝트(322)를 포함하는, 인터폴레이션 이미지 프레임(320)을 제공할 수 있다. 오브젝트(321)가 인터폴레이션 이미지 프레임(321)의 일단으로부터 d3만큼 떨어진 것을 확인할 수 있으며, 오브젝트(321)는, 제 3 오브젝트(221)과 동일할 수 있다. 상술한 바에 따라서, 인터폴레이션 이미지 프레임(310 또는 320)의, 인터폴레이션 비적용 영역에는, 인터폴레이션 결과가 아닌, 선행 이미지의 일부, 또는 후행 이미지의 일부가 반영될 수 있다. 이에 따라, 인터폴레이션 비적용 오브젝트의 일종인 텍스트가, 인터폴레이션 결과에 따라 여러 텍스트들이 겹쳐보이는 것과 같은 현상이 방지될 수 있다. 아울러, 인터폴레이션 비적용 오브젝트(또는, 영역) 이외의 나머지 영역(또는, 인터폴레이션 적용 오브젝트(또는, 영역))에 대하여서는, 인터폴레이션이 수행될 수 있으며, 이에 따라 인터폴레이션 결과에 기반한 고 FR 재생 및, 텍스트 또는 제어 오브젝트의 clear한 표시 유지가 가능할 수 있다.

도 4는 일 실시예에 따른 AI 모델의 트레이닝 동작 및 AI 모델 이용 동작을 설명하기 위한 도면이다.

일 실시예에 따라서, 전자 장치(101)(예를 들어, 도 1ㅇl 프로세서(120)), 또는 외부 전자 장치(예를 들어, 서버(108)이지만 제한이 없음)는, 연속적인 이미지 프레임들을 포함하는 트레이닝 데이터 셋(DScont)(401)을 획득(또는, 로드)할 수 있다. 연속적인 이미지 프레임들을 포함하는 트레이닝 데이터 셋(401)은, 예를 들어 적어도 하나의 시계열적인 이미지 프레임들(예: 비디오 프레임을 구성하는 이미지 프레임들)을 포함할 수 있다. 전자 장치(101) 또는 외부 전자 장치는, 연속적인 이미지 프레임들을 포함하는 트레이닝 데이터 셋(401) 각각에 대하여 도형(figure) 및/또는 텍스트(text) 믹싱(mixing)(FTM)(403)을 수행함으로써, 인터폴레이션 비적용 오브젝트를 포함하는 프레임들을 포함하는 트레이닝 데이터 셋(405)을 획득(또는, 생성)할 수 있다. 전자 장치(101) 또는 외부 전자 장치는, 트레이닝 데이터 셋(401) 및/또는 FTM(403)이 수행된 트레이닝 데이터 셋(405)에 기반하여, 머신 러닝(409)을 수행할 수 있으며, 이에 따라 트레이닝된 AI 모델(411)이 제공될 수 있다. 머신 러닝(409)에서는, 손실함수(L_D1)(407)이 이용될 수 있으며, 이에 대하여서는 후술하도록 한다. 인터폴레이션 비적용 오브젝트를 포함하는 프레임들을 포함하는 트레이닝 데이터 셋(405)의 생성 및/또는 AI 모델(411)의 트레이닝에 대하여서는 후술하도록 한다.

트레이닝된 AI 모델(411)은, 전자 장치(101)에 저장(또는, 다운로드되어 저장)될 수 있다. 전자 장치(101)는, AI 모델(411)에, 입력 이미지 프레임들(Iin)(421)을 입력시킬 수 있다. AI 모델(411)에 입력 이미지 프레임들(421)이 적용(423)됨에 따라서, AI 모델(411)로부터의 출력 이미지 프레임들(Iout)(425)이 제공될 수 있다. 예를 들어, AI 모델(411)은, 입력 이미지 프레임들(421)에 기반하여 인터폴레이션 이미지 프레임(425a,425b)를 제공할 수 있다. 이에 따라, 입력 이미지 프레임들(421) 및 인터폴레이션 이미지 프레임(425a,425b)을 포함하는, 출력 이미지 프레임들(425)이 제공될 수 있다. AI 모델(411)에 대한 적용에 대하여서는 후술하도록 한다.

도 5a는, 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다. 도 5a의 실시예는, 도 5b를 참조하여 설명하도록 한다. 도 5b는, 일 실시예에 따른 불연속 맵을 이용하는 인터폴레이션 이미지 프레임 생성 동작을 설명하는 도면이다.

도 5a 및 도 5b를 함께 참조하면, 일 실시예에 따라서, 전자 장치(101)(예를 들어, 도 1의 프로세서(120))는, 501 동작에서, 복수 개의 제 1 이미지 프레임들(520)을 획득할 수 있다. 상술한 바와 같이, 전자 장치(101)는, 이미지 프레임들을 촬영하거나, 수신하거나, 또는 저장된 이미지 프레임들을 인터폴레이션을 위하여 로딩할 수 있다. 복수 개의 제 1 이미지 프레임들(520) 각각은, I₀, I₁, I₂, I₃의 notation을 가지며, 이는 예를 들어 시계열적인 순서를 의미할 수 있으나 제한은 없다. 503 동작에서, 전자 장치(101)는, 복수 개의 제 1 이미지 프레임들(520)에 기반하여, 불연속 맵(535)을 확인할 수 있다. 상술한 바와 같이, 인터폴레이션 비적용 오브젝트(또는, 영역)을 확인하기 위한 AI 모델이 전자 장치(101)에 저장될 수 있음이 설명되었다. 인터폴레이션 비적용 오브젝트(또는, 영역)을 나타내기 위한 형식에는 제한이 없으며, 하나의 예시에서 인터폴레이션 비적용 오브젝트(또는, 영역)인지 여부를 나타내는 값들을 픽셀 별(또는, 영역별)로 가지는 이미지 프레임을 불연속 맵(535)이라 명명할 수 있음도 설명이 되었다. 이에 따라, 인터폴레이션 비적용 오브젝트(또는, 영역)을 확인하기 위한 AI 모델은, 불연속 맵(535)을 제공하기 위한 AI 모델(530)과 동일한 의미일 수 있으며, 이를 설명의 편의 상 F_D로도 명명할 수 있다.

일 실시예에 따라서, 불연속 맵(535)은, 4개의 영역들(535a,535b,535c,535d)을 포함할 수 있다. 불연속 맵(535)이, 4개의 영역들(535a,535b,535c,535d)로 구획되는 것은, 단순히 예시적인 것이며, 구획되는 영역의 개수 및/또는 구획된 영역의 형상에는 제한이 없을뿐만 아니라, 불연속 맵(535)을 구성하는 값들은, 영역단위가 아닌 픽셀 단위로 설정될 수도 있음을 당업자는 이해할 것이다. 예를 들어, 불연속 맵(535)의 제 1 영역(535a)의 값은 "0"일 수 있으며, 불연속 맵(535)의 제 2 영역(535b)의 값은 "0"일 수 있으며, 불연속 맵(535)의 제 3 영역(535c)의 값은 "1"일 수 있으며, 불연속 맵(535)의 제 4 영역(535d)의 값은 "0.8"일 수 있다. 영역(또는, 픽셀)의 값이 0에 가까울수록 인터폴레이션 적용 오브젝트(또는, 영역)일 가능성이 높은 것일 수 있으며, 영역(또는, 픽셀)의 값이 1에 가까울수록 인터폴레이션 비적용 오브젝트(또는, 영역)일 가능성이 높은 것일 수 있다. 한편, 불연속 맵(535)이, 도 5b에서와 같이, 0 내지 1 사이의 실수 값을 가지도록 구현되는 것은 예시적인 것으로, 다른 실시예에서는 불연속 맵(535)의 영역(또는, 픽셀)의 값이 0 또는 1의 binary 형태를 가지도록 구현될 수도 있다. AI 모델(530)은, 인터폴레이션 비적용 오브젝트를 포함하는 트레이닝 데이터 셋을 기반으로 트레이닝되었으므로, 불연속 맵(535)을 출력할 수 있다. AI 모델(530)은, 도 5b에서는, 입력 이미지 프레임들(520)을, 4개 수신하는 구조를 가지는 것과 같이 도시되어 있지만, 이는 예시적인 것으로, 입력 이미지 프레임들(520)의 개수에는 제한이 없다. 불연속 맵(535)은, 입력 이미지 프레임들(520)에 대하여 예를 들어 1개가 생성될 수 있으나, 제한은 없다. 한편, 상술한 바와 같이, AI 모델(530)에 기반한 불연속 맵(535)의 제공은 단순히 예시적인 것으로, AI 모델(530)이 아닌 다른 알고리즘에 기반하여서도 인터폴레이션 비적용 오브젝트가 확인될 수도 있음을 당업자는 이해할 것이다.

도 5a를 다시 참조하면, 일 실시예에 따라서, 전자 장치(101)는, 505 동작에서, 복수 개의 제 1 이미지 프레임들(520)에 기반하여, 적어도 하나의 인터폴레이션 이미지(Ic)(545)를 확인할 수 있다. 예를 들어, 전자 장치(101)는, 인터폴레이션을 위한 AI 모델(540)에 2개의 입력 이미지쌍(예를 들어, 도 5b에서는 I₁ 및 I₂)을 입력시킬 수 있으며, AI 모델(540)로부터의 출력인 인터폴레이션 이미지(545)를 확인할 수 있다. AI 모델(540)은, 인터폴레이션을 수행할 수 있는 모델(또는, 알고리즘)이라면 제한이 없으며, 예를 들어 Sepconv, BMBC, AdaCoF, ABME가 이용될 수 있으며, 제한이 없다. 도시되지는 않았지만, 4개의 이미지들에 대한 3개의 이미지쌍(예를 들어, I₀ 및 I₁, I₁ 및 I₂, I₂ 및 I₃) 각각에 대하여, 인터폴레이션 이미지 3개가 생성될 수도 있음을 당업자는 이해할 것이다. 한편, 상술한 바와 같이, AI 모델(540)에 기반한 인터폴레이션 이미지(545)의 제공은 단순히 예시적인 것으로, AI 모델(540)이 아닌 다른 알고리즘에 기반하여서도 인터폴레이션 이미지(545)가 확인될 수도 있음을 당업자는 이해할 것이다.

도 5a를 다시 참조하면, 일 실시예에 따라서, 전자 장치(101)는, 507 동작에서, 복수 개의 제 1 이미지 프레임들(520) 및 불연속 맵(535)을 이용하여, 적어도 하나의 인터폴레이션 이미지(545)를 조정하여, 적어도 하나의 최종 인터폴레이션 이미지(570)를 제공할 수 있다. 전자 장치(101)는, 레퍼런스 이미지 프레임(Iref)(555)을 선행 이미지(예를 들어, I₁) 또는 후행 이미지(예를 들어, I₂) 중 어느 하나로 선택할 수 있다. 선택의 기준(550)에는 제한이 없다. 예를 들어, 2개의 입력 이미지쌍(예를 들어, 도 5b에서는 I₁ 및 I₂)에 대한 인터폴레이션 이미지 프레임을 생성하는 경우, I₁가 선행 이미지 프레임일 수 있으며, I₂가 후행 이미지 프레임일 수 있다. 전자 장치(101)는, 예를 들어, 가중치 합(560)의 방식에 기반하여, 최종 인터폴레이션 이미지(570)를 제공할 수 있다. 가중치 합(560)은 수학식 1과 같을 수 있다.

수학식 1에서의 D는, 불연속 맵(535)에서의 해당 영역(또는, 픽셀)의 값일 수 있다. Iref는, 레퍼런스 이미지 프레임(Iref)(555)의 해당 영역(또는, 픽셀)의 값일 수 있다. Ic는, 인터폴레이션 이미지 프레임(Ic)(545)의 영역(또는, 픽셀)의 값일 수 있다.

예를 들어, 최종 인터폴레이션 이미지(570)의 제 1 영역(570a)에 대하여서는, 수학식 1에서의 D는 불연속 맵의 제 1 영역(535a)의 값인 0일 수 있으며, 수학식 1에서의 Ic는 인터폴레이션 이미지 프레임의 제 1 영역(545a)의 값일 수 있으며, 수학식 1에서의 Iref는 레퍼런스 이미지 프레임의 제 1 영역(555a)의 값일 수 있으며, 이에 따라 제 1 영역(570a)의 값(I_c(0,0))은, 0*Iref + (1-0)*Ic로, Ic일 수 있다. 불연속 맵의 제 1 영역(535a)의 값이 0이라는 것은, 해당 영역이 인터폴레이션 적용 영역임을 의미할 수 있다. 이에 따라, 제 1 영역(570a)은 Ic일 수 있다. 예를 들어, 최종 인터폴레이션 이미지(570)의 제 2 영역(570b)에 대하여서는, 수학식 1에서의 D는 불연속 맵의 제 2 영역(535b)의 값인 0일 수 있으며, 수학식 1에서의 Ic는 인터폴레이션 이미지 프레임의 제 2 영역(545b)의 값일 수 있으며, 수학식 1에서의 Iref는 레퍼런스 이미지 프레임의 제 2 영역(555b)의 값일 수 있으며, 이에 따라 제 2 영역(570b) 의 값(I_c(0,1))은, 0*Iref + (1-0)*Ic로, Ic일 수 있다. 불연속 맵의 제 2 영역(535b)의 값이 0이라는 것은, 해당 영역이 인터폴레이션 적용 영역임을 의미할 수 있다. 이에 따라, 제 2 영역(570a)은 Ic일 수 있다.

예를 들어, 최종 인터폴레이션 이미지(570)의 제 3 영역(570c)에 대하여서는, 수학식 1에서의 D는 불연속 맵의 제 3 영역(535c)의 값인 1일 수 있으며, 수학식 1에서의 Ic는 인터폴레이션 이미지 프레임의 제 3 영역(545c)의 값일 수 있으며, 수학식 1에서의 Iref는 레퍼런스 이미지 프레임의 제 3 영역(555c)의 값일 수 있으며, 이에 따라 제 3 영역(570c) 의 값(I_c(1,0))은, 1*Iref + (1-1)*Ic로, Iref일 수 있다. 불연속 맵의 제 3 영역(535c)의 값이 1이라는 것은, 해당 영역이 인터폴레이션 비적용 영역임을 의미할 수 있다. 이에 따라, 제 3 영역(570c)은 Iref일 수 있다.

예를 들어, 최종 인터폴레이션 이미지(570)의 제 4 영역(570d)에 대하여서는, 수학식 1에서의 D는 불연속 맵의 제 4 영역(535d)의 값인 0.8일 수 있으며, 수학식 1에서의 Ic는 인터폴레이션 이미지 프레임의 제 4 영역(545d)의 값일 수 있으며, 수학식 1에서의 Iref는 레퍼런스 이미지 프레임의 제 4 영역(555d)의 값일 수 있으며, 이에 따라 제 4 영역(570d) 의 값(I_c(1,1))은, 0.8*Iref + (1-0.8)*Ic로, 0.8*Iref+0.2*Ic일 수 있다. 불연속 맵의 제 4 영역(535d)의 값이 0.8이라는 것은, 해당 영역이 인터폴레이션 비적용 영역일 가능성이 0.8임을 의미할 수 있으므로, 제 4 영역(570d)은, 0.8*Iref+0.2*Ic의 가중치 합으로 설정될 수 있다. 한편, 다른 실시예에서는, 전자 장치(101)는, 양 이미지 프레임 중 가중치가 높은 이미지 프레임의 값으로, 해당 영역의 값을 설정할 수도 있다. 예를 들어, 불연속 맵의 특정 영역의 값이 0.5 이상인 경우에는, 해당 영역에 대하여서는 레퍼런스 이미지 프레임의 값을 이용할 수 있으며, 불연속 맵의 특정 영역의 값이 0.5 미만인 경우에는, 해당 영역에 대하여서는 인터폴레이션 이미지 프레임의 값을 이용할 수도 있다. 상술한 바와 같이, 불연속 맵(또는, 인터폴레이션 적용 오브젝트(또는, 영역) 및/또는 인터폴레이션 비적용 오브젝트(또는, 영역)의 식별 정보일 수도 있음), 인터폴레이션 이미지 프레임, 및 원본 이미지 프레임에 기반하여, 수정된 인터폴레이션 이미지 프레임이 제공될 수 있다. 수정된 인터폴레이션 이미지 프레임에서, 인터폴레이션 적용 오브젝트(또는, 영역)은 인터폴레이션 이미지 프레임의 정보를 적어도 일부 포함할 수 있고, 인터폴레이션 비적용 오브젝트(또는, 영역)는, 원본 이미지 프레임의 정보를 적어도 일부 포함할 수 있다.

도 5c는 일 실시예에 따른 인터폴레이션 이미지 프레임 생성 동작을 설명하기 위한 도면이다.

도 5c를 참조하면, 전자 장치(101)는, 네트워크 아키텍처(580)를 이용하여, 피처(feature)를 획득할 수 있다. 네트워크 아키텍처(580)는, U-Net의 컨볼루션 뉴럴 네트워크가 이용되고, 예를 들어, 컨볼루션 레이어(conv), ReLU 레이어, 평균 풀링(AvgPooling) 레이어, 소프트맥스(softmax) 레이어, 및/또는 시그모이드(sigmoid) 레이어를 포함할 수 있으나, 이는 예시적인 것으로 네트워크 아키텍처(580)의 타입, 레이어의 개수, 및/또는 각 레이어의 종류에는 제한이 없다. 네트워크 아키텍처(580)는, 예를 들어 피처 중 일부로(또는, 피처와 다른 개념으로 정의될 수도 있음), 상술한 불연속 맵(585)을 제공하도록(또는, 불연속 맵(585)을 생성하기 위한 피처를 제공하도록) 설계될 수 있다. 네트워크 아키텍처(580)는, 예를 들어 N(D_in)의 이미지 프레임들을 수신하도록 설계될 수 있다. N(D_in)은, 복수 개라면 제한이 없으며, 바람직하게는 3개 이상이 될 수 있으나 제한은 없다. N(D_in)은, 불연속 맵(585)의 정확도 및 리소스 소모(로드 소모량 및/또는 소비 전력)의 트레이드 오프를 고려하여 설정될 수 있으나, 그 설정 기준에는 제한이 없다.

일 실시예에 따라서, N(D_in)의 입력 이미지 프레임들에 기반하여, 불연속 맵(585)가 생성될 수 있다. 불연속 맵(585)을 제공하기 위한 인공지능 모델(F_D)은, 다양한 인터폴레이션 비적용 오브젝트(또는, 영역)을 포함하는 트레이닝 데이터 셋트에 기반하여 트레이닝될 수 있다. 트레이닝 데이터 셋트의 생성 방법과, 트레이닝 동작의 실시예(예를 들어, 트레이닝 동작에서 이용되는 손실 함수와 연관된 내용)에 대하여서는 후술하도록 한다. N(D_in)의 입력 이미지 프레임들의 인공지능 모델(F_D)의 적용에 기반하여, 불연속 맵(585)가 제공될 수 있다. 인공지능 모델(F_D)은, 예를 들어 서브 네트워크로 명명될 수도 있으며, 예를 들어 N(D_in)개의 이미지 프레임들(예를 들어, 4개의 이미지 프레임들, 또는 128 채널 입력)을 입력받도록 설계될 수 있으나, 그 개수에는 제한이 없다. 인터폴레이션을 위한 인공지능 모델(F_C)(583)에 기반하여 인터폴레이션 이미지 프레임(I_cont)(584)이 제공될 수 있다. 도 5c의 실시예에서는, 인터폴레이션을 위한 인공지능 모델(F_C)의 하나의 예로서, AdaCoF가 이용되었으나, 인터폴레이션을 위한 모델에는 제한이 없음을 당업자는 이해할 것이다. 인공지능 모델(F_C)은, 예를 들어 서브 네트워크로 명명될 수도 있으며, 예를 들어 2개의 이미지 프레임들(또는, 64 채널 입력)을 입력받도록 설계될 수 있으나, 그 개수에는 제한이 없다. 예를 들어, 시계열적으로 인접하는 두 개의 이미지 프레임들(예를 들어, 제 1 이미지(I₁)(581) 및 제 2 이미지(I₂)(582))의 인공지능 모델(F_C)으로의 적용에 기반하여, 제 1 이미지(I₁) 및 제 2 이미지(I₂)에 대한 인터폴레이션 이미지 프레임(I_cont)(584)이 제공될 수 있다. 전자 장치(101)는, 인터폴레이션 이미지 프레임(I_cont)(584), 불연속 맵(585)과, 제 1 이미지(I₁) 또는 제 2 이미지(I₂) 중 어느 하나(예를 들어, 레퍼런스 이미지 프레임으로 설정된 이미지 프레임)에 대한 처리(587)에 기반하여, 최종적인 인터폴레이션 이미지 프레임(I_out)(589)을 제공할 수 있다. 인터폴레이션 이미지 프레임(I_cont)(584), 불연속 맵(585)과, 제 1 이미지(I₁) 또는 제 2 이미지(I₂) 중 어느 하나(예를 들어, 레퍼런스 이미지 프레임으로 설정된 이미지 프레임)에 대한 처리(587)에 기반하여, 최종적인 인터폴레이션 이미지 프레임(I_out)(589)을 제공하는 동작의 실시예는, 도 5b를 참조하여 설명하였으므로, 여기에서의 상세한 설명은 반복되지 않는다. 한편, 도시되지는 않았지만, 전자 장치(101)는, 상술한 동작들을 다른 이미지 프레임 쌍에도 수행할 수 있다. 예를 들어, N(D_in)가 4라면, 전자 장치(101)는, 제 2 이미지(I₂) 및 제 3 이미지(I₃)에 대응하는 최종 인터폴레이션 이미지 프레임과, 제 3 이미지(I₃) 및 제 4 이미지(I₄)에 대응하는 최종 인터폴레이션 이미지 프레임을 제공할 수도 있다.

도 5d는 일 실시예에 따른 인터폴레이션 결과와 비교예에 따른 인터폴레이션 결과의 차이를 설명하기 위한 도면이다.

예를 들어, 제 1 이미지 프레임, 제 2 이미지 프레임, 및 제 3 이미지 프레임을 포함하는 것을 상정하도록 한다. 제 1 이미지 프레임은 예를 들어 인터폴레이션 비적용 오브젝트(또는, 영역)(590a)을 포함하고, 인터폴레이션 비적용 오브젝트(또는, 영역)(590a)은, 예를 들어 "1"의 텍스트를 포함할 수 있다. 제 2 이미지 프레임은 예를 들어 인터폴레이션 비적용 오브젝트(또는, 영역)(590b)을 포함하고, 인터폴레이션 비적용 오브젝트(또는, 영역)(590b)은, 예를 들어 "2"의 텍스트를 포함할 수 있다. 제 3 이미지 프레임은 예를 들어 인터폴레이션 비적용 오브젝트(또는, 영역)(590c)을 포함하고, 인터폴레이션 비적용 오브젝트(또는, 영역)(590c)은, 예를 들어 "3"의 텍스트를 포함할 수 있다. 한편, 제 1 이미지 프레임 및 제 2 이미지 프레임의 인터폴레이션 결과는, "1"의 텍스트 및 "2"의 텍스트가 겹치는 것과 같은 형상을 가지는 영역(593a)을 포함할 수 있다. 제 2 이미지 프레임 및 제 3 이미지 프레임의 인터폴레이션 결과는, "2"의 텍스트 및 "3"의 텍스트가 겹치는 것과 같은 형상을 가지는 영역(593b)을 포함할 수 있다. 이에 따라, 원본 이미지 프레임들 및 인터폴레이션 이미지 프레임들이 재생되는 경우, 중간에 텍스트들이 혼재되는 것과 같은 영역(593a,593b)이 재생될 수 있으며, 이는 품질의 저하를 야기할 수 있다.

일 실시예에 따라서, 전자 장치(101)는, 인터폴레이션 비적용 오브젝트(또는, 영역)에 대하여서는, 레퍼런스 이미지 프레임(본 실시예에서는, 선행 이미지 프레임)으로 설정된 오브젝트(또는, 영역)을 이용할 수 있다. 이에 따라, 제 1 이미지 프레임 및 제 2 이미지 프레임의 인터폴레이션 결과는 선행 이미지 프레임의 인터폴레이션 비적용 오브젝트(또는, 영역)(590a)을 포함하고, 제 2 이미지 프레임 및 제 3 이미지 프레임의 인터폴레이션 결과는 선행 이미지 프레임의 인터폴레이션 비적용 오브젝트(또는, 영역)(590b)을 포함할 수 있다. 이에 따라, 원본 이미지 프레임들 및 인터폴레이션 이미지 프레임들이 재생되는 경우, 중간에 텍스트들이 혼재되는 것과 같은 영역(593a,593b)을 대신하여, "1", "2", 및 "3"의 텍스트가 순차적으로 재생될 수 있어, 품질의 저하가 방지될 수 있다. 한편, 본 실시예는, 불 연속 맵이 "0" 또는 "1"의 값을 가지는 경우에 관한 것일 수 있다. 또는, 본 실시예는, 불 연속 맵이 "0" 내지 "1" 사이의 실수값을 가지는 경우의, "1"의 값을 가지는 영역에 관한 것일 수 있다. 또는, 본 실시예는, 불 연속 맵이 "0" 내지 "1" 사이의 실수값을 가지는 경우의, 임계값 이상의 값을 가지는 영역에 관한 것일 수 있다. 한편, 도 5d의 실시예는 예시적인 것으로, 불 연속 맵이 "0" 내지 "1" 사이의 실수값을 가지는 경우, "0" 내지 "1" 사이의 실수값을 가지는 영역에서는, 수학식 1과 같이 가중치 합에 기반하여 해당 영역이 결정될 수도 있음을 당업자는 이해할 것이다.

도 6a는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.

일 실시예에 따라서, 전자 장치(101)(예를 들어, 도 1의 프로세서(120))는, 601 동작에서, 적어도 하나의 파라미터를 확인할 수 있다. 전자 장치(101)는, 603 동작에서, 적어도 하나의 파라미터에 기반하여, 인터폴레이션(또는, 인터폴레이션 수행 모드)를 결정할 수 있다. 인터폴레이션을 수행하지 않을 것으로 결정되면(인터폴레이션 미수행), 전자 장치(101)는, 605 동작에서, 인터폴레이션을 수행하지 않고, 제 1 이미지 프레임을 출력할 수 있다. 제 1 인터폴레이션을 수행할 것으로 결정되면, 전자 장치(101)는, 607 동작에서, 제 1 인터폴레이션에 기반하여 생성된 제 1 인터폴레이션 이미지 프레임 및 제 1 이미지 프레임을 출력할 수 있다. 제 1 인터폴레이션은, 예를 들어 불연속 맵에 기반한 추가적인 인터폴레이션 이미지 프레임의 수정을 수행하지 않는, 인터폴레이션으로, 예를 들어 AdaCoF와 같은 F_C로 명명되는 인공지능 모델일 수 있으나, 제한은 없다. 제 2 인터폴레이션을 수행할 것으로 결정되면, 전자 장치(101)는, 609 동작에서, 제 2 인터폴레이션에 기반하여 생성된 제 2 인터폴레이션 이미지 프레임 및 제 1 이미지 프레임을 출력할 수 있다. 제 2 인터폴레이션은, 예를 들어 상술한 바와 같이, 입력 이미지 프레임들, 인터폴레이션 이미지, 및 불연속 맵을 이용하여, 최종적으로 수정된 인터폴레이션 이미지를 제공하는 인터폴레이션으로 정의될 수 있다.

예를 들어, 전자 장치(101)는, 도 6a에서의 적어도 하나의 파라미터의 적어도 하나의 예시로서의 현재의 온도(또는, 온도 마진)에 기반하여, 인터폴레이션의 수행 여부, 및/또는 인터폴레이션의 종류를 결정할 수 있다. 여기에서, 온도 마진은, 예를 들어 임계 온도 및 현재의 온도 사이의 차이일 수 있으나, 제한은 없다. 온도는 전자 장치(101)의 표면 및/또는 내부의 적어도 하나의 온도를 포함할 수 있다. 전자 장치(101)는 전자 장치(101)의 내부에 적어도 하나의 온도 센서를 포함할 수 있다. 예를 들어, 적어도 하나의 온도 센서는, 전자 장치(101)에 포함된 부품(예: 프로세서)의 내부 및/또는 표면에 포함될 수 있다. 예를 들어, 온도 마진이 상대적으로 큰 경우에는(예를 들어, 온도 마진이 임계 온도 마진 이상인 경우, 또는 온도가 임계 온도 이하인 경우로 치환될 수도 있음), 전자 장치(101)는, 상대적으로 리소스 소모가 큰 제 2 인터폴레이션을 수행하도록 설정될 수 있다. 한편, 온도 마진이 상대적으로 낮은 경우(예를 들어, 온도 마진이 임계 온도 마진 이하인 경우, 또는 온도가 임계 온도 이상인 경우로 치환될 수도 있음)에는, 전자 장치(101)는, 상대적으로 리소스 소모가 작은 제 1 인터폴레이션을 수행하도록 설정될 수 있다. 한편, 온도 마진이 없는 경우(예를 들어, 현재 온도가 과온도 상태인 경우이지만 제한은 없음), 전자 장치(101)는 인터폴레이션을 수행하지 않을 것으로 결정할 수도 있다.

예를 들어, 전자 장치(101)는, 도 6a에서의 적어도 하나의 파라미터의 적어도 하나의 예시로서의 현재의 리소스(예를 들어, 메모리 사용, 코어 사용, 네트워크 사용 및/또는 배터리 사용과 연관된 수치일 수 있으나 제한이 없음)(또는, 리소스 마진)에 기반하여, 인터폴레이션의 수행 여부, 및/또는 인터폴레이션의 종류를 결정할 수 있다. 여기에서, 리소스 마진은, 예를 들어 최대 리소스 및 현재의 리소스 사이의 차이일 수 있으나, 제한은 없다. 예를 들어, 리소스 마진이 상대적으로 큰 경우에는(예를 들어, 리소스 마진이 임계 리소스 마진 이상인 경우, 또는 리소스가 임계 리소스 이하인 경우로 치환될 수도 있음), 전자 장치(101)는, 상대적으로 리소스 소모가 큰 제 2 인터폴레이션을 수행하도록 설정될 수 있다. 한편, 리소스 마진이 상대적으로 낮은 경우(예를 들어, 리소스 마진이 임계 리소스 마진 이하인 경우, 또는 리소스가 임계 리소스 이상인 경우로 치환될 수도 있음)에는, 전자 장치(101)는, 상대적으로 리소스 소모가 작은 제 1 인터폴레이션을 수행하도록 설정될 수 있다. 한편, 리소스 마진이 없는 경우(예를 들어, 리소스가 실질적으로 최댓값인 경우이지만 제한은 없음), 전자 장치(101)는 인터폴레이션을 수행하지 않을 것으로 결정할 수도 있다.

예를 들어, 전자 장치(101)는 안경형 웨어러블 전자 장치로 구현될 수 있으며, AR(augmented reality) 컨텐츠를 제공할 수 있다. 안경형 웨어러블 전자 장치는, 상시적으로 구동되는 하드웨어(예를 들어, 카메라 모듈, 센서 모듈, 디스플레이 모듈)의 개수가 상대적으로 많으므로, 발열량이 상대적으로 클 수 있다. 아울러, FR이 상대적으로 높을수록 AR 컨텐츠의 퀄리티가 향상되므로, 인터폴레이션이 요구될 수 있다. 또한, AR 컨텐츠는, 실제 세계의 피사체와 연관된 추가 정보를 포함할 수 있다. 이에 따라 상대적으로 다수의 오브젝트가, 인터폴레이션 비적용 오브젝트일 가능성이 높을 수 있다. 또한, 안경형 웨어러블 전자 장치는, 사용자의 눈과 표시되는 부분 사이의 거리가 상대적으로 작으므로, 작은 오차도 사용자에게 크게 인지될 가능성이 있다. 하나의 예에서, 전자 장치(101)는, AR(augmented reality) 컨텐츠에 포함되는 AR 오브젝트의 개수가 상대적으로 다수인 경우에, 제 2 인터폴레이션을 수행하도록 설정될 수 있다. 하나의 예에서, 전자 장치(101)는, AR 오브젝트가 차지하는 면적이 상대적으로 넓은 경우에, 제 2 인터폴레이션을 수행하도록 설정될 수 있다. 하나의 예에서, 전자 장치(101)는, 시선 인식 영역이 상대적으로 넓은 경우에, 제 2 인터폴레이션을 수행하도록 설정될 수 있다. 시선 인식 영역이 상대적으로 넓은 경우에, 사용자의 인식에 영향을 미치는 오브젝트가 존재할 가능성이 높을 수도 있다. 한편, 시선 인식 영역은, AR 오브젝트가 차지하는 영역을 확인하는데 이용될 수도 있다. 한편, 전자 장치(101)는, VR (virtual reality) 컨텐츠를 제공하기 위한 HMD(head mounted display)로 구현되거나, 또는 VR 컨텐츠 및 외부 환경의 이미지를 적어도 일부 혼합하여 제공하는 VST(video seethrough) 장치로 구현될 수도 있다. 상술한 인터폴레이션 적용을 위한 조건은, HMD, 또는 VST 장치에도 적용될 수도 있음을 당업자는 이해할 것이다.

한편, 일 실시예에서, AR 컨텐츠에 포함되는 AR 오브젝트의 개수가 상대적으로 다수인 경우에, 제 2 인터폴레이션의 수행 여부를 결정하기 위한 임계치를 완화(예를 들어, 임계 온도 마진을 감소)시키도록 설정될 수 있다. 본 실시예에서, 전자 장치(101)는, 온도 및/또는 리소스에 기반하여, 제 2 인터폴레이션의 수행 여부를 결정하되, AR 컨텐츠와 연관된 정보에 기반하여 수행 여부를 결정하기 위한 조건을 조정(예를 들어, 임계값을 조정)할 수도 있다. 예를 들어, 전자 장치(101)는, AR 오브젝트가 차지하는 면적이 상대적으로 넓은 경우에, 제 2 인터폴레이션의 수행 여부를 결정하기 위한 임계치를 완화(예를 들어, 임계 온도 마진을 감소)시키도록 설정될 수 있다. 하나의 예에서, 전자 장치(101)는, 시선 인식 영역이 상대적으로 넓은 경우에, 제 2 인터폴레이션의 수행 여부를 결정하기 위한 임계치를 완화(예를 들어, 임계 온도 마진을 감소)시키도록 설정될 수 있다.

예를 들어, 전자 장치(101)는, 하우징의 형상이 변경 가능한 전자 장치(예를 들어, 폴더블 전자 장치, 또는 롤러블 전자 장치)로 구현될 수 있다. 하우징의 형상의 변경에 따라, 전자 장치가 컨텐츠를 제공하기 위한 화면의 크기가 변경될 수 있다. 예를 들어, 폴더블 장치인 경우에는, 폴딩 상태에서 활성화된 디스플레이 영역의 크기보다, 언-폴딩 상태에서의 활성화된 디스플레이 영역의 크기가 더 클 수 있다. 예를 들어, 롤러블 장치인 경우에는, 펼쳐지지 않은 상태에서 활성화된 디스플레이 영역의 크기보다, 펼쳐진 상태에서의 활성화된 디스플레이 영역의 크기가 더 클 수 있다. 예를 들어, 활성화된 디스플레이 영역의 크기가 클수록, 인터폴레이션 비적용 오브젝트가 포함될 가능성이 높을 수 있다. 전자 장치(101)는, 적어도 하나의 파라미터로서 확인되는 현재 상태가, 상대적으로 활성화된 디스플레이의 영역이 큰 상태인 경우(예를 들어, 언 폴딩 상태 또는 펼쳐진 상태인 경우), 제 2 인터폴레이션을 수행하도록 설정될 수도 있다. 또는, 전자 장치(101)는, 적어도 하나의 파라미터로서 확인되는 현재 상태가, 상대적으로 활성화된 디스플레이의 영역이 큰 상태인 경우(예를 들어, 언 폴딩 상태 또는 펼쳐진 상태인 경우), 제 2 인터폴레이션을 수행할지 여부를 판단하기 위한 조건의 임계치를 완화(예를 들어, 임계 온도 마진을 감소)시키도록 설정될 수 있다.

예를 들어, 전자 장치(101)는, 제공되는 이미지 프레임의 크기에 기반하여, 인터폴레이션을 결정할 수도 있다. 예를 들어, 제공되는 이미지 프레임의 크기가 상대적으로 클수록, 인터폴레이션 비적용 오브젝트가 이미지 프레임에 포함될 가능성이 높을 수 있다. 전자 장치(101)는, 적어도 하나의 파라미터로서 확인되는 제공되는 이미지 프레임의 크기가, 상대적으로 클수록, 제 2 인터폴레이션을 수행하거나, 또는 제 2 인터폴레이션을 수행할지 여부를 판단하기 위한 조건의 임계치를 완화(예를 들어, 임계 온도 마진을 감소)시키도록 설정될 수 있다. 예를 들어, 전자 장치(101)는, 전자 장치(101)에 유선 또는 무선으로 연결되는 디스플레이의 개수에 기반하여, 인터폴레이션을 결정할 수도 있다. 예를 들어, 연결되는 디스플레이의 개수가 상대적으로 클수록, 분할 렌더링 을 포함하는 인터폴레이션 비적용 오브젝트가 이미지 프레임에 포함될 가능성이 높을 수 있다. 전자 장치(101)는, 연결되는 디스플레이의 개수의 크기가, 상대적으로 클수록, 제 2 인터폴레이션을 수행하거나, 또는 제 2 인터폴레이션을 수행할지 여부를 판단하기 위한 조건의 임계치를 완화(예를 들어, 임계 온도 마진을 감소)시키도록 설정될 수 있다. 예를 들어, 전자 장치(101)는, 전자 장치(101)에 비쥬얼 액티비티의 개수에 기반하여, 인터폴레이션을 결정할 수도 있다. 예를 들어, 비쥬얼 액티비티의 개수가 상대적으로 큰 경우, 상이한 종류의 UI가 제공될 가능성, 및/또는 비쥬얼 액티비티의 경계에서의 불연속 적인 움직임이 표현될 가능성이 높을 수 있다. 전자 장치(101)는, 비쥬얼 액티비티의 개수의 크기가, 상대적으로 클수록, 제 2 인터폴레이션을 수행하거나, 또는 제 2 인터폴레이션을 수행할지 여부를 판단하기 위한 조건의 임계치를 완화(예를 들어, 임계 온도 마진을 감소)시키도록 설정될 수 있다.

도 6b 및 6c는, 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.

일 실시예에 따라서, 전자 장치(101)(예를 들어, 도 1의 프로세서(120))는, 631 동작에서, 이미지 프레임을 입력받을 수 있다. 전자 장치(101)는, 633 동작에서, 적어도 하나의 파라미터가 변경된지 여부를 확인할 수 있다. 상술한 바와 같이, 적어도 하나의 파라미터는, 제 2 인터폴레이션의 수행 여부, 및/또는 제 2 인터폴레이션의 수행 여부를 결정하기 위한 조건을 구성하는 인자(예를 들어, 임계값)을 결정하기 위한 파라미터라면 제한이 없다. 만약, 적어도 하나의 파라미터 중 적어도 일부의 변경이 확인되지 않으면(633-아니오), 전자 장치(101)는, 647 동작에서, availableF의 값을 증가시킬 수 있다. 여기에서, availableF는, 인터폴레이션을 수행하기에 적합한 프레임의 개수를 의미할 수 있다. 예를 들어, availableF가 3인 것은, 일 실시예에 따른 인터폴레이션에 적합한 이미지 프레임이 3개가 확보됨을 의미할 수 있다.

만약, 적어도 하나의 파라미터 중 적어도 일부의 변경이 확인되면(633-예), 전자 장치(101)는, 635 동작에서, 인터폴레이션의 설정을 확인할 수 있다. 만약, 인터폴레이션의 설정이 비활성화(disabled)된 경우에는, 전자 장치(101)는, 637 동작에서 신규 알고리즘(예를 들어, 상술한 제 2 인터폴레이션)을 수행하지 않을 것으로 확인할 수 있으며, 전자 장치(101)는, newAlgo의 값을 false로 설정할 수 있다. newAlgo의 값은, 예를 들어 신규 알고리즘(예를 들어, 상술한 제 2 인터폴레이션)의 이용 여부를 관리하기 위한 인자일 수 있다.

만약, 인터폴레이션의 설정이 균형(balanced) 설정된 경우에는, 전자 장치(101)는, 639 동작에서, 신규 알고리즘(예를 들어, 상술한 제 2 인터폴레이션)의 수행 여부를 판정하기 위한 조건의 임계값을 설정할 수 있다. 균형 설정된 경우, 전자 장치(101)는, 조건이 만족되는 경우에는 신규 알고리즘(예를 들어, 상술한 제 2 인터폴레이션)을 이용하고, 조건이 만족되지 않은 경우에는 기존 알고리즘(예를 들어, 상술한 제 1 인터폴레이션)을 이용할 수 있다. 예를 들어, 이미지 프레임의 크기, 연결된 디스플레이의 개수, 비쥬얼 액티비티의 개수, AR 오브젝트의 개수, AR 오브젝트의 면적, 시선 트랙킹 면적, 및/또는 활성화된 디스플레이 영역의 크기에 기반하여, 조건의 임계치가 조정될 수 있음이 설명되었으므로, 여기에서의 상세한 설명은 반복되지 않는다. 전자 장치(101)는, 641 동작에서, 온도 마진이 임계치를 초과하는지 여부를 확인할 수 있다. 온도 마진이 임계치를 초과하지 않는 경우(641-아니오), 전자 장치(101)는 637 동작에서, 신규 알고리즘(예를 들어, 상술한 제 2 인터폴레이션)을 수행하지 않을 것으로 확인할 수 있으며, 전자 장치(101)는, newAlgo의 값을 false로 설정할 수 있다. 온도 마진이 임계치를 초과하는 경우(641-예), 전자 장치(101)는, 643 동작에서, 신규 알고리즘(예를 들어, 상술한 제 2 인터폴레이션)을 수행할 것으로 확인할 수 있으며, 전자 장치(101)는, newAlgo의 값을 true로 설정할 수 있다. 전자 장치(101)는, 645 동작에서, availableF 를 1로 설정할 수 있다. 전자 장치(101)는, 649 동작에서, availableF 가 N(D_in) 이상인지 여부를 확인할 수 있다. 상술한 바와 같이, N(D_in)은, 신규 알고리즘(예를 들어, 상술한 제 2 인터폴레이션)의 입력 이미지 프레임 개수일 수 있다. 만약, availableF 가 N(D_in) 미만인 경우(649-아니오), 전자 장치(101)는, 631 동작으로 복귀하여, 신규 이미지 프레임을 입력받을 수 있다.

만약, availableF 가 N(D_in) 이상인 경우(649-예), 전자 장치(101)는, 651 동작에서, newAlgo의 값이 true인지 여부를 확인할 수 있다. 만약, newAlgo의 값이 false이면, 전자 장치(101)는, 653 동작에서, 기존 알고리즘(예를 들어, 제 1 인터폴레이션)에 기반하여 인터폴레이션 이미지 프레임을 획득할 수 있다. 655 동작에서, 전자 장치(101)는, availableF 의 값을 감소시킬 수 있다. 만약, newAlgo의 값이 true이면, 전자 장치(101)는, 657 동작에서, 신규 알고리즘(예를 들어, 제2 인터폴레이션)에 기반하여 인터폴레이션 이미지 프레임을 획득할 수 있다. 659 동작에서, 전자 장치(101)는, availableF 의 값을 감소시킬 수 있다. 상술한 바와 같이, 전자 장치(101)는, 인터폴레이션의 설정 및/또는 다양한 파라미터에 기반하여 설정된 임계치의 만족 여부에 기반하여, 신규 알고리즘(예를 들어, 제2 인터폴레이션)을 수행할 수 있다.

도 6d는, 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.

일 실시예에 따라서, 전자 장치(101)(예를 들어, 도 1의 프로세서(120))는, 661 동작에서, 이미지 프레임을 입력받을 수 있다. 663 동작에서, 전자 장치(101)는, 663 동작에서, 입력된 이미지 프레임의 너비(frameW) 및 높이(FrameH)가 기존 값과 차이를 가지는지 여부를 확인할 수 있다. 만약, 차이가 있는 경우(663-예), 전자 장치(101)는, 665 동작에서, 인터폴레이션용 너비 및 높이를, 입력된 이미지 프레임의 frameW, FrameH로 업데이트하고, availableF 의 값을 1로 설정할 수 있다. 만약, 차이가 없는 경우(663-아니오), 전자 장치(101)는, 667 동작에서, availableF 의 값을 증가시킬 수 있다. 669 동작에서, availableF 가 N(D_in) 이상인지 여부를 확인할 수 있다. 상술한 바와 같이, N(D_in)은, 신규 알고리즘(예를 들어, 상술한 제 2 인터폴레이션)의 입력 이미지 프레임 개수일 수 있다. 만약, availableF 가 N(D_in) 미만인 경우(669-아니오), 전자 장치(101)는, 661 동작으로 복귀하여, 신규 이미지 프레임을 입력받을 수 있다. availableF 가 N(D_in) 이상인 경우(669-예), 전자 장치(101)는, 671 동작에서, 인터폴레이션용 너비 및 높이인, F_C, F_D, 및 네트워크에 대한 크기를 frameW, FrameH로 업데이트할 수 있다. 상술한 바에 따라서, 인터폴레이션에 이용되는 복수 개의 이미지 프레임들의 너비 및 높이가 통일될 수 있다.

도 7a는, 일 실시예에 따른 트레이닝 데이터 셋트를 생성하는 실시 예를 설명하기 위한 흐름도를 도시한다. 도 7a의 실시예는 도 7b 및 도 7c를 참조하여 설명하도록 한다. 도 7b 및 도 7c는, 일 실시예에 따른 트레이닝 데이터 셋트의 생성을 설명하기 위한 도면이다. 상술한 바와 같이, 트레이닝 데이터 셋트의 생성은, 예를 들어 전자 장치(예: 도1의 전자 장치(101))에서 수행되거나, 또는 전자 장치(101)와는 상이한 외부 장치(예를 들어, 도 1의 서버(108)이지만 제한이 없음)에서 수행될 수도 있다.

일 실시예에 따라서, 전자 장치(101)(예를 들어, 도 1의 프로세서(120)), 또는 외부 전자 장치(예를 들어, 서버(108)이지만 제한이 없음)는, 701 동작에서, 복수 개의 이미지 프레임들을 로드할 수 있다. 복수의 이미지 프레임들은, 예를 들어 시계열적으로 연속되는 이미지 프레임들일 수 있으나 제한은 없다. 예를 들어, 일 실시예에 따라서, 전자 장치(101) 또는 외부 전자 장치는, 도 7b에서의 이미지 프레임들(711,712,713,714,715)을 로드할 수 있으며, 이미지 프레임들(711,712,713,714,715)은 비디오의 일부 구간을 위한 시계열적인 순서를 가지는 이미지 프레임들일 수 있다. 도 7c에서의 프레임들(721,722,723,724,725)이 로드될 수 있으며, 이미지 프레임들(721,722,723,724,725)은 비디오의 일부 구간을 위한 시계열적인 순서를 가지는 이미지 프레임들일 수 있다.

일 실시예에 따라서, 전자 장치(101) 또는 외부 전자 장치는, 703 동작에서, 복수 개의 이미지 프레임들 각각에 도형 및/또는 텍스트를 믹싱할 수 있다. 전자 장치(101) 또는 외부 전자 장치는, 705 동작에서, 트레이닝 데이터 및 정답 이미지 프레임을 획득할 수 있다. 예를 들어, 도 7b를 참조하면, 전자 장치(101) 또는 외부 전자 장치는, 이미지 프레임들(711,712,713,714,715) 각각에 대하여 도형들(711a,711b, 712a,712b, 713a,713b, 714a,714b, 715a,715b)을 믹싱할 수 있다. 도형들(711a, 711b, 712a, 712b, 713a,713b, 714a,714b, 715a,715b)의 형상, 크기, 컬러, 및/또는 위치에는 제한이 없다. 인터폴레이션 비적용 오브젝트는, 예를 들어 시계열적인 연속적인 이미지 프레임들을 덮는 오브젝트로서, 원형, 사각형과 같은 형태를 가지는 가능성이 상대적으로 높을 수 있다. 이에 따라, 도형들(711a, 711b, 712a, 712b, 713a,713b, 714a,714b, 715a,715b)을 포함하는 이미지 프레임들을 트레이닝 데이터 셋트로 이용함으로써, 인터폴레이션 비적용 오브젝트를 검출할 수 있는 인공지능 모델(F_D)이 트레이닝될 수 있다. 예를 들어, 믹싱된 이미지 프레임들 중 하나(예를 들어, 이미지 프레임(713))이 정답 정보로서 이용될 수 있다. 예를 들어, 이미지 프레임(713) 내의 도형들(713a,713b)에 대응하는 영역이 "1"의 값으로 설정되고, 나머지 영역들이 "0"으로 설정된 정답 불연속 맵이 설정될 수 있다. 트레이닝 데이터 셋트(예를 들어, 이미지 프레임들(711,712,714,715) 및 정답 불연속 맵을 이용하여, 인공지능 모델(F_D)이 트레이닝 될 수 있다. 아울러, 이미지 프레임(713)은, 최종 인터폴레이션 이미지 프레임으로서의 정답으로 이용될 수도 있다. 예를 들어, 이미지 프레임(713)은, 이미지 프레임들(712,714)에 대한 최종 인터폴레이션 이미지 프레임으로서의 정답으로 이용될 수 있으나, 제한은 없다.

예를 들어, 도 7c를 참조하면, 전자 장치(101) 또는 외부 전자 장치는, 이미지 프레임들(721,722,723,724,725) 각각에 대하여 텍스트들(721a, 722a, 723a, 724a, 725a))을 믹싱할 수 있다. 텍스트들(721a, 722a, 723a, 724a, 725a)의 형상, 크기, 컬러, 및/또는 위치에는 제한이 없다. 인터폴레이션 비적용 오브젝트는, 예를 들어 시계열적인 연속적인 이미지 프레임들을 덮는 오브젝트로서, 텍스트를 포함할 수 있다. 또는, 불연속적인 움직임으로 표현되는 메시징 어플리케이션 내의 상대적으로 짧은 기간 동안 이동되는 메시지들은 텍스트를 포함할 수 있으며, 텍스트들(721a, 722a, 723a, 724a, 725a)을 포함하는 이미지 프레임들을 트레이닝 데이터 셋트로 이용함으로써, 인터폴레이션 비적용 오브젝트를 검출할 수 있는 인공지능 모델(F_D)이 트레이닝될 수 있다. 예를 들어, 믹싱된 이미지 프레임들 중 하나(예를 들어, 이미지 프레임(723))이 정답 정보로서 이용될 수 있다. 예를 들어, 이미지 프레임(723) 내의 텍스트(723a)에 대응하는 영역이 "1"의 값으로 설정되고, 나머지 영역들이 "0"으로 설정된 정답 불연속 맵이 설정될 수 있다. 트레이닝 데이터 셋트(예를 들어, 이미지 프레임들(721,722,724,725) 및 정답 불연속 맵을 이용하여, 인공지능 모델(F_D)이 트레이닝 될 수 있다. 아울러, 이미지 프레임(723)은, 최종 인터폴레이션 이미지 프레임으로서의 정답으로 이용될 수도 있다. 예를 들어, 이미지 프레임(723)은, 이미지 프레임들(722,724)에 대한 최종 인터폴레이션 이미지 프레임으로서의 정답으로 이용될 수 있으나, 제한은 없다.

믹싱되는 도형 및/또는 텍스트는, 도 7b 및 7c에서와 같이, 독립적으로 이용될 수도 있으나, 이는 예시적인 것으로, 일 실싱예에 따른 전자 장치(101) 또는 외부 전자 장치는, 이미지 프레임들에 도형 및 텍스트를 함께 믹싱시킴으로써, 트레이닝 데이터 셋트를 생성할 수도 있다. 한편, 믹싱되는 도형 및/또는 텍스트의 속성(예를 들어, 컬러, 선 굵기, 크기이지만 제한이 없음)은, 유지되거나, 또는 변경될 수도 있다. 상술한 바에 따라서, 인터폴레이션 비적용 오브젝트(또는, 영역)을 검출하기 위한 인공지능 모델을 트레이닝시키기 위한 트레이닝 데이터 셋트가 생성될 수 있다.

도 8은, 일 실시예에 따른 AI 모델의 트레이닝을 설명하기 위한 도면이다. 상술한 바와 같이, AI 모델의 트레이닝은, 예를 들어 전자 장치(101)에서 수행되거나, 또는 전자 장치(예: 도 1의 전자 장치(101))와는 상이한 외부 장치(예를 들어, 도 1의 서버(108)이지만 제한이 없음)에서 수행될 수도 있다.

일 실시예에 따라서, 전자 장치(101)(예를 들어, 도 1의 프로세서(120)), 또는 외부 전자 장치(예를 들어, 서버(108)이지만 제한이 없음)는, 입력 이미지 프레임들(810)을 로드할 수 있다. 입력 이미지 프레임들(810)의 개수(N(D_IN))은, 복수 개로, 예를 들어 4개일 수 있으나, 제한은 없다. 입력 이미지 프레임들(810) 중, 제 1 이미지 프레임(811) 및 제 2 이미지 프레임(812)에 대한 트레이닝을 수행하는 것을 상정하도록 한다. 예를 들어, 불연속 맵의 정답(832)(예를 들어, 도 7b의 이미지 프레임(713)에 대응하는 불연속 맵, 또는 도 7c의 이미지 프레임(723)에 대응하는 불연속 맵) 및 최종 인터폴레이션 이미지 프레임의 정답(842) (예를 들어, 도 7b의 이미지 프레임(713), 또는 도 7c의 이미지 프레임(723))이, 도 7a 내지 7c에서 설명된 바와 같이 트레이닝 데이터 셋트와 함께 입력될 수 있다.

일 실시예에 따라서, 전자 장치(101), 또는 외부 전자 장치는, 인터폴레이션을 위한 AI 모델(F_C)(820)에, 이미지 프레임 쌍(811,812)을 입력할 수 있으며, AI 모델(F_C)(820)의 출력값인 인터폴레이션 이미지(821)를 획득할 수 있다. 전자 장치(101), 또는 외부 전자 장치는, 불연속 맵 추정을 위한 AI 모델(F_D)(830)에, N(D_IN)의 입력 이미지 프레임들(810)을 입력할 수 있으며, AI 모델(F_D)(830)의 출력값인 불연속 맵(831)을 획득할 수 있다.

일 실시예에 따라서, 전자 장치(101), 또는 외부 전자 장치는, 불연속 맵(831) 및 불연속 맵의 정답(832)을 불연속 맵을 위한 손실 함수(L_D1)(843)에 입력할 수 있다. 일 실시예에 따라서, 전자 장치(101), 또는 외부 전자 장치는, 손실 함수(L_D1)의 출력값을 확인할 수 있다.

일 실시예에 따라서, 전자 장치(101), 또는 외부 전자 장치는, 레퍼런스 이미지 프레임(851)을 선택(850)할 수 있다. 선택(850)의 기준에는 제한이 없으며, 이에 따라 제 1 이미지 프레임(811) 및 제 2 이미지 프레임(812) 중 어느 하나가, 레퍼런스 이미지 프레임(851)으로서 선택될 수 있다.

일 실시예에 따라서, 전자 장치(101), 또는 외부 전자 장치는, 인터폴레이션 이미지 프레임(821), 불연속 맵(831), 및 레퍼런스 이미지 프레임(851)의 가중치 합(840)을 계산하여, 최종 인터폴레이션 이미지 프레임(841)을 획득할 수 있다. 전자 장치(101), 또는 외부 전자 장치는, 최종 인터폴레이션 이미지 프레임(841) 및 최종 인터폴레이션 이미지 프레임의 정답(832)을, 손실 함수(L₁)에 입력할 수 있다. 전자 장치(101), 또는 외부 전자 장치는, 손실 함수(L₁)의 출력값을 획득할 수 있다.

일 실시예에 따라서, 전자 장치(101), 또는 외부 전자 장치는, 손실 함수(L_D1)의 출력값 및 손실 함수(L₁)의 출력값의 합계를 최종 손실 함수(L_final)의 출력값으로서 획득할 수 있다. 한편, 손실 함수(L_D1)의 출력값 및 손실 함수(L₁)의 출력값의 합계를, 최종 손실 함수(L_final)의 출력값으로 설정하는 것은 단순히 예시적인 것으로, 손실 함수(L₁)의 출력값 및 손실 함수(L₁)를 이용하는 연산에는 제한이 없음을 당업자는 이해할 것이다. 전자 장치(101), 또는 외부 전자 장치는, 최종 손실 함수(L_final)의 출력값을 최소화하도록, AI 모델(820) 및/또는 AI 모델(830)을 트레이닝(예를 들어, 파라미터 조정)을 수행할 수 있다.

한편, 최종 손실 함수(L_final)의 출력값을 최소화하도록 AI 모델(820) 및/또는 AI 모델(830)을 트레이닝시키는 것은 단순히 예시적인 것이며, 일 실시예에 따라서, 전자 장치(101), 또는 외부 전자 장치는, 손실 함수(L_D1)의 출력값을 최소화하도록 AI 모델(830)을 트레이닝 시킬 수도 있다. 전자 장치(101), 또는 외부 전자 장치는, 인터폴레이션 이미지 프레임(821) 및 최종 인터폴레이션 이미지 프레임 정답(842)을 손실 함수 함수(L₁)에 입력하여, 손실 함수(L₁)의 출력값을 획득할 수도 있다. 전자 장치(101), 또는 외부 전자 장치는, 손실 함수(L₁)의 출력값이 최소화되도록 AI 모델(820)을 트레이닝 시킬 수도 있다.

한편, 제 1 인터폴레이션을 위한 트레이닝을 수행하는 경우에는, 전자 장치(101), 또는 외부 전자 장치는, 인터폴레이션 이미지 프레임(821) 및 최종 인터폴레이션 이미지 프레임 정답(842)을 손실 함수 함수(L₁)에 입력하여, 손실 함수(L1)의 출력값을 획득할 수도 있다. 전자 장치(101), 또는 외부 전자 장치는, 손실 함수(L1)의 출력값이 최소화되도록 AI 모델(820)을 트레이닝 시킬 수도 있다.

일 실시예에 따라서, 전자 장치(101)는, 적어도 하나의 프로세서(120) 및 메모리(130)를 포함할 수 있다. 상기 메모리(130)는, 상기 적어도 하나의 프로세서(120)에 의하여 실행되는 경우, 상기 전자 장치(101)로 하여금, 제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 상기 메모리(130)는, 상기 적어도 하나의 프로세서(120)에 의하여 실행되는 경우, 상기 전자 장치(101)로 하여금, 상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 여기에서, 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트는 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지는 오브젝트일 수 있다. 여기에서 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트는, 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지지 않는 오브젝트일 수 있다. 상기 메모리(130)는, 상기 적어도 하나의 프로세서(120)에 의하여 실행되는 경우, 상기 전자 장치(101)로 하여금, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다.

일 실시예에 따라서, 상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작의 적어도 일부로, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는, 불연속 맵을 확인하도록 야기할 수 있다. 상기 불연속 맵은, 상기 제 1 인터폴레이션 적용 오브젝트, 상기 제 1 인터폴레이션 비적용 오브젝트, 상기 제 2 인터폴레이션 적용 오브젝트, 및/또는 상기 제 2 인터폴레이션 비적용 오브젝트를 식별하기 위한 정보를 포함할 수 있다.

일 실시예에 따라서, 상기 불연속 맵은, 적어도 하나의 영역을 포함할 수 있다. 상기 적어도 하나의 영역 각각은, 제 1 값 내지 제 2 값 사이의 실수인 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가질 수 있다.

일 실시예에 따라서, 상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 인터폴레이션 이미지 프레임을 제공하는 동작의 적어도 일부로, 상기 인터폴레이션 이미지 프레임의 제 1 영역의 값을, 하기의 수학식에 의하여 결정하도록 야기할 수 있다. 상기 수학식은, D*Iref + (1-D)*Ic 일 수 있다. 상기 수학식에서, 상기 D는 상기 불연속 맵의 상기 제 1 영역의 값이며, 상기 Iref는 상기 제 1 이미지 프레임 또는 상기 제 2 이미지 프레임 중 어느 하나의 상기 제 1 영역의 값이며, 상기 Ic는 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임의 인터폴레이션 결과의 상기 제 1 영역의 값일 수 있다.

일 실시예에 따라서, 상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값일 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값일 수 있다.

일 실시예에 따라서, 상기 불연속 맵은, 적어도 하나의 영역을 포함할 수 있다. 상기 적어도 하나의 영역 각각은, 제 1 값 또는 제 2 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가질 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값일 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값일 수 있다.

일 실시예에 따라서, 상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는 상기 불연속 맵을 확인하는 동작의 적어도 일부로, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 포함하는 입력 이미지 프레임들을 상기 불연속 맵을 제공하도록 설정된 AI 모델에 입력할 수 있다. 일 실시예에 따라서, 상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는 상기 불연속 맵을 확인하는 동작의 적어도 일부로, 상기 AI 모델로부터의 출력 결과로서의 상기 불연속 맵을 확인하도록 야기할 수 있다. 상기 AI 모델에 입력되는 상기 입력 이미지 프레임들의 개수는, 2개 이상일 수 있다.

일 실시예에 따라서, 상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 적어도 하나의 제 1 파라미터가 제 1 조건을 만족하는지 여부에 기반하여, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 상기 인터폴레이션 이미지 프레임의 제공 여부를 확인하도록 더 야기할 수 있다.

일 실시예에 따라서, 상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 제 1 조건을 만족하는지 여부에 기반하여 상기 인터폴레이션 이미지 프레임의 제공 여부를 확인하는 동작의 적어도 일부로, 상기 적어도 하나의 제 1 파라미터와 적어도 일부 상이한 적어도 하나의 제 2 파라미터에 기반하여, 상기 제 1 조건을 구성하는 적어도 하나의 임계치를 설정하도록 야기할 수 있다.

일 실시예에 따라서, 컴퓨터로 독출 가능한 적어도 하나의 인스트럭션을 저장하는 저장 매체에 있어서, 상기 적어도 하나의 인스트럭션은 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행 시에, 상기 전자 장치(101)로 하여금 적어도 하나의 동작을 수행하도록 야기할 수 있다. 상기 적어도 하나의 동작은, 제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작을 포함할 수 있다. 여기에서, 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트는 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지는 오브젝트일 수 있다. 여기에서 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트는, 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지지 않는 오브젝트일 수 있다. 상기 적어도 하나의 동작은, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하는 동작을 포함할 수 있다.

일 실시예에 따라서, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작은, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는, 불연속 맵을 확인할 수 있다. 상기 불연속 맵은, 상기 제 1 인터폴레이션 적용 오브젝트, 상기 제 1 인터폴레이션 비적용 오브젝트, 상기 제 2 인터폴레이션 적용 오브젝트, 및/또는 상기 제 2 인터폴레이션 비적용 오브젝트를 식별하기 위한 정보를 포함할 수 있다.

일 실시예에 따라서, 상기 불연속 맵은, 적어도 하나의 영역을 포함할 수 있다. 상기 적어도 하나의 영역 각각은, 제 1 값 내지 제 2 값 사이의 실수인 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가질 수 있다.

일 실시예에 따라서, 상기 인터폴레이션 이미지 프레임을 제공하는 동작의 적어도 일부로, 상기 인터폴레이션 이미지 프레임의 제 1 영역의 값을, 하기의 수학식에 의하여 결정할 수 있다. 상기 수학식은, D*Iref + (1-D)*Ic 일 수 있다. 상기 수학식에서, 상기 D는 상기 불연속 맵의 상기 제 1 영역의 값이며, 상기 Iref는 상기 제 1 이미지 프레임 또는 상기 제 2 이미지 프레임 중 어느 하나의 상기 제 1 영역의 값이며, 상기 Ic는 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임의 인터폴레이션 결과의 상기 제 1 영역의 값일 수 있다.

일 실시예에 따라서, 상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값일 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값일 수 있다.

일 실시예에 따라서, 상기 불연속 맵은, 적어도 하나의 영역을 포함할 수 있다. 상기 적어도 하나의 영역 각각은, 제 1 값 또는 제 2 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가질 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값일 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값일 수 있다.

일 실시예에 따라서, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는 상기 불연속 맵을 확인하는 동작은, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 포함하는 입력 이미지 프레임들을 상기 불연속 맵을 제공하도록 설정된 AI 모델에 입력하는 동작을 포함할 수 있다. 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는 상기 불연속 맵을 확인하는 동작은, 상기 AI 모델로부터의 출력 결과로서의 상기 불연속 맵을 확인하는 동작을 포함할 수 있다. 상기 AI 모델에 입력되는 상기 입력 이미지 프레임들의 개수는, 2개 이상일 수 있다.

일 실시예에 따라서, 상기 적어도 하나의 동작은, 적어도 하나의 제 1 파라미터가 제 1 조건을 만족하는지 여부에 기반하여, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 상기 인터폴레이션 이미지 프레임의 제공 여부를 확인하는 동작을 더 포함할 수 있다.

일 실시예에 따라서, 상기 제 1 조건을 만족하는지 여부에 기반하여 상기 인터폴레이션 이미지 프레임의 제공 여부를 확인하는 동작은, 상기 적어도 하나의 제 1 파라미터와 적어도 일부 상이한 적어도 하나의 제 2 파라미터에 기반하여, 상기 제 1 조건을 구성하는 적어도 하나의 임계치를 설정할 수 있다.

일 실시예에 따라서, 전자 장치(101)의 동작 방법은, 제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하는 동작을 포함할 수 있다. 상기 전자 장치(101)의 동작 방법은, 상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작을 포함할 수 있다. 여기에서, 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트는 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지는 오브젝트일 수 있다. 여기에서 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트는, 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지지 않는 오브젝트일 수 있다. 상기 전자 장치(101)의 동작 방법은, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하는 동작을 포함할 수 있다.

일 실시예에 따라서, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작은, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는, 불연속 맵을 확인할 수 있다. 상기 불연속 맵은, 상기 제 1 인터폴레이션 적용 오브젝트, 상기 제 1 인터폴레이션 비적용 오브젝트, 상기 제 2 인터폴레이션 적용 오브젝트, 및/또는 상기 제 2 인터폴레이션 비적용 오브젝트를 식별하기 위한 정보를 포함할 수 있다.

일 실시예에 따라서, 상기 불연속 맵은, 적어도 하나의 영역을 포함할 수 있다. 상기 적어도 하나의 영역 각각은, 제 1 값 내지 제 2 값 사이의 실수인 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가질 수 있다.

일 실시예에 따라서, 상기 인터폴레이션 이미지 프레임을 제공하는 동작은, 상기 인터폴레이션 이미지 프레임의 제 1 영역의 값을, 하기의 수학식에 의하여 결정할 수 있다. 상기 수학식은, D*Iref + (1-D)*Ic 일 수 있다. 상기 수학식에서, 상기 D는 상기 불연속 맵의 상기 제 1 영역의 값이며, 상기 Iref는 상기 제 1 이미지 프레임 또는 상기 제 2 이미지 프레임 중 어느 하나의 상기 제 1 영역의 값이며, 상기 Ic는 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임의 인터폴레이션 결과의 상기 제 1 영역의 값일 수 있다.

일 실시예에 따라서, 상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값일 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값일 수 있다.

일 실시예에 따라서, 상기 불연속 맵은, 적어도 하나의 영역을 포함할 수 있다. 상기 적어도 하나의 영역 각각은, 제 1 값 또는 제 2 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가질 수 있다. 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가질 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값일 수 있다. 상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값일 수 있다.

일 실시예에 따라서, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는 상기 불연속 맵을 확인하는 동작은, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 포함하는 입력 이미지 프레임들을 상기 불연속 맵을 제공하도록 설정된 AI 모델에 입력하는 동작을 포함할 수 있다. 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는 상기 불연속 맵을 확인하는 동작은, 상기 AI 모델로부터의 출력 결과로서의 상기 불연속 맵을 확인하는 동작을 포함할 수 있다. 상기 AI 모델에 입력되는 상기 입력 이미지 프레임들의 개수는, 2개 이상일 수 있다.

일 실시예에 따라서, 상기 적어도 하나의 동작은, 적어도 하나의 제 1 파라미터가 제 1 조건을 만족하는지 여부에 기반하여, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 상기 인터폴레이션 이미지 프레임의 제공 여부를 확인하는 동작을 더 포함할 수 있다.

일 실시예에 따라서, 상기 제 1 조건을 만족하는지 여부에 기반하여 상기 인터폴레이션 이미지 프레임의 제공 여부를 확인하는 동작은, 상기 적어도 하나의 제 1 파라미터와 적어도 일부 상이한 적어도 하나의 제 2 파라미터에 기반하여, 상기 제 1 조건을 구성하는 적어도 하나의 임계치를 설정할 수 있다.

일 실시예에 따라서, 전자 장치(101)는, 적어도 하나의 프로세서(120) 및 메모리(130)를 포함할 수 있다. 상기 메모리(130)는, 상기 적어도 하나의 프로세서(120)에 의하여 실행되는 경우, 상기 전자 장치(101)로 하여금, 복수 개의 이미지 프레임들을 제 1 AI 모델(예를 들어, F_D)에 입력하고, 상기 제 1 AI 모델로부터의 출력으로서의 불연속 맵을 획득하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 상기 메모리(130)는, 상기 적어도 하나의 프로세서(120)에 의하여 실행되는 경우, 상기 전자 장치(101)로 하여금, 상기 복수 개의 이미지 프레임들 중 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 인터폴레이션을 위한 제 2 AI 모델(예를 들어, F_C)에 입력하고, 상기 제 2 AI 모델로부터의 출력으로서의 인터폴레이션 이미지 프레임을 획득하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다. 상기 메모리(130)는, 상기 적어도 하나의 프로세서(120)에 의하여 실행되는 경우, 상기 전자 장치(101)로 하여금, 상기 불연속 맵, 상기 인터폴레이션 이미지 프레임과, 상기 제 1 이미지 프레임 중 상기 제 2 이미지 프레임 중 선택된 레퍼런스 이미지 프레임의 가중치 합에 기반하여, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대한 최종 인터폴레이션 이미지 프레임을 제공하도록 야기하는 적어도 하나의 인스트럭션을 저장할 수 있다.

일 실시예에 따라서, 상기 불연속 맵은, 적어도 하나의 영역을 포함하고, 상기 적어도 하나의 영역 각각은, 제 1 값 내지 제 2 값 사이의 실수인 값을 가지며, 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가지고, 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가질 수 있다. 상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 인터폴레이션 이미지 프레임을 제공하는 동작의 적어도 일부로, 상기 인터폴레이션 이미지 프레임의 제 1 영역의 값을, 하기의 수학식에 의하여 결정하도록 야기할 수 있다. 상기 수학식은, D*Iref + (1-D)*Ic 일 수 있다. 상기 수학식에서, 상기 D는 상기 불연속 맵의 상기 제 1 영역의 값이며, 상기 Iref는 상기 레퍼런스 이미지 프레임의 상기 제 1 영역의 값이며, 상기 Ic는 상기 인터폴레이션 이미지 프레임의 상기 제 1 영역의 값일 수 있다.

일 실시예에 따라서, 컴퓨터로 독출 가능한 적어도 하나의 인스트럭션을 저장하는 저장 매체에 있어서, 상기 적어도 하나의 인스트럭션은 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행 시에, 상기 전자 장치(101)로 하여금 적어도 하나의 동작을 수행하도록 야기할 수 있다. 상기 적어도 하나의 동작은, 복수 개의 이미지 프레임들을 제 1 AI 모델에 입력하고, 상기 제 1 AI 모델로부터의 출력으로서의 불연속 맵을 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 복수 개의 이미지 프레임들 중 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 인터폴레이션을 위한 제 2 AI 모델에 입력하고, 상기 제 2 AI 모델로부터의 출력으로서의 인터폴레이션 이미지 프레임을 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 불연속 맵, 상기 인터폴레이션 이미지 프레임과, 상기 제 1 이미지 프레임 중 상기 제 2 이미지 프레임 중 선택된 레퍼런스 이미지 프레임의 가중치 합에 기반하여, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대한 최종 인터폴레이션 이미지 프레임을 제공하는 동작을 포함할 수 있다.

일 실시예에 따라서, 전자 장치(101)의 동작 방법은, 복수 개의 이미지 프레임들을 제 1 AI 모델에 입력하고, 상기 제 1 AI 모델로부터의 출력으로서의 불연속 맵을 획득하는 동작을 포함할 수 있다. 상기 전자 장치(101)의 동작 방법은, 상기 복수 개의 이미지 프레임들 중 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 인터폴레이션을 위한 제 2 AI 모델에 입력하고, 상기 제 2 AI 모델로부터의 출력으로서의 인터폴레이션 이미지 프레임을 획득하는 동작을 포함할 수 있다. 상기 전자 장치(101)의 동작 방법은, 상기 불연속 맵, 상기 인터폴레이션 이미지 프레임과, 상기 제 1 이미지 프레임 중 상기 제 2 이미지 프레임 중 선택된 레퍼런스 이미지 프레임의 가중치 합에 기반하여, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대한 최종 인터폴레이션 이미지 프레임을 제공하는 동작을 포함할 수 있다.

일 실시예에 따라서, 상기 불연속 맵은, 적어도 하나의 영역을 포함하고, 상기 적어도 하나의 영역 각각은, 제 1 값 내지 제 2 값 사이의 실수인 값을 가지며, 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가지고, 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가질 수 있다. 상기 인터폴레이션 이미지 프레임을 제공하는 동작은, 상기 인터폴레이션 이미지 프레임의 제 1 영역의 값을, 하기의 수학식에 의하여 결정할 수 있다. 상기 수학식은, D*Iref + (1-D)*Ic 일 수 있다. 상기 수학식에서, 상기 D는 상기 불연속 맵의 상기 제 1 영역의 값이며, 상기 Iref는 상기 레퍼런스 이미지 프레임의 상기 제 1 영역의 값이며, 상기 Ic는 상기 인터폴레이션 이미지 프레임의 상기 제 1 영역의 값일 수 있다.

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

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

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

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

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

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

Claims (20)

1. 전자 장치(101)에 있어서,
   적어도 하나의 프로세서(120); 및
   메모리(130)를 포함하고,
   상기 메모리(130)는, 상기 적어도 하나의 프로세서(120)에 의하여 실행되는 경우, 상기 전자 장치(101)로 하여금:
   제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하고,
   상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하고, 여기에서, 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트는 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지는 오브젝트이며, 여기에서 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트는, 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지지 않는 오브젝트이고,
   상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하도록 야기하는 적어도 하나의 인스트럭션을 저장하는 전자 장치.
2. 제 1 항에 있어서,
   상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작의 적어도 일부로, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는, 불연속 맵을 확인하도록 야기하고,
   상기 불연속 맵은, 상기 제 1 인터폴레이션 적용 오브젝트, 상기 제 1 인터폴레이션 비적용 오브젝트, 상기 제 2 인터폴레이션 적용 오브젝트, 및/또는 상기 제 2 인터폴레이션 비적용 오브젝트를 식별하기 위한 정보를 포함하는 전자 장치.
3. 제 1 항 내지 제 2 항 중 어느 하나에 있어서,
   상기 불연속 맵은, 적어도 하나의 영역을 포함하고,
   상기 적어도 하나의 영역 각각은, 제 1 값 내지 제 2 값 사이의 실수인 값을 가지며,
   상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가지고,
   상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가지고,
   상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 가능성 및 인터폴레이션 비적용 오브젝트일 가능성을 가지는 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값 초과 상기 제 2 값 미만의 실수 값을 가지는 전자 장치.
4. 제 1 항 내지 제 3 항 중 어느 하나에 있어서,
   상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 인터폴레이션 이미지 프레임을 제공하는 동작의 적어도 일부로, 상기 인터폴레이션 이미지 프레임의 제 1 영역의 값을, 하기의 수학식에 의하여 결정하도록 야기하고,
   D*Iref + (1-D)*Ic
   상기 수학식에서, 상기 D는 상기 불연속 맵의 상기 제 1 영역의 값이며, 상기 Iref는 상기 제 1 이미지 프레임 또는 상기 제 2 이미지 프레임 중 어느 하나의 상기 제 1 영역의 값이며, 상기 Ic는 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임의 인터폴레이션 결과의 상기 제 1 영역의 값인 전자 장치.
5. 제 1 항 내지 제 4 항 중 어느 하나에 있어서,
   상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값이고,
   상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값인 전자 장치.
6. 제 1 항 내지 제 5 항 중 어느 하나에 있어서,
   상기 불연속 맵은, 적어도 하나의 영역을 포함하고,
   상기 적어도 하나의 영역 각각은, 제 1 값 또는 제 2 값을 가지며,
   상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가지고,
   상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가지고,
   상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값이고,
   상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값인 전자 장치.
7. 제 1 항 내지 제 6 항 중 어느 하나에 있어서,
   상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는 상기 불연속 맵을 확인하는 동작의 적어도 일부로,
   상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 포함하는 입력 이미지 프레임들을 상기 불연속 맵을 제공하도록 설정된 AI 모델에 입력하고,
   상기 AI 모델로부터의 출력 결과로서의 상기 불연속 맵을 확인하도록 야기하고,
   상기 AI 모델에 입력되는 상기 입력 이미지 프레임들의 개수는, 2개 이상인 전자 장치.
8. 제 1 항 내지 제 7 항 중 어느 하나에 있어서,
   상기 AI 모델은, 복수 개의 트레이닝 데이터들에 기반하여 트레이닝되며,
   상기 복수 개의 트레이닝 데이터 각각은, 이미지 프레임들을 로드하는 동작 및 상기 이미지 프레임들 각각에 도형 및/또는 텍스트를 믹싱하는 동작의 수행에 기반하여 획득되는 전자 장치.
9. 제 1 항 내지 제 8 항 중 어느 하나에 있어서,
   트레이닝 데이터에 포함된 이미지 프레임들을 상기 AI 모델에 적용한 제 1 결과 및 불연속 맵의 정답을 불연속 맵을 위한 제 1 손실함수에 입력하는 동작;
   상기 트레이닝 데이터 중 두 개의 인접하는 이미지 프레임 쌍(pair)을 인터폴레이션을 위한 AI 모델에 적용할 제 2 결과를 확인하는 동작;
   상기 제 1 결과, 상기 제 2 결과, 및 상기 이미지 프레임 쌍 중 레퍼런스 이미지 프레임의 가중치 합을 확인하는 동작;
   상기 가중치 합 및 최종 인터폴레이션 이미지 프레임의 정답을 제 2 손실함수에 입력하는 동작; 및
   상기 제 1 손실함수의 출력값과 상기 제 2 손실함수의 출력값의 합계를 감소시키도록 상기 AI 모델의 적어도 하나의 파라미터를 조정하는 동작의 수행에 기반하여 상기 AI 모델이 트레이닝 되는 전자 장치.
10. 제 1 항 내지 제 9 항 중 어느 하나에 있어서,
    상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금:
    적어도 하나의 제 1 파라미터가 제 1 조건을 만족하는지 여부에 기반하여, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 상기 인터폴레이션 이미지 프레임의 제공 여부를 확인하도록 더 야기하는 전자 장치.
11. 제 1 항 내지 제 10 항 중 어느 하나에 있어서,
    상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 제 1 조건을 만족하는지 여부에 기반하여 상기 인터폴레이션 이미지 프레임의 제공 여부를 확인하는 동작의 적어도 일부로,
    상기 적어도 하나의 제 1 파라미터와 적어도 일부 상이한 적어도 하나의 제 2 파라미터에 기반하여, 상기 제 1 조건을 구성하는 적어도 하나의 임계치를 설정하도록 야기하는 전자 장치.
12. 컴퓨터로 독출 가능한 적어도 하나의 인스트럭션을 저장하는 저장 매체에 있어서, 상기 적어도 하나의 인스트럭션은 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행 시에, 상기 전자 장치(101)로 하여금 적어도 하나의 동작을 수행하도록 야기하고, 상기 적어도 하나의 동작은,
    제 1 이미지 프레임 및 제 2 이미지 프레임을 획득하는 동작;
    상기 제 1 이미지 프레임에 포함된 오브젝트들 중 제 1 인터폴레이션 적용 오브젝트 및 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 이미지 프레임에 포함된 오브젝트들 중 제 2 인터폴레이션 적용 오브젝트 및 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작, 여기에서, 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트는 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지는 오브젝트이며, 여기에서 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트는, 상기 제 1 이미지 프레임 및 상기 제 2 프레임 내에서 점진적으로 연속되는 움직임을 가지지 않는 오브젝트이고; 및
    상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대한 인터폴레이션 결과와, 상기 제 1 인터폴레이션 비적용 오브젝트 또는 상기 제 2 인터폴레이션 비적용 오브젝트를 포함하는, 인터폴레이션 이미지 프레임을 제공하는 동작
    을 포함하는 저장 매체.
13. 제 12 항에 있어서,
    상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 1 인터폴레이션 비적용 오브젝트를 확인하고, 상기 제 2 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트를 확인하는 동작은, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는, 불연속 맵을 확인하고,
    상기 불연속 맵은, 상기 제 1 인터폴레이션 적용 오브젝트, 상기 제 1 인터폴레이션 비적용 오브젝트, 상기 제 2 인터폴레이션 적용 오브젝트, 및/또는 상기 제 2 인터폴레이션 비적용 오브젝트를 식별하기 위한 정보를 포함하는 저장 매체.
14. 제 12 항 내지 제 13 항 중 어느 하나에 있어서,
    상기 불연속 맵은, 적어도 하나의 영역을 포함하고,
    상기 적어도 하나의 영역 각각은, 제 1 값 내지 제 2 값 사이의 실수인 값을 가지며,
    상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가지고,
    상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가지고,
    상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 가능성 및 인터폴레이션 비적용 오브젝트일 가능성을 가지는 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값 초과 상기 제 2 값 미만의 실수 값을 가지는 저장 매체.
15. 제 12 항 내지 제 14 항 중 어느 하나에 있어서,
    상기 인터폴레이션 이미지 프레임을 제공하는 동작은, 상기 인터폴레이션 이미지 프레임의 제 1 영역의 값을, 하기의 수학식에 의하여 결정하고,
    D*Iref + (1-D)*Ic
    상기 수학식에서, 상기 D는 상기 불연속 맵의 상기 제 1 영역의 값이며, 상기 Iref는 상기 제 1 이미지 프레임 또는 상기 제 2 이미지 프레임 중 어느 하나의 상기 제 1 영역의 값이며, 상기 Ic는 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임의 인터폴레이션 결과의 상기 제 1 영역의 값인 저장 매체.
16. 제 12 항 내지 제 15 항 중 어느 하나에 있어서,
    상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값이고,
    상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값인 저장 매체.
17. 제 12 항 내지 제 16 항 중 어느 하나에 있어서,
    상기 불연속 맵은, 적어도 하나의 영역을 포함하고,
    상기 적어도 하나의 영역 각각은, 제 1 값 또는 제 2 값을 가지며,
    상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가지고,
    상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가지고,
    상기 불연속 맵의, 상기 제 1 인터폴레이션 적용 오브젝트 및 상기 제 2 인터폴레이션 적용 오브젝트에 대응하는 영역의 값은, 상기 제 1 값이고,
    상기 불연속 맵의, 상기 제 1 인터폴레이션 비적용 오브젝트 및 상기 제 2 인터폴레이션 비적용 오브젝트에 대응하는 영역의 값은, 상기 제 2 값인 저장 매체.
18. 제 12 항 내지 제 17 항 중 어느 하나에 있어서,
    상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대응하는 상기 불연속 맵을 확인하는 동작은,
    상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 포함하는 입력 이미지 프레임들을 상기 불연속 맵을 제공하도록 설정된 AI 모델에 입력하는 동작; 및
    상기 AI 모델로부터의 출력 결과로서의 상기 불연속 맵을 확인하는 동작을 포함하고,
    상기 AI 모델에 입력되는 상기 입력 이미지 프레임들의 개수는, 2개 이상인 저장 매체.
19. 전자 장치(101)에 있어서,
    적어도 하나의 프로세서(120); 및
    메모리(130)를 포함하고,
    상기 메모리(130)는, 상기 적어도 하나의 프로세서(120)에 의하여 실행되는 경우, 상기 전자 장치(101)로 하여금:
    복수 개의 이미지 프레임들을 제 1 AI 모델에 입력하고, 상기 제 1 AI 모델로부터의 출력으로서의 불연속 맵을 획득하고,
    상기 복수 개의 이미지 프레임들 중 제 1 이미지 프레임 및 상기 제 2 이미지 프레임을 인터폴레이션을 위한 제 2 AI 모델에 입력하고, 상기 제 2 AI 모델로부터의 출력으로서의 인터폴레이션 이미지 프레임을 획득하고,
    상기 불연속 맵, 상기 인터폴레이션 이미지 프레임과, 상기 제 1 이미지 프레임 중 상기 제 2 이미지 프레임 중 선택된 레퍼런스 이미지 프레임의 가중치 합에 기반하여, 상기 제 1 이미지 프레임 및 상기 제 2 이미지 프레임에 대한 최종 인터폴레이션 이미지 프레임을 제공하도록 야기하는 적어도 하나의 인스트럭션을 저장하는 전자 장치.
20. 제 19 항에 있어서,
    상기 불연속 맵은, 적어도 하나의 영역을 포함하고, 상기 적어도 하나의 영역 각각은, 제 1 값 내지 제 2 값 사이의 실수인 값을 가지며, 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값을 가지고, 상기 적어도 하나의 영역이 인터폴레이션 비적용 오브젝트일 경우에는, 상기 적어도 하나의 영역은 상기 제 2 값을 가지고, 상기 적어도 하나의 영역이 인터폴레이션 적용 오브젝트일 가능성 및 인터폴레이션 비적용 오브젝트일 가능성을 가지는 경우에는, 상기 적어도 하나의 영역은 상기 제 1 값 초과 상기 제 2 값 미만의 실수 값을 가지고,
    상기 적어도 하나의 인스트럭션은, 실행 시에 상기 전자 장치(101)로 하여금, 상기 인터폴레이션 이미지 프레임을 제공하는 동작의 적어도 일부로, 상기 인터폴레이션 이미지 프레임의 제 1 영역의 값을, 하기의 수학식에 의하여 결정하도록 야기하고,
    D*Iref + (1-D)*Ic
    상기 수학식에서, 상기 D는 상기 불연속 맵의 상기 제 1 영역의 값이며, 상기 Iref는 상기 레퍼런스 이미지 프레임의 상기 제 1 영역의 값이며, 상기 Ic는 상기 인터폴레이션 이미지 프레임의 상기 제 1 영역의 값인 전자 장치.
    
    

Images